新冠肺炎疫情期社区居民的未来时间洞察力、睡眠质量和生活满意度的关系

目的 通过构建中介模型,考察新冠肺炎疫情期间社区居民的未来时间洞察力对生活满意度和睡眠质量的影响及其作用机制。方法 通过网络在线调查测量社区居民的生活满意度、睡眠质量、未来时间洞察力以及应对方式,共收回有效数据701份。结果 在控制了性别、年龄后,未来时间洞察力对疫情下被试的生活满意度(β=0.183,P0.05)和睡眠质量(β=0.089,P0.05)具有正向预测作用;此外,应对方式在未来时间洞察力和生活满意度(中介效应值为0.066,95%CI:0.034～0.109),以及未来时间洞察力和睡眠质量(中介效应值为0.065,95%CI:0.033～0.104)之间起中介作用。结论 高未来时间洞察力的个体在疫情下更能保持较高的心理健康水平,且他们主要通过积极的应对方式来应对挫折以保持较高的生活满意度和睡眠质量。此外,应当重视疫情下社区居民的心理健康状况,引导居民保持对未来的积极态度,在疫情困难时期采取积极的应对方式,从而保持良好的睡眠质量和心理健康。     

心脏瓣膜置换术后出血原因分析

1 临床资料 我院心胸外科于1990年1月至1994年12月,在体外循环下进行心脏瓣膜置换术236例:二尖瓣177例、主动脉瓣28例、二尖瓣及主动脉瓣31例。其中同时作三尖瓣环缩术13例。心功能Ⅱ级者102例、Ⅲ级68例、Ⅳ级6例。术后引流每小时多于150ml超过3小时为出血过多,共19例占8％。19例中心功能Ⅳ级者15例,心脏增大心胸比例超过0.7者12例。     

基于PU-learning的磷酸激酶预测算法

目的蛋白质磷酸化是通过激酶催化特定位点把磷酸基转移到底物蛋白质氨基酸残基的过程,是研究蛋白质活力及功能的重要机制。目前已鉴定的数千个磷酸化位点大多缺失激酶信息,为此本研究提出基于PU-learning的磷酸激酶预测算法,通过迭代标记磷酸位点,可以准确预测催化磷酸肽的磷酸激酶。方法首先该算法以PU-learning为框架,利用最大熵方差对不同种类的磷酸激酶自动筛选最佳阈值,从而提取每条磷酸肽上潜在的磷酸化位点,然后根据统计分析确定磷酸化位点对应的激酶,最后通过五折交叉验证该算法在Phospho.ELM数据库上的预测性能,并与现有算法对比。结果该算法的交叉验证特异性和灵敏度比现有最好算法在单个数据集上最高提高4%及10%,其预测Phospho.ELM中数据准确度达到79.52%。结论基于PU-learning的磷酸激酶预测算法显著优于现有算法,且可以准确预测Phospho.ELM数据库中未知激酶信息的磷酸肽,在磷酸化实验中具有较强的指导意义。