志贺菌中成簇规律间隔短回文重复序列的分子分布特征

目的 探索志贺菌中成簇规律间隔短回文重复序列(CRISPR)的分布。方法 共选择志贺菌分离株52株, 其中河南41株, 江西6株, 北京5株。利用PCR扩增志贺菌的4个CRISPR位点(S1、S2、S3、S4), 产物送测序, 分析CRISPR的重复序列和间隔序列。结果 志贺菌的4个CRISPR位点阳性率分别为33. 69%(S1)、50.00%(S2)、82.69%(S3)和73.08%(S4);S1和S3包括2种亚型, S2有3种亚型, S4包括4种亚型。2004年前分离的河南分离株中检出S1位点, 2004年后分离的菌株中均未检出该位点;S2、S3和S4在两组的分布没有差异。结论 志贺菌各CRISPR位点含有不同亚型, 河南分离株S1的分布与细菌分离时间有关, 而S2、S3 及S4和分离时间无关。     

北京市2010年细菌性痢疾病原学分析

目的掌握北京市2010年细菌性痢疾的血清学分布以及脉冲场凝胶电泳技术(PFGE)分子分型特征,为流行病学研究提供合理依据。方法从形态特征、生化反应、血清分型、PFGE分子分型方面对北京市6个区的肠道多病原监测点分离到的195株志贺菌进行了系统鉴定和病原学分析。结果 195株志贺菌包括福氏志贺菌33株(16.92%)、宋内志贺菌162株(83.08%);福氏志贺菌血清型以F2a为主。7、8、9三个月志贺菌的发病率最高。选择其中55株宋内志贺菌进行脉冲场凝胶电泳分析,结果显示55株菌可以分为27个带型,其中以J16X01.BJ0016带型(11株)和J16X01.BJ0011(7株)为主。结论北京市2010年6个监测区县分离到的志贺菌包括福氏和宋内2种血清群,以宋内志贺菌为优势血清群,福氏志贺菌以F2a血清型为主。8月份为志贺菌高发季节。J16X01.BJ0016为宋内志贺菌PFGE优势型别。     

艾滋病感染肠炎沙门菌所致原发性败血症1例报告

艾滋病病人易发生沙门菌、志贺菌及空肠弯曲菌感染,其中人畜共患的鼠伤寒沙门菌尤其多见[1].宁波市传染病院在收治该病种病人时发现感染肠炎沙门菌(S.enteritidis)所致原发性败血症1例,报告如下.     

志贺菌敏感株与基因转移耐多药株蛋白组学分析

目的 对志贺菌敏感株与基因转移耐多药株全菌蛋白进行蛋白质组比较,寻找细菌耐多药相关蛋白.方法 采用接合基因转移实验对临床分离鉴定志贺菌敏感株进行基因转移耐多药试验;并对志贺菌敏感株及基因转移耐多药株全菌蛋白进行双向电泳;电泳图谱采用Image Master 2D Platinum软件分析,并对差异表达蛋白进行基质辅助激光解吸飞行时间质谱(MOLDITOF-TOF)分析.结果 成功获得志贺菌基因转移耐多药株,在志贺菌敏感株与耐多药株全菌蛋白质图谱中分析别检出(946±37)和(1 013±157)个蛋白质斑点;经分析共发现43个差异表达的蛋白点,初步对其中7个差异表达蛋白进行质谱鉴定,基因转移耐多药株中发现2个新出现的耐多药相关蛋白分别为成簇插入的DNA重复序列(CRISPR)相关蛋白及Hsp60的分子伴侣蛋白(Groel-Groes-Adp7);ATP结合盒(ABC)转运蛋白、胱氨酸合成酶、预测的胞浆脂蛋白表达量上调;翻译延长因子Tu及DNA单链结合蛋白表达量下降.结论 对7个耐多药相关蛋白鉴定分析表明,供体菌中一些耐多药相关基因通过基因转移方式插入志贺菌敏感株中并大量表达,同时一些在细胞代谢中起重要作用的酶类表达量上调,ABC转运蛋白在志贺菌基因转移耐多药机制中也起重要作用.     

