DWI结合常规MRI在儿童病毒性脑炎中的应用

目的 探讨DWI在儿童病毒性脑炎诊断中的价值.方法 回顾性分析36例儿童病毒性脑炎的MR表现,分析病变部位、大小、在常规MRI序列及DWI序列上的信号强度及其与发病时间的关系.结果 病变主要呈长T1长T2信号,病变主要累及大脑皮层及基底节、丘脑.36例病例中有18例DWI显示病变范围及信号强化对比优于T2WI序列,平均发病时间约8.2天;有14例T2WI序列显示优于DWI序列,发病时间约12.6天;有4例病变在DWI及T2WI序列上显示大致相仿,发病时间约7.8天.结论 常规MRI及DWI对其不同阶段的病理改变显示优势各不相同,两种检查技术互补有利于对病毒性脑炎的早期、准确诊断.     

帕金森病患者血浆尿酸、尿微量白蛋白水平与疾病进展及认知功能障碍的关系

目的 探讨帕金森病患者血浆尿酸、尿微量白蛋白水平与疾病进展及认知功能障碍的关系.方法 回顾性分析2007年1月至2014年4月在我院内科门诊及住院部就诊并确诊为帕金森病（PD）的患者102例作为PD组,按发病年龄早晚分为早发病组、晚发病组,按认知功能障碍评估情况分为PD伴认知功能障碍组及PD不伴认知功能障碍组,根据运动功能障碍评估分为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ期,Ⅰ～Ⅱ期为早期、Ⅲ期为中期、Ⅳ～Ⅴ期为晚期;并将我院体检中心进行体检的102名健康者作为对照组.对各组人员进行血浆尿酸、尿微量白蛋白水平的检测.进行统计学处理,各亚组间及与对照组进行对比.结果 PD病例组血尿酸水平明显低于对照组（P＜0.01）.早发病组与晚发病组比较,血尿酸水平无统计学差异（P＞0.05）;PD伴认知功能障碍组血尿酸水平低于不伴认知功能障碍组（P＜0.05）;早中晚各期患者血尿酸水平无统计学差异（P＞0.05）;各亚组血尿酸水平均低于对照组.各亚组间及各亚组与对照组比较尿微量白蛋白水平无统计学差异（P＞0.05）.结论 帕金森病患者血浆尿酸水平低于健康者,低血浆尿酸水平可能是帕金森病的危险因素之一.血浆尿酸水平减低与帕金森病的疾病进展无明显相关性,但可能与认知功能损伤有关.尿微量白蛋白与帕金森病的发生与发展无明显相关.对血尿酸水平进行适当干预可能有助于提高帕金森病患者的生活质量,并节省医疗费用.     

放疗联合奈达铂及热疗治疗中晚期食管癌的临床观察

目的 观察三维适形放疗、周剂量奈达铂增敏、体外高频热疗相结合,治疗中晚期食管癌的疗效.方法 选择2010年1月至2012年5月于河北省承德市第三医院肿瘤科治疗的中晚期食管癌患者99例,采用随机数字表法分为放化疗标准组、放化疗试验组、放化热疗试验组,各33例.治疗结束后1个月评估近期疗效和近期不良反应,随访结束后评估1年生存率.结果 放化疗标准组有效率为66.7％（22/33）,放化疗试验组为63.6％ （21/33）,放化热疗试验组90.9％ （30/33）,3组有效率比较差异有统计学意义（P＜0.05）.放化疗标准组1年生存率为54.5％ （18/33）,放化疗试验组为57.6％（19/33）,放化热疗试验组为81.8％（27/33）,3组比较差异有统计学意义（P＜0.05）.放化热疗试验组,体重增加占78.8％（26/33）,卡氏评分增加占81.8％（27/33）,与放化疗试验组[体重增加占60.6％（20/33）,卡氏评分增加占69.7％（23/33）]、放化疗标准组[体重增加占54.5％（18/33）,卡氏评分增加占75.8％（25/33）]比较差异无统计学意义（P＞0.05）.放化热疗试验组放射性食管炎发生率为81.8％ （27/33）,与放化疗标准组100.0％（33/33）比较差异有统计学意义（P＜0.05）.结论 三维适形放疗、周剂量奈达铂增敏、体外高频热疗相结合,治疗中晚期食管癌有效率和1年生存率提高,不良反应可以耐受.     

