胎心监护联合彩色多普勒超声对胎儿窘迫预测价值研究

目的探讨胎心监护联合彩色多普勒超声对胎儿窘迫的预测价值。方法将唐山市妇幼保健院自2020年8月至2021年8月收治的70例临产时出现胎儿窘迫的妊娠晚期胎儿窘迫孕妇纳入观察组;另将同期于本院进行体检的70例妊娠晚期未发生胎儿窘迫的孕妇纳入正常组。两组均行胎心监护和彩色多普勒超声检查。根据彩色多普勒超声检查中S/D值是否>3将观察组孕妇分入S/D值>3组和S/D值≤3组。比较S/D值>3组和S/D值≤3组的妊娠结局;比较正常组和观察组大脑中动脉、脐动脉的血流动力学指标,静脉导管分流率,S/D值异常率,胎心率,胎心异常率;比较胎心监护联合彩色多普勒超声与单一胎心监护的诊断效能。结果S/D值>3组孕妇29例,S/D值≤3组孕妇41例。S/D值>3组和S/D值≤3组剖宫产率和低体质量儿发病率比较,差异均无统计学意义(P>0.05)。S/D值≤3组羊水粪染发生率低于S/D值>3组,差异有统计学意义(P<0.05)。观察组胎儿大脑中动脉的阻力指数和脐动脉的阻力指数、搏动指数、S/D值高于正常组,大脑中动脉的搏动指数、S/D值低于正常组,差异有统计学意义(P<0.05)。观察组胎儿静脉导管分流率低于正常组,差异有统计学意义(P<0.05)。观察组胎儿S/D值异常率、胎心异常率均高于正常组,差异有统计学意义(P<0.05)。观察组胎儿胎心率高于正常组,差异有统计学意义(P<0.05)。胎心监护联合彩色多普勒超声诊断胎儿窘迫的阳性率、灵敏度、特异度均高于单一胎心监护,差异有统计学意义(P<0.05)。结论胎心监护、彩色多普勒超声均可预测妊娠晚期胎儿窘迫,进而预测妊娠结局,且二者联合可提高预测准确率。     

“317护”宣教平台联合肠道准备评估单在结肠镜检查前的应用

目的评价“317护”宣教平台联合肠道准备评估单在肠镜检查前的应用效果。方法选取2020年10月-2021年1月我科行结肠镜检查的住院患者120例为研究对象。根据住院时间分为观察组和对照组,各60例。观察组实施“317护”宣教平台联合肠道准备评估单进行肠道准备,对照组使用肠道准备评估单进行肠道准备。比较两组肠道清洁度、肠道清洁剂服用方法正确率、肠道准备满意度。结果观察组肠道清洁度评分、肠道清洁剂服用方法正确率及肠道准备满意度高于对照组(P<0.05)。结论应用“317护”宣教平台联合肠道准备评估单在肠镜检查前进行健康宣教后,提高了患者肠道清洁度、肠道清洁剂服用方法正确率及肠道准备满意度。     

新生儿肺部超声在早产儿肺部感染评价中的价值

目的 探讨新生儿肺部超声在早产儿肺部感染评价中的价值。 方法 选取肺部感染早产儿80例为观察组，无肺部感染的早产儿80例为对照组，均给予新生儿肺部超声检查，比较2组肺部超声评分、氧合指数、呼吸指数，比较观察组不同病情、预后患儿肺部超声评分、氧合指数、呼吸指数,分析肺部超声评分和氧合指数、呼吸指数的相关性。 结果 观察组肺部超声评分、氧合指数低于对照组，呼吸指数高于对照组，差异有统计学意义（P＜0.05）。观察组极危重患儿肺部超声评分、氧合指数低于危重和非危重患儿，呼吸指数高于危重和非危重患儿，危重患儿肺部超声评分、氧合指数低于非危重患儿，呼吸指数高于非危重患儿，差异有统计学意义（P＜0.05）。肺部超声评分与呼吸指数呈负相关（r=-0.455，P＜0.05），与氧合指数呈正相关（r=0.470，P＜0.05）。观察组死亡患儿肺部超声评分、氧合指数低于存活患儿，呼吸指数高于存活患儿，差异有统计学意义（P＜0.05）。肺部超声评分预测患儿预后的ROC曲线下面积为0.874，高于呼吸指数和氧合指数（P＜0.05），其截断值为20分时，敏感度和特异度为88.50%和75.00%。 结论 新生儿肺部超声在早产儿肺部感染评价中有较好的效果，值得临床使用。     

获得性免疫缺陷综合征患者眼部耻阴虱合并蠕形螨感染

患者男性,30岁。因左眼瘙痒、异物感1个月余,就诊于首都医科大学附属北京佑安医院眼科。既往获得性免疫缺陷综合征病史,接受高效抗反转录病毒治疗。全身体检:阴部瘙痒且内裤内可见虫体尸体,请皮肤科医师会诊,虫体为耻阴虱。眼部检查:左眼上睑睫毛棕色半透明颗粒状椭圆形物质附着,睑缘充血,睑板腺口阻塞;其余眼部结构未见明显异常。显微镜下检查拔出的睫毛,可见大量毛囊蠕形螨和皮脂蠕形螨,未孵化的虫卵呈棕黑色颗粒状(精粹图片1)。临床诊断:获得性免疫缺陷综合征;阴虱病;左眼睫虱病;左眼螨虫性睑缘炎。     

基于超声影像组学的乳腺癌预测模型的诊断性能研究

目的评估并比较基于不同机器学习算法建立的乳腺癌超声影像组学预测模型的诊断性能。 方法回顾性收集2017年1月至2019年4月就诊皖南医学院第一附属医院、有明确病理结果的乳腺肿块病例828例，以2018年8月31日为节点将其分为训练集（526例）和验证集（302例），提取肿块的超声影像组学特征并进行特征筛选，运用k最近邻（kNN）、逻辑回归（LR）、朴素贝叶斯（NB）、随机森林（RF）和支持向量机（SVM）5种机器学习算法分别建立预测模型，使用重复交叉验证方法做内部验证，计算比较各模型的敏感度、特异度、阳性预测值（PPV）和阴性预测值（NPV），并实施外部验证，绘制ROC曲线并比较ROC曲线下面积（AUC）以评价模型的鉴别诊断性能，绘制校准曲线评价模型校准度。 结果从提取的109个影像组学特征中筛选出19个特征建立了5种机器学习算法模型。在内部验证中，5种模型的敏感度、特异度、PPV、NPV比较，总体差异均有统计学意义（P均＜0.001）。LR模型的特异度、PPV、NPV中位数分别为0.769、0.816、0.778，3项指标均高于其他4种模型；敏感度中位数为0.824，高于kNN、RF和SVM模型。此外，SVM模型的特异度、PPV、NPV中位数分别为0.706、0.774、0.759，虽均低于LR模型，但均高于其他3种模型。在外部验证中，LR、SVM、RF、kNN和NB的AUC依次为0.890、0.832、0.821、0.746和0.703，其中LR与SVM的AUC差异有统计学意义（P=0.012）；此外，各模型在校准性能上表现并不一致，LR和SVM模型的校准曲线显示乳腺癌实际概率与预测概率之间的一致性较好。 结论以超声影像组学特征为基础，运用不同机器学习算法建立的乳腺癌超声预测模型，均表现出较高的诊断性能，其中LR模型表现最为突出；选择合适的机器学习算法有助于进一步提高预测模型的诊断性能，提供更加准确的量化预测结果。