福氏志贺菌血清型单重PCR鉴定方法的建立及应用

目的 建立基于O抗修饰基因的福氏志贺菌血清型PCR鉴定方法.方法 根据福氏志贺菌O抗原合成及修饰特异基因设计引物,以常见的14种福氏志贺菌血清型(包括1a、1b、1c、2a、2b、3a、3b、4a、4b、5a、Y、X、Xv和F6)为标准菌株,建立福氏志贺菌血清型单重PCR鉴定方法;并以痢疾志贺菌、宋内志贺菌、鲍氏志贺菌和腹泻相关的其他菌属菌株验证特异性;应用该方法对106株福氏志贺菌临床分离株进行PCR血清分型.结果 建立一种福氏志贺菌血清型单重PCR鉴定方法,通过8个PCR反应,能够鉴定目前已知的15种血清型中的14种(Xv除外).检测灵敏度在10 pg至1 ng DNA(20μl反应体系).对106株福氏志贺菌临床分离株的检测结果提示,PCR分型方法与玻片凝集法具有很高的一致性.结论 本研究建立的福氏志贺菌血清型单重PCR鉴定方法具有特异性、灵敏性,可用于临床检测.     

沙门菌、志贺菌和金葡菌复合增菌培养基研制

目的 研制用于沙门菌、志贺菌和金黄色葡萄球菌同时增菌的培养基.方法 根据微生物营养素需求,筛选可添加成分进行单因素比较试验,确定出培养基合适的组分,采用平板菌落计数法和多重PCR法验证培养基增菌效果.结果 成功研制出能够用于沙门菌、志贺菌和金黄色葡萄球菌复合增菌的培养基(3S),当接种量约为1 CFU/mL,37 ℃培养12 h后,3种目标菌以相对一致的速度增殖,可达到107～108CFU/mL;应用多重PCR可同时扩增出目的 条带.结论 3S可用于沙门菌、志贺菌和金黄色葡萄球菌复合增殖培养,配制方便、增菌快速、节约成本和时间,具有良好的市场前景.     

2006～2007年通州区志贺菌检测与耐药性分析

目的:了解通州区志贺菌菌型及对抗生素的耐药性,为细菌性痢疾的防治提供科学依据。方法:从60份腹泻病人粪便中检出志贺菌20株,采用国家标准检测方法进行生化鉴定、血清学分型和药物敏感试验。结果:阳性率33.33%,分别属于福氏志贺菌(B群)、宋氏志贺菌(D群)两个群6个血清型,其中以B群为主,14株占70.00%,D群次之,6株占30.00%。志贺菌对抗生素萘啶酸(NAL)、四环素(TET)、利福平(RFA)、复方新诺明(SMZ)、氨苄西林(AMP)高度耐药,耐药率均达90.00%以上,对氧氟沙星(OFX)高度敏感,敏感率达100.00%。结论:通州区志贺菌感染的优势菌型为福氏F4 c型为主,占35.00%,其次为宋内1相,占30.00%。应该合理使用抗生素,减少耐药现象。     

天津地区志贺菌志贺肠毒素基因分布与脉冲场凝胶电泳分型研究

目的 了解天津地区志贺菌流行株的志贺肠毒素基因分布和PFGE分子分型情况.方法 采用PCR方法检测天津地区2005-2007年分离的62株志贺菌编码志贺肠毒素的基因(set1A、set1B、sen),并用脉冲场凝胶电泳(PFGE)对菌株进行分子分型和聚类分析.结果 62株志贺菌中福氏志贺菌占58.06%,其中福氏2b...     

