医院如何做好电子病案的规范化管理

本文阐述了该院在当今病案信息电子化快速发展的年代,如何使电子病案的管理能同步走向规范化,重点从三大方面进行了经验介绍。1、建立规范的电子病案管理组织架构,做到组织保证；2、从制度建立、质量监控、系统保存、归档管理、分级管理、使用管理等方面积极探讨电子病案管理规范化的内涵；3、探索制定基于数字签名认证中心(CA)的电子签名工作规范。通过上述各方面的探讨和实践,取得了较好的电子病案管理成效。     

玻璃化法超低温保存怀山药种质的技术研究

目的研究怀山药种质资源的玻璃化超低温保存技术。方法以B号怀山药带芽茎段为材料进行玻璃化超低温保存,并采用培养法检测保存后材料的成活率,从而筛选出最佳的玻璃化超低温保存技术体系。结果B号怀山药带芽茎段玻璃化超低温保存较佳的技术体系是继代生长60d的怀山药无菌苗置4℃冰箱低温锻炼7d;在无菌条件下切取1~1.5cm的带芽茎段,转至含5%蔗糖 3%甘露糖的培养基内,置4℃冰箱预培养2d;用60%的PVS1(22%甘油 13%乙二醇 13%聚乙二醇 10%二甲基亚砜)在0℃处理60min,再用100%的PVS1在0℃条件下处理60min,随即迅速投入液氮;保存24h后,在37℃水浴中快速化冻,用含7%蔗糖的MS培养液洗涤4次,每次停留10min;转至再生培养基(MS KT2mg/L NAA0.02mg/L)再培养,成活率可达75%以上,再生苗与常温苗形态指标差异不大。结论本试验成功地建立了怀山药种质资源玻璃化法超低温保存的技术体系,为怀山药种质资源的长期保存提供了一条有效途径。     

医用电子直线加速器在使用中应注意的安全性问题及对策

简要介绍了医用电子直线加速器在日常使用工作中应注意的一些安全性问题，并提出了相应的解决对策和建议，为同行们在医用电子直线加速器的安全管理和使用操作提供参考。     

电子表式止血带的设计

把电子计时器功能和传统卡式止血带相结合，设计出一种带有计时报警功能的电子表式止血带。具有一定的先进性和创新性，     

农村中医药人力资源教育意愿调查及社会伦理分析

通过研究样本地区农村中医药人力资源的现状,对中医药人力资源的培训与继续教育意愿进行分析,探讨合理配置农村中医药人力资源的政策和措施,促进农村中医事业的发展,实现卫生公平.     

基于校园网的医学多媒体资源库的建设

文章结合实践阐述了利用校园网进行医学多媒体资源库建设的过程,并就多媒体资源库建设中面临的问题及对策进行了讨论。     

资源库在医学研究生教学中的建立与应用

结合多媒体资源库的构建,介绍了资源库的构建要求以及在医学研究生教学中应用和亟需完善的一些问题。     

安徽亳州板蓝根种质资源的调查研究

目的 :为制定板蓝根规范化种植的操作规程提供依据。方法 :进行安徽亳州板蓝根的种质资源调查和种子染色体的鉴定研究。结果 :安徽亳州板蓝根种质资源有四倍体菘蓝和二倍体菘蓝。结论 :确定二倍体菘蓝为板蓝根规范化种植的种质资源。     

枣属药用植物资源产业化过程副产物及废弃物的资源价值发现与循环利用策略构建

我国枣属（Ziziphus）植物可供药用的主要有枣、酸枣和滇刺枣,均属药食同源品种,资源需求量大。但其在生产及深加工过程产生大量废弃物及副产物,因无有效利用途径而废弃,造成资源浪费与环境污染。结合课题组前期研究进展,对该类群药用植物资源产业化过程废弃物及副产物的产生及其潜在资源价值进行了分析,对其资源利用途径与系统利用策略进行了整理,以期为我国枣属药用植物资源产业链延伸提供支撑,为其资源价值提升提供借鉴。      

Semi-supervised learning of the electronic health record for phenotype stratification

Patient interactions with health care providers result in entries to electronic health records (EHRs). EHRs were built for clinical and billing purposes but contain many data points about an individual. Mining these records provides opportunities to extract electronic phenotypes, which can be paired with genetic data to identify genes underlying common human diseases. This task remains challenging: high quality phenotyping is costly and requires physician review; many fields in the records are sparsely filled; and our definitions of diseases are continuing to improve over time. Here we develop and evaluate a semi-supervised learning method for EHR phenotype extraction using denoising autoencoders for phenotype stratification. By combining denoising autoencoders with random forests we find classification improvements across multiple simulation models and improved survival prediction in ALS clinical trial data. This is particularly evident in cases where only a small number of patients have high quality phenotypes, a common scenario in EHR-based research. Denoising autoencoders perform dimensionality reduction enabling visualization and clustering for the discovery of new subtypes of disease. This method represents a promising approach to clarify disease subtypes and improve genotype-phenotype association studies that leverage EHRs.