海上卫勤训练组织工作的实践与体会

随着海军战略转型和多样化任务的增多,作者结合近些年参加海上卫勤训练的实践,为提升训练效果、提高参训部队卫勤保障能力,要做到:周密细致的筹划部署是保证海上卫勤训练实施的基础;不断创新的训练模式是保持海上卫勤训练活力的源泉;紧张严肃的实训作风是提升海上卫勤训练成效的要求;勤务与技术的高效结合是组织海上卫勤训练工作的目标。     

注射用血栓通中三七元素迁移的规律

目的:分析注射用血栓通中三七从原料到成品全过程的元素迁移规律,以便更好地控制成品中元素杂质。方法:采用ICP-MS法全面分析三七药材、三七总皂苷(中间体)和注射用血栓通中21种元素的含量。结果:21种元素的标准曲线相关系数r均在0. 999以上,回收率在92. 71%～107. 07%之间,RSD均在5%以内。三七药材中铝、铁含量较高,铅、砷、汞、镉、铜符合中华人民共和国药典的相关规定,三七总皂苷(中间体)和注射用血栓通中多数元素均未检出或含量极低。结论:注射用血栓通的提取工艺可有效去除三七中大部分元素,重金属及有害元素也降到较低水平。     

小细胞肺癌化疗前后血清VEGF的变化及临床意义

目的：探讨化疗前后小细胞肺癌（SCLC）患者血清血管内皮生长因子（sVEGF）水平及临床意义。方法：用酶联免疫吸附法（ELISA）测定48例SCLC患者化疗前后sVEGF的变化,并与健康志愿者做对照。结果：化疗前SCLC组sVEGF水平为（351.57±30.93）μg/ml,健康志愿者（128.83±13.90）μg/ml,差别有统计学意义（P〈0.01）。化疗后sVEGF为（274.99±38.20）μg/ml,明显低于化疗前（P〈0.01）,但仍然高于健康志愿者（P〈0.01）。结论：SCLC组sVEGF水平明显高于健康志愿者,化疗可以降低SCLC患者sVEGF水平,但仍高于健康志愿人,加用抗血管生成的分子靶向治疗是必要的。     

黄酮醇类化合物在虎耳草科中的分布

黄酮醇类化合物为虎耳草科药用植物的主要有效成分,本文对虎耳草科中已发现的黄酮醇类化合物的分布进行总结。同时,结合分子系统学研究结果,阐明了该科化学成分与植物亲缘关系间存在的联系。期望为虎耳草科分类提供化学依据,并为合理、有效地开发该科植物的药用价值提供参考。     

刍议青黛的产地加工方法

近年来,中药青黛的质量存在的问题日益突出。为探究其原因,本文通过查阅古代本草典籍和近现代文献资料,对青黛的古今记载进行了梳理,研究结果发现青黛传统加工方法需要“浸泡发酵-搅拌打靛-淘花阴干”的过程,而现在使用的青黛多由“粗靛”分离纯化而来,青黛的现代制作工艺与传统加工方法有所背离。此外,本文还对青黛的质量标准制定进行了探讨,本研究认为现有标准对青黛的性状描述已偏离青黛的传统形态特征,应进一步调研和澄清。因此,本研究将为青黛的质量控制和市场监督检验提供一定的参考。     

中国白术产区变迁研究

自明代种植白术以来,白术产区经历了较大的变迁：白术原产自浙江、安徽等地,后引种至江西、湖南。20世纪50年代以前,我国白术主产于浙江,产量占全国总产量的80%~90%。随着浙江地区经济的发展,白术种植面积不断萎缩,至20世纪80年代,浙江白术种植面积约占全国总面积的20%~30%。同时,湖南、安徽地区白术种植面积不断扩大,现与安徽亳州相邻的河南为白术的最大产区。此外,白术产量及价格受市场供需影响较大,呈周期性变化。通过中国白术产区变迁,研究了白术近40年来种植面积、年产量及市场价格变化历程,并从白术道地产区发展、市场供需、不同产地质量差异等方面分析了白术产区目前存在的问题,规划未来白术种植产业的发展,可为推动白术产业可持续稳定发展提供参考。     

NF-κB在肝细胞癌组织中的表达及意义

目的：探讨NF-κB基因在肝细胞癌组织中的表达及生物学意义。方法：采用逆转录聚合酶链反应(RT-PCR)、Western-blot免疫组织化学技术检测32例肝癌组织及癌旁肝组织中的NF-κB基因的mRNA和蛋白表达水平及蛋白定位。结果：NF-κB基因在肝癌组织中的表达较癌旁肝组织显著性增高(P<0.05)。免疫组化结果显示，NF-κB蛋白在肝癌细胞胞浆和胞核中均有表达，而在癌旁肝细胞中仅在胞浆中有表达。结论：NF-κB基因在肝癌组织中呈显著高表达，提示其可能参与了肝癌的发生发展。NF-κB表达定位在癌细胞和癌旁肝细胞中的差异，提示NF-κB活化后，进入胞核，通过调节下游基因的转录，促进肝癌的发生。     