志贺菌属分离株中发现氯霉素外排泵基因cmlA1

目的 明确志贺菌属(SHI)对氯霉素的耐药基因.方法 采用纸片扩散法进行药敏试验;采用聚合酶链反应(PCR)检测志贺菌属对氯霉素耐药基因(catB、cmlA);并应用DNA测序确定基因型.结果 20株志贺菌属对氯霉素耐药率为70.0%;检出氯霉素cmlA基因阳性2株(阳性率10.0%),未检出catB基因;cmlA基因阳性产物测序确定为cmlA1.结论 本组志贺菌属中检出氯霉素外排泵基因cmlA1,这是志贺菌属在国内的首次报道.     

冶炼厂工人p15基因表达与砷及其代谢产物的关系

目的　探究小儿急性细菌性痢疾的病原菌分布特征并对其耐药情况进行分析，为小儿急性细菌性痢疾的治疗提供参考依据。方法　选取2016年1月—2019年7月亳州市人民医院确诊为小儿急性细菌性痢疾的80例患儿作为研究对象，对其临床资料如体温、腹泻次数、粪便状态等及实验检查如粪便病原菌培养和药物敏感试验结果进行统计分析。结果　小儿急性细菌性痢疾病原菌以福氏志贺菌（S. flexneri）检出率最高、宋内氏志贺菌（S. sonnei）其次、鲍氏志贺菌（S. boydii）最低；3群志贺菌同时耐药的抗生素有11种，耐药率较高的抗生素有氨苄西林、氨苄西林舒巴坦、环丙沙星、庆大霉素；敏感率较高的有厄他培南、亚胺培南、哌拉西林他唑巴坦、头孢他啶；3群志贺菌对哌拉西林他唑巴坦敏感率均为100%；各群志贺菌耐药情况在各年度大致相同，氨苄西林舒巴坦、庆大霉素与妥布霉素耐药例数逐年递增，S. sonnei和S. boydii耐药抗生素相对S. flexneri较少。结论　小儿急性细菌性痢疾病原菌耐药情况不容乐观，要加强对小儿急性细菌性痢疾的病原菌培养及耐药监测，合理使用抗生素，控制病原菌耐药演变与流行。     

应用人工神经网络预测个体患原发性高血压病危险度

目的 建立个体患原发性高血压病的预测模型,评价并探讨预测个体患病的新方法.方法 选择3054名社区居民流行病学调查资料,按照年龄、性别均衡性,按4:1分为训练集(2438名)与检验集(616名)两部分,分别用于筛选变量、建立预测模型及对模型的检测和评价.应用人工神经网络(ANN)和logistic回归分析方法建立模型,用ROC方法评价所建立的高血压患病预测模型的优劣.结果 对616名检验集预测,ANN模型的特异性较低,但准确性、灵敏度指标均优于logistic回归模型,ANN2的约登指数为0.8399,明显高于其他两个模型;通过ROC曲线下面积比较模型的预测能力:logistic回归方法曲线下面积(Az=0.732±0.026)小于ANN模型(ANN2和ANN1分别为0.918±0.013、0.900±0.014),即ANN模型有更好的预测判别效能.结论 初步证明在预测个体患高血压病方面,ANN方法预测效能更优,从而为解决个体发病危险预测提供了一个新方法.     

应用人工神经网络预测个体血脂异常患病危险度

目的建立个体血脂异常患病危险度的预测模型,探讨并评价预测个体血脂异常的新方法。方法选择8914例社区居民流行病学调查资料,按3∶1分为训练集(6686例)与检验集(2228例),分别用于筛选变量、建立预测模型及对模型的检测和评价。应用人工神经网络(ANN)和logistic回归分别建立血脂异常预测模型,受试者工作曲线(ROC)评价预测模型的优劣。结果 ANN预测模型的特异度(64.79%)较低,但灵敏度(94.86%)、约登指数(59.65%)、一致率(81.23%)均优于logistic回归预测模型(特异度=77.49%、灵敏度=53.51%、约登指数=31.00%、一致率=81.23%);ANN预测模型ROC曲线下面积(Az=0.824±0.009)明显大于logistic回归预测模型(Az=0.655±0.012)(P<0.05)。结论在预测个体血脂异常方面,ANN模型较logistic回归模型具有更好的预测判别效能。     

神经网络模型和logistic回归在预测慢性阻塞性肺疾病中的应用研究

目的 应用神经网络和logistic回归分析方法建立慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)数学预测模型.方法 通过横断面调查收集2015年湖北省2 400人的COPD流行病学资料,按7∶3的比例随机分为训练组与验证组,应用神经网络和logistic回归分...     