医院住院患者2011-2012年抗菌药物使用强度分析

目的 分析解放军第二五一医院住院患者2011-2012年抗菌药物使用强度,为合理用药提供参考.方法 根据医院信息科制作的抗菌药物使用强度计算软件提取201 1年及2012年解放军第二五一医院住院患者抗菌药物使用强度.结果 本院2011年及2012年住院患者抗菌药物使用强度分别为54.02[用药频总频度（DDDs）/（100人·d）]和52.15 DDDs/（100人·d）.两年相比,使用强度最高的均为头孢类抗菌药物,排序前十位的抗菌药物品种基本相同.重症监护室、肝胆外科、急诊日间病房、关节科、泌尿外科、神经外科一病区、胃肠外科连续2年抗菌药物使用强度在前十位之列[2011年分别为193.68、107.94、97.12、91.32、89.93、89.48、87.81 DDDs/（100人·d）,2012年分别为157.91、130.19、93.58、83.58、88.58、85.94 DDDs/（100人·d）].结论 本院2011年及2012年住院患者抗菌药物使用强度均不符合国家规定,但2012年较2011年有所下降.医院抗菌药物使用以头孢类为主,喹诺酮类抗菌药物有滥用现象.2012年较2011年抗菌药物使用逐渐合理,医院应进一步加强抗菌药物使用的监督和管理.     

人性化服务在健康体检护理中的应用效果

目的探讨分析人性化服务在健康体检护理中的应用效果。方法选取2013年6～12月在本院接受健康体检者600例,按照随机数字表法分为研究组和对照组．每组300例,对照组采用传统方法进行健康体检,研究组采用人性化服务,比较两组的体检时间、体检质量评分、体检效率评分、健康宣教评分及护理满意度。结果研究组的体检时间短于对照组,体检质量、体检效率、健康宣教评分均高于对照组,差异有统计学意义（P〈0．05）。研究组的护理满意度为99．33％,显著高于对照组的73．33％,差异有统计学意义（P〈0．05）。结论人性化服务可提高体检服务质量、缩短体检时间,增加体检效率,提高受检者的满意度,值得临床推广应用。     

Humidity Effects on Domain Structure and Polarization Switching of Pb(Zn1/3Nb2/3)O3-x%PbTiO3 (PZN-x%PT) Single Crystals

The effect of relative humidity on the domain structure imaging and polarization switching process of Pb(Zn_1/3Nb_2/3)O₃-x%PbTiO₃ (PZN-x%PT) ferroelectric single crystals has been investigated by means of the piezoresponse force microscopy (PFM) and piezoresponse force spectroscopy (PFS) techniques. It was found that the PFM amplitude increases with the relative humidity, and that the ferroelectric hysteresis loops at different relative humidity levels show that the coercive bias decreases with the increase in relative humidity. These observed phenomena are attributed to the existence of the water layer between the probe tip and the sample surface in a humid atmosphere, which could affect the effect of the electric field distribution and screening properties at the ferroelectric sample surface. These results provide a better understanding of the water adsorption phenomena at the nanoscale in regard to the fundamental understanding of ferroelectrics’ properties.     

Machine learning models for predicting critical illness risk in hospitalized patients with COVID-19 pneumonia

BackgroundTo develop machine learning classifiers at admission for predicting which patients with coronavirus disease 2019 (COVID-19) who will progress to critical illness.MethodsA total of 158 patients with laboratory-confirmed COVID-19 admitted to three designated hospitals between December 31, 2019 and March 31, 2020 were retrospectively collected. 27 clinical and laboratory variables of COVID-19 patients were collected from the medical records. A total of 201 quantitative CT features of COVID-19 pneumonia were extracted by using an artificial intelligence software. The critically ill cases were defined according to the COVID-19 guidelines. The least absolute shrinkage and selection operator (LASSO) logistic regression was used to select the predictors of critical illness from clinical and radiological features, respectively. Accordingly, we developed clinical and radiological models using the following machine learning classifiers, including naive bayes (NB), linear regression (LR), random forest (RF), extreme gradient boosting (XGBoost), adaptive boosting (AdaBoost), K-nearest neighbor (KNN), kernel support vector machine (k-SVM), and back propagation neural networks (BPNN). The combined model incorporating the selected clinical and radiological factors was also developed using the eight above-mentioned classifiers. The predictive efficiency of the models is validated using a 5-fold cross-validation method. The performance of the models was compared by the area under the receiver operating characteristic curve (AUC).ResultsThe mean age of all patients was 58.9±13.9 years and 89 (56.3%) were males. 35 (22.2%) patients deteriorated to critical illness. After LASSO analysis, four clinical features including lymphocyte percentage, lactic dehydrogenase, neutrophil count, and D-dimer and four quantitative CT features were selected. The XGBoost-based clinical model yielded the highest AUC of 0.960 [95% confidence interval (CI): 0.913–1.000)]. The XGBoost-based radiological model achieved an AUC of 0.890 (95% CI: 0.757–1.000). However, the predictive efficacy of XGBoost-based combined model was very close to that of the XGBoost-based clinical model, with an AUC of 0.955 (95% CI: 0.906–1.000).ConclusionsA XGBoost-based based clinical model on admission might be used as an effective tool to identify patients at high risk of critical illness.