亮氨酸氨基肽酶在妊娠妇女血清中的水平变化及其意义

目的:探讨血清亮氨酸氨基肽酶(LAP)在妊娠妇女不同时期血清中的变化规律及其临床意义。方法:选取2011年1月~2013年12月在该院产检的正常妊娠妇女180例,根据孕周分为早期组、中期组和晚期组,每组各60例,另选取60例健康未孕妇女为未孕组;同时选取该院收治的妊娠期高血压疾病妇女33例为妊娠期高血压疾病组、早产孕妇22例为早产组,采用速率法分别检测各组孕妇血清LAP水平并进行比较。结果:未孕组、早期组、中期组、晚期组妇女的血清LAP、血清肝胆酸(CG)、碱性磷酸酶(ALP)、α-L-岩藻糖苷酶(AFU)水平比较,差异有统计学意义(P均<0.05)。妊娠期高血压疾病组的CG、ALP、AFU、LAP水平显著高于早期组、中期组和晚期组(P均<0.05);早产组的CG、ALP、AFU、LAP水平显著高于早期组、中期组(P均<0.05),仅CG水平高于晚期组(P<0.05)。结论:随着妊娠周期的增加,妊娠妇女的血清LAP水平逐步升高,在合并妊娠期高血压疾病时LAP升高更加显著,结合CG、ALP、AFU水平的变化能够对妊娠期高血压疾病的发病情况进行动态监测。     

中国县级及以上医疗机构青光眼诊疗服务 现状分析

目的：统计分析中国县级及以上医疗机构青光眼亚专科建设、诊疗设备配备和服务提供情况，为进 一步推动我国青光眼防治工作提供理论依据。方法：调查研究。2015年对全国提供眼科服务的县级 及以上医疗机构通过网上填报的方式进行普查，采用描述性统计方法，对我国县级及以上医疗机构 青光眼亚专科建设、诊疗设备配备和服务提供情况进行系统整理和统计分析。结果：本次调查覆盖 全国6 341家县级及以上医疗机构，其中设立青光眼亚专科的医疗机构有672家（10.60%）。在青光眼 检查和治疗相关设备中，视力表配置率最高（99.30%），平均每家医疗机构配置3.28台；超声生物显 微镜配置率最低（11.50%），平均每家医疗机构配置0.13台。眼压测量、白内障手术和小梁切开术是 青光眼主要的诊疗服务类型。结论：我国县级及以上医疗机构青光眼亚专科建设亟待加强，诊疗设 备配备不全，诊疗服务能力需要全面提升。     

珠海地区NRXN1和NLGN1基因多态性与儿童孤独症的关联性研究

目的 探索珠海地区NRXN1和NLGN1基因多态性与儿童孤独症易感性的关系,为孤独症的防治提供科学依据。方法 采用病例对照的研究方法,选取2011－2016年就诊于珠海市妇幼保健院的123例珠海地区的孤独症患儿和506例健康对照。采用口腔拭子采集口腔上皮细胞以提取DNA,采用Sequenom Mass Array platform分型技术对NRXN1基因上的rs1045881和rs11885824以及NLGN1上的rs9855544进行基因分型。结果 NRXN1基因上的rs1045881和rs11885824以及NLGN1上的rs9855544位点基因型分布在孤独症组和健康对照组比较,差异无统计学意义;但NLGN1基因上的rs9855544与NRXN1基因上的rs11885824存在基因与基因间的交互作用(预测准确率为0.480,交叉验证一致性为10/10,P=0.040)。结论 NRXN1基因上的rs1045881和rs11885824以及NLGN1上的rs9855544位点基因多态性可能与孤独症易感性没有关联,但NLGN1基因上的rs9855544与NRXN1基因上的rs11885824之间的交互作用可能是孤独症易感性的影响因素。     

抑郁症康复技能训练程式在基层医院推广应用的价值研究

背景　抑郁症的康复技能训练是一种很好的辅助治疗方法，本课题通过引进成熟的抑郁症康复技术，使基层医务人员熟练掌握，为辖区内广大抑郁症患者开展康复训练，以期提高抑郁症患者的疗效，降低自杀风险。目的　探讨抑郁症康复技能训练程式在基层医院推广应用的价值。方法　选取门头沟区龙泉医院2018年1-9月门诊就诊的65例抑郁症患者为研究对象。入选患者全部接受康复训练，分别于训练前和训练结束3个月后采用汉密尔顿抑郁量表（HAMD）、社会功能缺陷筛选量表（SDSS）、服药依从性、自杀风险评估量表（nurses' global assessment of suicide risk，NGASR）和自杀风险问卷对患者进行评估。结果　共61例患者完成研究，与训练前比较，训练结束3个月后患者HAMD、SDSS评分明显降低，服药依从性除自行停药外均明显提高，自杀风险明显降低，差异有统计学意义（P<0.05）。结论　抑郁症康复训练程式能有效提高患者服药依从性，改善抑郁症状，减少自杀观念，在基层医院有推广价值。     

A Multi-Scale DNN Algorithm for Nonlinear Elliptic Equations with Multiple Scales

Algorithms based on deep neural networks (DNNs) have attracted increasing attention from the scientific computing community. DNN based algorithms are easy to implement, natural for nonlinear problems, and have shown great potential to overcome the curse of dimensionality. In this work, we utilize the multi-scale DNN-based algorithm (MscaleDNN) proposed by Liu, Cai and Xu (2020) to solve multi-scale elliptic problems with possible nonlinearity, for example, the p-Laplacian problem. We improve the MscaleDNN algorithm by a smooth and localized activation function. Several numerical examples of multi-scale elliptic problems with separable or non-separable scales in low-dimensional and high-dimensional Euclidean spaces are used to demonstrate the effectiveness and accuracy of the MscaleDNN numerical scheme.