北京市郊区育龄妇女叶酸服用现状调查

目的 了解2016年北京市郊区备孕期及妊娠期妇女叶酸的补充现状。方法 2016年10-11月采用整群抽样方法在北京市郊区抽取6家医院,共计722名育龄妇女进行问卷调查。结果 有效样本量为714人,叶酸服用率为63.9%（456/714）;叶酸规律服用率为83.3%（380/456）。在记得叶酸服用天数的450名妇女中,35.5%（159/450）在孕前开始服用叶酸,其中27.3%（123/450）在孕前0~3个月开始服用叶酸,8.0%（36/450）在孕前3个月开始服用叶酸。多因素logistic回归分析发现户口性质、备孕期或妊娠期、产妇类型、吸烟和饮酒情况是服用叶酸产品或复合产品的影响因素。结论 北京市郊区育龄妇女叶酸服用现状不容乐观,需要进一步加大叶酸相关知识的宣传力度,从而提高叶酸服用率和规律服用率、促进母婴健康及降低母婴并发症。     

T1期乳腺癌的临床病理特征及预后危险因素分析

背景与目的：T1期乳腺癌患者总体生存预后良好,但仍有少部分患者具有高度侵袭性,早期容易出现复发转移与死亡等不良生存结局,预后较差。本研究探讨影响T1期乳腺癌的临床病理特征及预后的危险因素,旨在早期识别高风险的T1期乳腺癌患者,为临床决策提供参考。方法：回顾性分析中南大学湘雅医院2011年1月—2015年12月经手术治疗的1 250例T1～T3期原发性浸润性乳腺癌患者资料,分析T1期与非T1期患者的临床病理学特征差异,单因素及多因素Cox风险模型分析影响T1期乳腺癌患者复发转移及死亡的危险因素,Kaplan-Meier法分析不同危险因素下T1期乳腺癌患者总生存（OS）和无病生存（DFS）的差异,Log-rank检验比较组间生存曲线差异。结果：1 250例原发性浸润性乳腺癌患者中,T1期261例（20.88%）,非T1期（T2和T3期） 989例（79.12%）。与非T1期比较,T1期患者BMI值低、腋窝淋巴结转移数目少、不利生物学特性少、生存预后好（均P<0.05）。T1期患者随访期间共15例死亡,40例出现复发转移。中位OS时间为94 (5～132)个月,2、5、10年OS率分别...     

Deep learning applied to two-dimensional color Doppler flow imaging ultrasound images significantly improves diagnostic performance in the classification of breast masses: a multicenter study

BackgroundThe current deep learning diagnosis of breast masses is mainly reflected by the diagnosis of benign and malignant lesions. In China, breast masses are divided into four categories according to the treatment method: inflammatory masses, adenosis, benign tumors, and malignant tumors. These categorizations are important for guiding clinical treatment. In this study, we aimed to develop a convolutional neural network (CNN) for classification of these four breast mass types using ultrasound (US) images.MethodsTaking breast biopsy or pathological examinations as the reference standard, CNNs were used to establish models for the four-way classification of 3623 breast cancer patients from 13 centers. The patients were randomly divided into training and test groups (n = 1810 vs. n = 1813). Separate models were created for two-dimensional (2D) images only, 2D and color Doppler flow imaging (2D-CDFI), and 2D-CDFI and pulsed wave Doppler (2D-CDFI-PW) images. The performance of these three models was compared using sensitivity, specificity, area under receiver operating characteristic curve (AUC), positive (PPV) and negative predictive values (NPV), positive (LR+) and negative likelihood ratios (LR−), and the performance of the 2D model was further compared between masses of different sizes with above statistical indicators, between images from different hospitals with AUC, and with the performance of 37 radiologists.ResultsThe accuracies of the 2D, 2D-CDFI, and 2D-CDFI-PW models on the test set were 87.9%, 89.2%, and 88.7%, respectively. The AUCs for classification of benign tumors, malignant tumors, inflammatory masses, and adenosis were 0.90, 0.91, 0.90, and 0.89, respectively (95% confidence intervals [CIs], 0.87–0.91, 0.89–0.92, 0.87–0.91, and 0.86–0.90). The 2D-CDFI model showed better accuracy (89.2%) on the test set than the 2D (87.9%) and 2D-CDFI-PW (88.7%) models. The 2D model showed accuracy of 81.7% on breast masses ≤1 cm and 82.3% on breast masses >1 cm; there was a significant difference between the two groups (P < 0.001). The accuracy of the CNN classifications for the test set (89.2%) was significantly higher than that of all the radiologists (30%).ConclusionsThe CNN may have high accuracy for classification of US images of breast masses and perform significantly better than human radiologists.Trial registrationChictr.org, ChiCTR1900021375; http://www.chictr.org.cn/showproj.aspx?proj=33139.