《中国现代医药杂志》名誉总编辑简介

罗慰慈,男,中国医学科学院中国协和医科大学北京协和医院著名呼吸病专家,教授,博士研究生导师。从事内科呼吸专业医疗、教学和研究工作50年,曾获中国医学科学院科技进步奖和国家卫生部科技进步奖。主编《内科临床指导》、《现代呼吸病学》、《协和     

医学场域下主体性思想的呈现形态微探

在西方哲学的发展中，主体性思想作为其重要的逻辑线索，贯穿全部哲学问题。医学作为现代社会发展中一个不可被忽视的领域，试图通过技术的不断发展，将生命作为研究对象开启不断向前的征程，无边界且不可逆。生命必然需要主体在场，而生命的主要主体之一“人”的特殊性以及其哲学向度，必然要求其在发展中要遵循人从而发展人。尤以伴随着人工智能等带有强烈主体攻击性的科技发展，要求医学关注“主体性”问题。以西方主体性思想的发展为脉络，展现医学发展的哲学逻辑，发现现代医学的问题向度，呼唤医学人文的复归。     

中医药大学形态学综合实验课程的实践

<正>当今医学的"生物-医学-社会"模式与医学教育学科界限之间的矛盾在中医药大学显得尤为突出。由于现有中医学与西医学之间,形态学各学科之间的教学内容无交叉融合,所以,中医药大学的学生在入学第一学期便会在分属于不同理论体系和思维方式的学科中彷徨、困惑找不到正确有效的学习方法。这就要求教师在教学中必须进行适当的学科融合,找到符合学生认知规律、利于激发学习兴趣、紧密联系临床实践的教学方法 ,这一点在形态     

旴江医派志略

旴江医学流派,萌芽于先秦,分布于江西境内旴江(抚河)流域的16个县市,通过对旴江医学史的新近考证,证实从西汉迄民国旴江流域有医药家2016人、医籍711种,孕育杏林文化、建昌药帮、樟树药帮。旴江流域是道教的诞生地,道教的兴起促进旴江医派的形成和发展,旴江医派形成了独特的道家医学流派风格。旴江医派的鲜明特点是:道教传道施医是旴江医派的起源特点,医道医药兼通相传是旴江医派的传承特点,道医思想是旴江医派的学术特点,杏林春暖为医精诚是旴江医派的医学文化特点,气候湿暖形成旴江流域药用资源繁茂和药业繁盛特点,三面环山温热难散易发热病是旴江流域的发病学特点,寒温统一辨治热病是旴江医派的诊疗学特点。纵观旴江医派历史,旴江医派因方士修真炼丹而萌芽于先秦、因黄老修行施医而起源于秦代、因高道创教传医而兴起于汉晋、因高僧创教传医而弘扬于隋唐、因崇儒尚医而发展于宋元、因政治中心南移而兴盛于明清、因战乱诸因而停滞于民国、因政府重视而繁荣于当代。旴江流域,名医代出,学说纷呈,流传域外,远播寰宇,在中国医学史上占有重要地位,对中医学的发展创新、走向世界有着深远的影响。     

“一带一路”倡议背景下与东盟国家的医学信息学人才交流探讨

阐述在“一带一路”倡议及大数据时代背景下医学信息学人才培养与交流的意义，从政策支持、医疗卫生及高等教育合作交流、高校学科建设等方面探讨广西与东盟国家医学信息学人才交流的可行性，分析目前医学信息学人才交流存在的障碍并提出相应对策。     

北京市不同时期政策下助产机构外《出生医学证明》的签发情况比较

目的通过分析和比较北京市《出生医学证明》机构外签发新政策实施前后的特点,为机构外签发的《出生医学证明》规范化管理提供科学合理的依据。方法从北京市妇幼保健网络信息系统中导出2012年1月1日-2017年12月31日全市签发的助产机构外《出生医学证明》相关信息,包括证件签发状态、签发时间、签发地、出生时间、签发对象父母亲的年龄及户籍地等,应用统计软件对其进行分析。结果新政策实施后机构外签发数量有所增长,其中《出生医学证明》证面上仅有父母亲一方信息的签发量占比由19. 4%增至36. 4%,家长自述机构外分娩双胎新生儿的签发量占比由2. 8%增至4. 7%;机构外签发的签发对象年龄主要集中在3～6岁,其父母的平均年龄均高于机构内签发新生儿的父母平均年龄。结论新政策的实施及时落实了国务院相关文件,解决了部分无户口人员的落户问题,同时也给《出生医学证明》管理部门提出了更多挑战。应加强区级管理岗位的业务培训,完善部门间的协调沟通机制,完善信息系统,不断提高北京市《出生医学证明》机构外签发管理水平。     

2020年本刊直接使用缩略语的医学词汇

为节约版面,本刊自2020年对一些临床医师比较熟悉的常用词汇作如下规定。以下词汇在正文中(摘要除外)首次出现时给出中文全称和英文缩略语即可,不再要求给出英文全称,再次出现时应直接使用缩略语。     

生殖专科机构预防新型冠状病毒肺炎感染的措施

新型冠状病毒肺炎(简称新冠肺炎, COVID-19)是近期流行的一种新发传染病,已造成大量人员感染,其中包括医务人员。为预防生殖医学的医院感染,有效降低新冠肺炎在生殖专科机构传播的风险,通过查询相关文献、指南和规范等,并结合生殖医学特点,制定生殖医学有关的临床区、手术室和实验室及相关人员预防新冠肺炎的措施。     

深度学习技术在医学影像中的应用

近十年来,人工智能(artificial intelligence,AI)在医学领域发展迅速,很大程度上得益于机器学习(machine learning,ML)技术的发展与进步,而机器学习也成为医学领域创新的新引擎。医学成像领域中,机器学习对图像重组、病变分割、计算机辅助检测(computer-aided detection,CADe)和诊断(computer-aided diagnosis,CADx)等方面的优化产生了积极影响[1,2]。与传统的医学图像分析技术相比,机器学习技术不需要由医学及技术领域专家为特定分析制定明确相关的功能。