排序方式: 共有47条查询结果,搜索用时 0 毫秒
41.
目的 分析慢性HBV感染者外周血T细胞亚群的特征及病程不同阶段的变化及意义.方法 采用流式细胞分析技术对75例慢性HBV感染者的外周血T细胞亚群进行检测,分析其差异及意义并与正常对照组相比较.结果 乙肝肝硬化患者的外周血白细胞及淋巴细胞绝对数低于慢性乙肝患者、携带者及正常对照组:与正常对照组比较,慢性乙肝、肝硬化患者的外周血CD4 T细胞、CD8 T细胞、NK细胞计数减少,并且随病情的进展逐渐降低.结论 HBV感染者体内存在T淋巴细胞亚群失衡和细胞免疫功能紊乱.外周血T淋巴细胞亚群随病情进展而减少,主要为CD4 T细胞、CD8 T细胞、NK细胞的减少. 相似文献
42.
目的建立一个用于评估手足口病重症化的危险因素评分模型。方法收集2015年6月至2017年2月新乡市某医院收治的1 386例确诊为手足口病患儿的病例资料为研究对象,包括普通组876例,重症组510例。将原始数据分割为970例训练样本和416例检验样本。选用SPSS 25.0进行所有数据分析,对训练样本数据进行单因素和多因素Logistic回归分析,将最终筛选出的变量用于构建危险因素评分模型。最后使用检验样本的数据进行验证,通过诊断性ROC曲线比较回归方程模型和危险评分模型的诊断效能。结果最终构建的危险评分模型,包括了居住地农村、发热时间3天、体温39℃、白细胞12×109/L和EV71阳性共5个评分项目,危险分级包括:低度危险(0-2分),中度危险(3-4分)和重度危险(5-7分),其重症手足口病发病风险分别为低危27.01%,中危52.14%,重危95.35%。危险评分模型与回归方程模型诊断效能相近,其曲线下面积分别为0.745和0.751。结论本研究初步建立的危险评分模型相比于传统回归方程模型更具有简便实用性,为后续研究制定更高级别的临床评分量表提供一定的参考价值。 相似文献
43.
目的探讨社区早期综合发展对早产儿体格和智能发育的影响。方法将在广州市越秀区矿泉街社区卫生服务中心儿童保健科建卡的103例早产儿以家长知情同意为原则分为干预组(51例)和对照组(52例),干预组开展早期综合发展服务,对照组按广州市高危儿管理要求进行基础保健,分别于纠正6月龄时进行体格测量和智能发育评估,用SPSS19.0软件进行χ2检验、t检验等统计学分析。结果纠正6月龄时,干预组和对照组早产儿的身长、体质量、头围和前囟分别做比较,差异均无统计学意义(P〉0.05);大运动、精细动作、适应能力及语言能区、全量表分和发育商的比较,干预组优于对照组,差异均有统计学意义(P〈0.05);社交行为能区比较,差异无统计学意义(P=0.454)。结论早期综合发展服务能明显促进纠正6月龄内早产儿的智能发育,但对其体格发育无明显促进作用,长远影响有待进一步研究。 相似文献
44.
45.
肝硬化并发医院感染的危险因素研究 总被引:1,自引:0,他引:1
目的探讨肝硬化患者的医院感染状况与危险因素,为有效防治肝硬化医院感染,降低其发生率提供科学依据。方法对肝硬化患者医院感染的危险因素采取回顾性的调查分析。结果肝硬化并发医院感染者占住院肝硬化患者的35.78%;医院感染组的病死率为15.66%,非感染组为7.38%,两者有显著差异。肝硬化并发医院感染的危险因素包括年龄、病程、住院天数、手术及侵袭性操作以及肝硬化的并发症等;肝硬化医院感染的部位主要为上呼吸道、腹腔、肠道、泌尿道及血液感染。结论肝硬化并发医院感染的发生率高,病死率高;积极治疗原发病、缩短住院时间、合理使用抗菌药物、注意无菌操作、避免不必要的手术及侵袭性操作是预防肝硬化医院感染的重要环节。 相似文献
46.
干扰素治疗对慢性乙型肝炎患者生活质量的影响 总被引:1,自引:0,他引:1
目前对药物治疗效果的评估已从传统的考核模式转变为包括对与健康相关生活质量(HRQOL)和最后结果或结局的研究.作者采用慢性肝病特异性量表(CLDQ)[1]评估了干扰素与常规保肝药物联合应用对慢性乙肝患者生活质量的影响,报道如下. 相似文献
47.
目的 通过机器学习算法,探究CatBoost模型在预测重症手足口病(HFMD)中的应用价值。方法 收集郑州市某医院2014年1月-2017年6月住院部诊治的2 983例HFMD患儿,使用R 3.4.3软件进行数据分析,构建CatBoost模型和其他普通模型,评估CatBoost模型的预测性能。结果 最终构建的CatBoost模型,预测正确率可达87.6%,人工神经网络模型位居第二(83.8%),其他(决策树、支持向量机、logistic回归、贝叶斯网络)模型预测正确率<80%。CatBoost算法模型ROC曲线下面积、灵敏度、特异度均高(分别为0.866、80.80%、92.33%),其中居前3位的预测变量依次为呕吐、肢体抖动和病原学结果。结论 CatBoost模型可以用于预测重症HFMD,相比于其他传统算法,具有较高的预测正确率和诊断价值。 相似文献