高龄老年H型高血压患者靶器官损害的研究分析

H型高血压定义为伴有血浆同型半胱氨酸(Hcy)水平升高的原发性高血压.目前鲜有高龄老年人群H型高血压对靶器官损害的文献报道,为此本研究探讨高龄老年H型高血压与靶器官损害的关系. 1.对象与方法: (1)研究对象:选择2010年9月至2012年8月在滨州医学院附属医院老年医学科住院高血压患者1024例,其中年龄＞60岁者934例.     

新生儿败血症休克预测模型的构建——1 695例患儿回顾性研究

目的 筛选新生儿发生败血症休克的危险因素,建立新生儿败血症休克临床预测模型。方法 选取2016年1月1日—2019年12月31日重庆医科大学7家附属医疗机构中患有败血症的新生儿,根据是否发生败血症休克分为研究组和对照组。采用单因素分析、LASSO和logistic回归分析筛选危险因素。采用logistic、极端梯度提升（XGBoost）、随机森林（RF）、分类回归树（CART）和人工神经网络（ANN）建立新生儿败血症休克预测模型,根据灵敏度、特异度、曲线下面积等指标评估模型性能。结果 本研究中,共有339名败血症新生儿发生败血症休克,1 356名败血症新生儿未发生败血症休克。单因素分析筛选出31项差异指标,多因素分析筛选出12项独立危险因素。测试集中,logistic、XGBoost、RF、CART、ANN模型的曲线下面积分别为0.856 (0.809～0.903),0.861 (0.819～0.904),0.880 (0.838～0.922),0.835 (0.790～0.881),0.808 (0.756～0.860)。结论 本文构建的五种预测模型相对稳定,其中,RF模型的预测性能最佳,能为新生儿败血症休克提供较好的预测。     

人工神经网络在失去土地农民心理健康调查中的应用

介绍人工神经网络(ANN),结合实例比较与logistic回归在解决分类问题的优缺点.以1070名失去土地农民心理健康调查资料为例建立ANN模型与logistic回归模型,比较两种模型的优劣.测试集样本BP神经网络预测精度为94.299%,logistic回归预测精度为51.028%,BP神经网络具有良好的泛化能力.结论 :当传统统计分析条件不能得到满足或效果不佳时ANN能够达到良好的预测结果,在医学领域具有较好的应用前景.     

Comparison of prediction models for adverse outcome in pediatric meningococcal disease using artificial neural network and logistic regression analyses

The objective of this study was to compare artificial neural network (ANN) and multivariable logistic regression analyses for prediction modeling of adverse outcome in pediatric meningococcal disease. We analyzed a previously constructed database of children younger than 20 years of age with meningococcal disease at four pediatric referral hospitals from 1985-1996. Patients were randomly divided into derivation and validation datasets. Adverse outcome was defined as death or limb amputation. ANN and multivariable logistic regression models were developed using the derivation set, and were tested on the validation set. Eight variables associated with adverse outcome in previous studies of meningococcal disease were considered in both the ANN and logistic regression analyses. Accuracies of these models were then compared. There were 381 patients with meningococcal disease in the database, of whom 50 had adverse outcomes. When applied to the validation data set, the sensitivities for both the ANN and logistic regressions models were 75% and the specificities were both 91%. There were no significant differences in any of the performance parameters between the two models. ANN analysis is an effective tool for developing prediction models for adverse outcome of meningococcal disease in children, and has similar accuracy as logistic regression modeling. With larger, more complete databases, and with advanced ANN algorithms, this technology may become increasingly useful for real-time prediction of patient outcome.     

