nobiliside A隐形纳米脂质体对小鼠RM-1前列腺癌的抑制作用

目的比较nobiliside A隐形纳米脂质体(NASNL)和nobiliside A普通脂质体(NACL)对小鼠RM-1前列腺癌的抑制作用。方法 RM-1前列腺癌荷瘤小鼠随机分为6组(均n=10):阴性对照组(生理盐水)、阳性对照组(环磷酰胺20 mg·kg~(-1)·d~(-1))、NACL低、高剂量组(1 mg·kg~(-1)·d~(-1)、2 mg·kg~(-1)·d~(-1))和NASNL低、高剂量组(1 mg·kg~(-1)·d~(-1)、2 mg·kg~(-1)·d~(-1)),均尾静脉注射给予相应药物,连续7 d。通过比较各组小鼠的肿瘤生长曲线、抑瘤率、肿瘤组织的病理变化等考察2种脂质体的抑瘤效果。结果 NASNL两剂量组的肿瘤生长速度均低于相应剂量的NACL组(P<0.05)。NASNL两剂量组的抑瘤率均高于相应的NACL组,其中NASNL高剂量组的抑瘤率是NACL高剂量组的2倍。NASNL各组肿瘤细胞坏死程度高于NACL各组。结论 NASNL的肿瘤抑制作用明显优于NACL。     

PEG化隐形纳米脂质体的研究进展

PEG化隐形纳米脂质体作为一种新型药物载体,由于其特殊的体内作用特点,和普通脂质体相比具有长效、靶向、高效、低毒等优点,已在靶向制剂、控释制剂等领域中得到广泛应用。本文重点围绕PEG化隐形纳米脂质体的药动学、组织分布、提高肿瘤靶向性、降低药物毒性等方面对其近年来在药物转运系统中的研究与应用做一综述。     

均相酶免疫法与液质联用法测定人血清中卡马西平浓度的比较

目的：比较均相酶免疫法（HEIA）与液质联用法（LC-MS）检测人血清中卡马西平浓度结果。方法：入组110份临床样本,分别用2种方法测定,检验2组检测数据的正态性和显著性差异,采用Spearman法进行相关性分析,绘制Bland-Altman偏差图考察检测方法的差异性,Passing-Bablok回归法考察2种方法等效性。结果：HEIA法和LC-MS法的测定平均值分别为（8.23±5.59）μg·mL^-1和（6.19±4.35）μg·mL^-1。2组数据不呈正态分布,差异有统计学意义（P<0.05）,呈高度相关（r=0.982 0）。2种方法测定值的差值的平均值为（29.5±21.3）%,且不同浓度水平差异相当,一致性较好。Passing-Bablok回归方程为：Y_HEIA=0.012 9+1.318 7X_LC-MS,2种方法不具有等效性。结论：HEIA法比LC-MS法的检测值高,采用2种方法开展卡马西平治疗药物监测工作时,应考虑不同方法的测定差异值,根据临床实际疗效和安全性调整参考范围。     

基于机器学习预测患者地高辛血药浓度超出治疗窗上限的风险

目的:建立人血清中地高辛血药浓度超出治疗窗上限的风险预测模型，为地高辛的安全使用提供参考。方法:回顾收集2019年1月至2021年12月期间天津医科大学总医院地高辛血药浓度监测数据。371名患者数据按7∶3随机分为训练集和测试集，训练集用于构建预测模型，测试集用于评价模型效果。采用极端梯度提升(XGBoost)特征重要性分析法选择最佳特征，Shapley加法解释(SHAP)算法分析特征与结果变量的相关性和趋势。使用逻辑回归(LR)、朴素贝叶斯(NB)、随机森林(RF)、XGBoost、梯度提升树(GBDT)5种机器学习算法用于模型构建。结果:默认参数下LR、NB、RF、XGBoost和GBDT模型的AUC分别为0.519 9,0.627 8,0.695 1,0.562 5和0.655 8。优化后的RF模型AUC为0.711 2。结论:机器学习模型预测人血清中地高辛血药浓度超出治疗窗上限风险的表现良好，并创新地利用SHAP算法对其进行解释。RF模型预测性能最佳，为识别地高辛中毒高风险患者提供参考。