全文获取类型
收费全文 | 1328篇 |
免费 | 123篇 |
国内免费 | 35篇 |
专业分类
耳鼻咽喉 | 29篇 |
儿科学 | 7篇 |
妇产科学 | 5篇 |
基础医学 | 41篇 |
口腔科学 | 21篇 |
临床医学 | 159篇 |
内科学 | 71篇 |
皮肤病学 | 2篇 |
神经病学 | 20篇 |
特种医学 | 160篇 |
外科学 | 173篇 |
综合类 | 357篇 |
预防医学 | 71篇 |
眼科学 | 17篇 |
药学 | 121篇 |
3篇 | |
中国医学 | 12篇 |
肿瘤学 | 217篇 |
出版年
2024年 | 17篇 |
2023年 | 62篇 |
2022年 | 71篇 |
2021年 | 65篇 |
2020年 | 75篇 |
2019年 | 52篇 |
2018年 | 32篇 |
2017年 | 26篇 |
2016年 | 30篇 |
2015年 | 21篇 |
2014年 | 43篇 |
2013年 | 47篇 |
2012年 | 65篇 |
2011年 | 61篇 |
2010年 | 55篇 |
2009年 | 71篇 |
2008年 | 76篇 |
2007年 | 73篇 |
2006年 | 75篇 |
2005年 | 105篇 |
2004年 | 86篇 |
2003年 | 49篇 |
2002年 | 63篇 |
2001年 | 31篇 |
2000年 | 47篇 |
1999年 | 28篇 |
1998年 | 15篇 |
1997年 | 4篇 |
1996年 | 5篇 |
1995年 | 12篇 |
1994年 | 3篇 |
1993年 | 5篇 |
1992年 | 3篇 |
1991年 | 3篇 |
1990年 | 2篇 |
1989年 | 2篇 |
1987年 | 2篇 |
1986年 | 2篇 |
1985年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有1486条查询结果,搜索用时 19 毫秒
1.
背景 既往对肝癌微血管侵犯病理诊断的重要性重视不够,目前国内外缺乏对微血管侵犯统一的病理诊断标准,也未将微血管侵犯列为病理常规诊断指标。C反应蛋白/白蛋白比值(CAR)作为新型系统性炎性因子,与肝癌的增殖、侵袭转移等恶性生物学行为密切相关。 目的 探讨CAR预测单发小肝癌患者微血管侵犯的价值。 方法 选择2017年6月至2021年6月在新疆医科大学第一附属医院行肝切除术的单个、肿瘤直径≤5 cm的术后病理检查证实为肝癌的患者346例为研究对象。收集患者一般资料,并计算CAR。绘制CAR预测单发小肝癌患者微血管侵犯的受试者工作特征(ROC)曲线,并计算CAR的最佳诊断截点,根据CAR最佳诊断截点将患者进行分组,采用1∶1最近邻居倾向性评分匹配(PSM)法将Logistic模型估计的倾向性评分相近患者进行配对,得到两组间各临床特征比较均衡性较高的样本。比较匹配后两组患者微血管侵犯率,采用Logistic回归分析评估匹配前、后CAR对单发小肝癌患者微血管侵犯的预测价值。 结果 346例患者中微血管侵犯阳性131例(37.9%),微血管侵犯阴性215例(62.1%)。ROC曲线分析结果显示,CAR预测单发小肝癌患者微血管侵犯的灵敏度为82.9%,特异度为76.4%,ROC曲线下面积为0.787〔95%CI(0.697,0.877)〕,最佳诊断截点为0.03。根据CAR最佳诊断截点,将患者分为CAR<0.03组(A组,n=145)和CAR≥0.03组(B组,n=201)。采用1∶1最近邻居PSM法,共92对匹配成功,匹配后两组临床资料均衡。匹配后,B组患者微血管侵犯发生率〔43.5%(40/92)〕高于A组〔13.0%(12/92)〕(χ2=6.314,P=0.013)。采用3种Logistic回归分析结果显示,匹配前、后CAR均为单发小肝癌患者微血管侵犯的独立影响因素(P<0.05)。 结论 CAR作为新型系统性炎症指标,可用于预测单发小肝癌微血管侵犯,当CAR≥0.03时提示单发小肝癌微血管侵犯发生率较高。 相似文献
2.