Prediction of community-acquired pneumonia using artificial neural networks.

BACKGROUND: Artificial neural networks (ANN) have been used in the prediction of several medical conditions but have not been previously used to predict pneumonia. The authors used ANN to predict the presence or absence of pneumonia among patients presenting to the emergency department with acute respiratory complaints and compared the results with those obtained using logistic regression modeling. METHODS: Feed-forward back-propagation ANN were trained on sociodemographic, symptom, sign, comorbidity, and radiographic outcome data among 1,044 patients from the University of Illinois (the training cohort) and were applied to 116 patients from the University of Nebraska (the testing cohort). ANN trained using different strategies were compared to each other and to main-effects logistic regression. Calibration accuracy was measured as mean square error and discrimination accuracy as the area under a receiver operating characteristic (ROC) curve. RESULTS: A 1 hidden-layer ANN trained using oversampling of pneumonia cases had an ROC area in the training cohort of 0.895, which was greater than the area of 0.840 for logistic regression (P = 0.026). This ANN had an ROC area in the testing cohort of 0.872, not significantly different from its area in the training cohort (P = 0.597). Operating at a threshold of 0.25, the ANN would have detected 94% to 95% of patients with pneumonia in the 2 cohorts while correctly excluding 39% to 50% of patients with other conditions. ANN trained using other strategies discriminated equally in the 2 cohorts but no better than did logistic regression. CONCLUSIONS: Among adults presenting with acute respiratory illness, ANN accurately discriminated patients with and without pneumonia and, under some circumstances, improved on the accuracy of logistic regression.     

某医院体检人群糖尿病预测模型研究

目的 探讨logistic回归和随机森林在体检人群糖尿病患病风险预测中的应用。 方法 选择2006年1月-2015年12月在北京航天总医院体检中心参加体检的非糖尿病者11 769例次,随机选取70%样本,以性别、年龄、BMI、吸烟史、饮酒史、高血压既往史、高血压家族史、糖尿病家族史、收缩压、舒张压、空腹血糖、总胆固醇、甘油三酯、脂肪肝等14个因素作为自变量,以5年内是否罹患糖尿病作为因变量,基于logistic回归和随机森林分别建立糖尿病预测模型。将预测模型应用于剩余30%样本,根据所得受试者工作特征曲线的曲线下面积(AUC)评价模型的预测效果。 结果 Logistic回归预测模型和随机森林预测模型的AUC分别为0.912(95%CI:0.898~0.927)和0.919(95%CI:0.906~0.932),在最佳临界点,Logistic回归预测模型的灵敏度和特异度分别为80.8%和87.3%,随机森林预测模型的灵敏度和特异度分别为84.1%和85.3%。 结论 Logistic回归预测模型和随机森林预测模型对体检人群的糖尿病患病风险均具有良好的预测能力。     

新郑市老年人脑卒中的影响因素研究及发病预测

目的 探讨logistic回归模型和BP神经网络应用于新郑市老年人脑卒中发病预测的可行性,同时寻找导致该市老年人脑卒中发生的影响因素。方法 采用整群抽样的方法,收集新郑市60岁以上老年人的体检数据,选取首次发病的1 013例患者发病时及发病前1年的数据为研究资料,按3∶1将数据分为训练组和验证组,分别应用logistic回归分析法和BP神经网络构建预测模型,并对模型进行比较及检验。结果 患糖尿病（OR = 1.733）、冠心病（OR = 3.785）、高血压（OR = 5.230）以及体温降低（OR = 0.535）是脑卒中发病的影响因素。logistic模型预测的准确率,灵敏度和特异度分别为73.3%、0.695、0.734。BP神经网络模型的准确率,灵敏度和特异度分别为70.4%,0. 644和0.765。2种预测模型的ROC曲线下面积的Z检验结果提示差异无统计学意义。结论 用二元logistic回归模型和BP神经网络预测脑卒中发病均具有可行性。稳血压、控血糖、重预防可以减小发生脑卒中的风险。