1401例超长住院日患者分布与影响因素分析

目的分析超长住院患者分布及影响因素,探讨减少超长住院日的措施。方法从江苏省某三甲医院病案管理系统中调取2020年1月1日-2020年12月31日134016例出院患者的住院病案首页资料,对住院时间≥30天的1401例超长住院患者的分布特征进行统计描述,采用Logistic回归模型分析超长住院日的影响因素。结果2020年全院平均住院日为7.13天,其中超长住院患者平均住院日为41.85天。超长住院患者以60岁以上年龄组最多(39.61%);出院科室主要分布在血液科(42.18%)、普通外科(11.85%)、骨科(7.49%)等;疾病类别主要为肿瘤(47.32%)、影响健康状态和与保健机构接触的因素(10.56%)、循环系统疾病(7.07%)等;多因素Logistic回归结果显示,男性(OR=1.188)、离院方式为非医嘱离院或其他(OR=2.046)和死亡病例(OR=3.362)是超长住院的危险因素。结论控制超长住院日对平均住院日影响显著,医院应加强重点人群、重点科室和重点病种管理提高诊疗管理水平,缩短平均住院日。     

红外光谱数据融合对栽培滇重楼产地鉴别*

目的 多样的环境因素使得不同产地栽培滇重楼的化学成分也丰富多样，不同居群栽培滇重楼的甾体皂苷类成分具有很大的差异，多源数据融合分析能更全面的表征药材化学信息，建立一个高效而准确的产地鉴别模型，为其资源合理开发利用提供依据。方法 以来自云南和四川的8个产地（保山、楚雄、大理、红河、丽江、成都、文山、玉溪）共366份栽培滇重楼根茎为实验材料，采集其傅里叶变换近红外光谱（FT-NIR）和衰减全反射-傅里叶变换中红外光谱（ATR-FTMIR）数据。采用Kennard-Stone算法将不同产地的样品分为2/3的训练集和1/3的预测集，基于4种特征变量提取方法（CARS、VIP、SPA、SO-Covsel）结合2种数据融合策略（低级数据融合和中级数据融合），建立偏最小二乘产地判别分析模型。根据模型参数交叉验证均方根误差（RMSECV）和预测均方根误差（RMSEP）评估模型的稳定性，模型训练集和预测集准确率（ACC）评估模型分类性能。结果 近红外光谱和中红外光谱均能反应不同产地栽培滇重楼的化学成分差异，在中级数据融合中，基于VIP和SPA提取的特征变量建立的模型正确率均大于94%。相较于中级数据融合，低级数据融合模型得到了最为满意的结果，其预测集分类正确率达到100%。结论 根据近红外和中红外数据建立的低级数据融合PLS-DA模型，能够用于栽培滇重楼的产地鉴别分析。     

我国家庭医生签约服务政策执行的制约因素与优化路径：基于史密斯政策执行过程模型

深化家庭医生签约服务是深化医药卫生体制改革、强化基层医疗卫生服务、实现"健康中国"战略目标的重要选择，也是当前更好维护人民群众健康的重要途径。为有效推进签约服务工作，国家陆续推出各项政策，全国各地也在积极进行实践探索，成效明显。但是，签约服务仍面临诸多问题，其中"执行难"是签约服务深度推进的一大困境。通过史密斯政策执行过程模型，结合签约服务政策执行过程，发现签约服务仍存在法治性不足、政策执行人员水平不高、激励不足、政策环境影响等诸多制约因素。因此，需要从法律和制度方面进行顶层设计、提升执行人员素质和职业认同、建立医患互信、优化政策执行环境等角度进行政策创新，探索家庭医生签约服务可持续发展的路径。     

我国老年人认知水平变化轨迹及其分化

目的 探究影响我国老年人认知水平的变化趋势，分离出年龄、队列效应。方法 基于CLHLS（2002—2018）多重队列追踪数据，以Stata16.0软件为工具，运用分层生长曲线模型进行统计分析。结果 本研究发现，个体行为生活方式、社会经济地位、性别、慢性病数量对认知水平均具有统计学意义；年龄、队列对认知水平的变化具有独立效应；随着年龄的增长，我国老年人认知水平下降，认知水平的城乡、性别差异明显；较年轻出生队列的老年人认知水平较好，认知水平的城乡差异随着队列的年轻化而变大，性别差异在较年轻队列有略微缩小的趋势。结论 影响认知水平因素复杂，认知障碍会增加医疗成本及照护负担，因此需准确把握老年认知水平的变化规律与作用路径，从而为卫生服务、养老保障、长期医疗照护的资源配置提供科学依据。     

类器官的研究现状及其作为临床前模型的应用

体外培养的类器官主要由成体干细胞和多能干细胞分化而来。现已培养出肠道、泌尿生殖系统、脑、肝脏等多种类型的类器官。作为一种新兴的模拟人体器官发育及疾病发生发展过程的研究模型，已在疾病建模、筛选抗癌药物、药物开发、基因及细胞疗法中得到广泛的应用。该文主要针对培养体系成熟类器官的研究现状及类器官作为疾病的临床前模型的应用作一综述。     

下一代诊断病理学

随着人类基因组测序、生物大数据信息分析、分子病理检测和人工智能辅助病理诊断等技术进步及其应用, 临床医学发展迈向精准诊疗时代。这一时代背景下, 传统诊断病理学迎来前所未有的历史机遇, 正在向"下一代诊断病理学(next-generation diagnostic pathology)"迈进。下一代诊断病理学以病理形态和临床信息为诊断基础, 以分子检测与生物信息分析、智慧制样与流程质控、智能诊断与远程会诊、病灶活体可视化与"无创"病理诊断等创新前沿交叉技术为主要特征, 以多组学和跨尺度整合诊断为病理报告内容, 实现对疾病的"最后诊断", 并预测疾病演进和结局、建议治疗方案和评估治疗反应, 形成新的疾病诊断"金标准"。未来, 需要激发病理学科创新活力, 加快下一代诊断病理学成熟和应用, 重塑病理学科理论和技术体系, 发挥诊断病理学在疾病"防、诊、治、养"等过程中的重要作用, 促进临床医学进一步发展, 服务健康中国战略。