【摘要】目的:从强化程度、对比剂伪影、图像质量和辐射剂量四个方面进行比较,探讨胸腹盆联合增强CT扫描应用于肺癌患者的最佳方案。方法:将入组的104例患者随机按两种增强方案进行胸腹盆联合增强CT扫描,共进行127次检查(若同一患者做2次检查,则采用交叉入组方式)。增强方案A:对比剂注射后32s行动脉期扫描,扫描范围从膈顶至耻骨联合;对比剂注射后60s行静脉期扫描,范围从肺尖至耻骨联合。方案B:对比剂注射后32s行动脉期扫描,范围从膈顶至耻骨联合,紧接着完成胸部扫描;注射对比剂后60s行静脉期扫描,范围从膈顶至耻骨联合。方案A、B的延迟期扫描均开始于对比剂注射后120s,扫描范围均从膈顶至耻骨联合水平。采用t检验比较两方案的图像客观评价(主动脉、肺动脉、腹主动脉CT值和辐射剂量),采用卡方检验比较两方案的图像主观评价(对比剂伪影,纵隔淋巴结及腹盆腔各脏器的强化程度和噪声), 两位医师的主观评判结果一致性采用kappa分析。结果:方案B的胸部血管强化较方案A更高(P均<0.001),腹主动脉CT值无统计学差异。相对于方案B,方案A形成的对比剂硬化伪影较轻、对淋巴结、肿瘤和胸膜病变显示效果更好(P均<0.001)。两方案间的腹盆腔脏器的强化程度和噪声评级均无统计学差异(P均>0.05)。方案B的辐射剂量较方案A更大(P<0.001)。结论:对于胸腹盆腔联合增强CT扫描,对比剂注射后60s的胸部扫描方案较32s后动脉期扫描可更好的显示淋巴结及胸膜病变,同时减少对比剂的硬化伪影,并在保证图像质量的前提下,适当降低辐射剂量。 相似文献
3.
4.
目的:研究非霍奇金淋巴瘤(non-Hodgkin' s lymphoma,NHL)骨髓侵犯患者骨髓病灶中间隙连接蛋白(connexin,Cx)43表达情况。 方法:选取我院确诊的非霍奇金淋巴瘤骨髓侵犯患者26例,骨髓组织中查见呈灶性分布且已通过免疫组化证实为反应性淋巴细胞增生的患者9例,正常骨髓组织10例行免疫组化染色,根据阳性率及阳性程度评分后进行统计学分析。 结果:Cx43在NHL样本中的阳性率(30.8%)低于在反应性淋巴细胞增生样本(88.9%)及正常样本(100%)中的阳性率,差异有统计学意义(P<0.05)。而反应性淋巴细胞增生样本和正常样本间Cx43阳性率无统计学意义(P>0.05),但反应性淋巴细胞增生样本的阳性积分明显低于正常样本(P<0.05)。结论:非霍奇金淋巴瘤骨髓侵犯时病灶处Cx43表达情况显著低于反应性淋巴细胞增生及正常骨髓组织。 相似文献
5.
7.
8.
9.
目的探讨机器学习算法在肝细胞癌微血管侵犯(MVI)术前预测中的应用价值。方法采用回顾性描述性研究方法。收集2015年5月至2018年12月福建医科大学孟超肝胆医院收治的277例肝细胞癌患者的临床病理资料;男235例,女42例;年龄为(56±10)岁,年龄范围为33~80岁。患者术前均行磁共振成像检查。227例肝细胞癌患者通过计算机产生随机数方法以7∶3比例分为训练集193例和验证集84例。应用逻辑回归列线图,支持向量机(SVM)、随机森林(RF)、人工神经网络(ANN)和轻量级梯度提升机(LightGBM)机器学习算法构建MVI术前预测模型。观察指标:(1)训练集及验证集患者临床病理资料分析。(2)影响训练集患者肿瘤MVI危险因素分析。(3)机器学习算法预测模型构建及其术前预测肿瘤MVI准确性比较。正态分布的计量资料以±s表示,组间比较采用配对t检验。计数资料以绝对数表示,组间比较采用χ2检验。单因素和多因素分析采用Logistic回归模型。结果(1)训练集及验证集患者临床病理资料分析:训练集和验证集患者性别(男,女)分别为157、36例和78、6例,两组比较,差异有统计学意义(χ2=6.028,P<0.05)。(2)影响训练集患者肿瘤MVI危险因素分析:训练集193例患者中,MVI阳性108例,MVI阴性85例。单因素分析结果显示:年龄、肿瘤数目、肿瘤直径、卫星病灶、肿瘤边界、甲胎蛋白(AFP)、碱性磷酸酶(ALP)和纤维蛋白原水平是影响肿瘤MVI的相关因素(比值比=0.971,2.449,1.368,4.050,2.956,4.083,2.532,1.996,95%可信区间为0.943~1.000,1.169~5.130,1.180~1.585,1.316~12.465,1.310~6.670,2.214~7.532,1.016~6.311,1.323~3.012,P<0.05)。多因素分析结果显示:AFP>20μg/L、肿瘤多发、肿瘤直径越大、肿瘤边界不光滑是影响肿瘤MVI的独立危险因素(比值比=3.680,3.100,1.438,3.628,95%可信区间为1.842~7.351,1.334~7.203,1.201~1.721,1.438~9.150,P<0.05),而年龄越大,MVI发生风险越低(比值比=0.958,95%可信区间为0.923~0.994,P<0.05)。(3)机器学习算法预测模型构建及其术前预测肿瘤MVI准确性比较:①应用多因素分析结果筛选指标,包括年龄、AFP、肿瘤数目、肿瘤直径、肿瘤边界,构建逻辑回归列线图,SVM、RF、ANN及LightGBM机器学习算法预测模型,一致性分析结果显示逻辑回归列线图预测模型稳定性较好。逻辑回归列线图、SVM、RF、ANN、LightGBM机器学习算法预测模型训练集和验证集曲线下面积(AUC)分别为0.812、0.794、0.807、0.814、0.810和0.784、0.793、0.783、0.803、0.815,SVM、RF、ANN、LightGBM机器学习算法AUC分别与逻辑回归列线图AUC比较,差异均无统计学意义[(95%可信区间为0.731~0.849,0.744~0.860,0.752~0.867,0.747~0.862,Z=0.995,0.245,0.130,0.102,P>0.05)和(95%可信区间为0.690~0.873,0.679~0.865,0.702~0.882,0.715~0.891,Z=0.325,0.026,0.744,0.803,P>0.05)]。②应用RF、LightGBM机器学习算法自行筛选临床病理因素指标构建预测模型。根据指标对预测模型重要度排序,选择重要度>0.01的指标,包括年龄、肿瘤直径、AFP、白细胞(WBC)、血小板、总胆红素、天冬氨酸氨基转移酶、γ-谷氨酰转移酶、ALP和纤维蛋白原,构建RF机器学习算法预测模型;挑选重要度>5.0的指标,包括年龄、肿瘤直径、AFP、WBC、ALP和纤维蛋白原,构建LightGBM机器学习算法预测模型;由于ANN及SVM机器学习算法不具备筛选指标能力,应用单因素分析结果筛选指标,包括年龄、肿瘤数目、肿瘤直径、卫星病灶、肿瘤边界、AFP、ALP和纤维蛋白原水平,构建SVM、ANN机器学习算法预测模型。SVM、RF、ANN、LightGBM机器学习算法预测模型训练集和验证集AUC分别为0.803、0.838、0.793、0.847和0.810、0.802、0.802、0.836,分别与逻辑回归列线图AUC比较,差异均无统计学意义[(95%可信区间为0.740~0.857,0.779~0.887,0.729~0.848,0.789~0.895,Z=0.421,0.119,0.689,1.517,P>0.05)和(95%可信区间为0.710~0.888,0.700~0.881,0.701~0.881,0.740~0.908,Z=0.856,0.458,0.532,1.306,P>0.05)]。结论机器学习算法可用于术前预测肝细胞癌MVI,但其应用价值尚需多中心大样本数据进一步验证。 相似文献
10.
目的分析腹膜黏液性肿瘤的临床病理特征及其与预后的关系。方法按照2010年WHO消化系统肿瘤分类标准对首都医科大学附属北京世纪坛医院病理科2012至2017年52例曾诊断为"腹膜黏液性肿瘤"的病例重新分级。观察其原发部位、神经侵犯、钙盐沉积、印戒细胞等病理特征,分析其与预后的关系。对所有病例进行CK7、CK20和CDX2的免疫组织化学染色,对来源不明的病例加染雌激素受体、孕激素受体和p16。结果52例腹膜黏液性肿瘤中,男性29例,女性23例;平均年龄52.0岁。阑尾原发者32例,其他部位20例。低级别组织学形态23例(其中无细胞型1例),高级别组织学形态29例。伴印戒细胞者15例,伴神经侵犯者12例,伴钙盐沉积者9例。伴神经侵犯者预后明显较差(P=0.025),有印戒细胞者更易伴神经侵犯(P〈0.01)。性别、年龄、原发部位、肿瘤级别等与预后无明显相关性。
结论腹膜黏液性肿瘤的原发部位中神经侵犯现象不罕见,且意味着预后不良。 相似文献