未产妇异位妊娠93例分析

目的：总结未产妇异位妊娠发病率、病因及诊断。方法：回顾性分析93例经临床及手术证实为未产妇异位妊娠的病史、临床表现、辅助检查、妊娠类型、术中出血及治疗情况。结果：首次妊娠异位妊娠2l例,占22．58％。有人流及药流史72例,占77．42%。B超监测未破裂型异位妊娠16例,占17．20％。合并输卵管炎症67例,占81．71％(67／82)。输卵管发育异常24例,占25．8l％。保守治疗16例,成功11例。手术治疗82例。异位妊娠破裂型内出血均在1500ml以上。结论：未产妇异位妊娠发病率呈上升趋势。主要病因为输卵管炎症,而炎症的主要诱因是流产。首次妊娠异位妊娠主要病因为输卵管发育异常。B型超声是早期诊断异位妊娠的重要措施。     

中枢神经系统白血病误诊为双侧面神经瘫痪

1病例资料男,19岁。因右眼不能闭合、右口角流涎1天入院。查体:右侧额纹消失,右眼闭合露白1 cm,右侧鼻唇沟变浅,口角歪向左侧,右侧鼓腮漏气、不能露齿,余神经系统检查未见异常。浅表淋巴结不大,心肺听诊未闻及异常,肝、脾未触及。查血红蛋白140 g/L,白细胞10·5×109/L,中性粒细胞0·74,淋巴细胞0·25,嗜碱细胞0·1。尿便常规、肝肾功能均正常。初步诊断为右侧面神经瘫痪(面瘫)。予泼尼松、维生素B1、维生素B12、地巴唑、针灸等治疗,症状无改善,5天后出现左侧面瘫和肛周脓肿,双侧额纹均消失,闭眼露白,不能露齿。腰椎穿刺脑脊液压力140 mmH…     

美国FDA医疗器械监管数字化转型的进展分析及eSTAR模板的应用

目的：深入剖析美国FDA数字化转型背景、组织架构、战略重点,在医疗器械监管方面的具体措施,以及在加强医疗器械上市前审查计划方面的进展,以期对我国信息化引领的医疗器械技术审评的现代化起到一定的启示作用。方法：对FDA近年来在数字化转型方面的战略规划及进展进行概述,重点介绍基于可扩展标记语言（Extensible Markup Language,XML）格式的eSTAR模板,分析所依托的语言优势,提高数据标准化、数据系统兼容性,便于数据读取处理分析,有效提高审评过程的一致性、完整性及效率。受理不仅是对资料完整性的审核,也是对数据格式/数据标准的筛选过程,经筛选纳入FDA内部数据库,以便后期调用及统计分析,将数据转化为监管工具。结果与结论：我国医疗器械技术审评注册申报信息化平台迭代升级和数据库构建,应积极应用先进的电子信息技术和基础设施,进一步优化上市前审查流程并节省时间和资源,促进数据读取处理分析共享,将监管数据转变为监管证据和监管新工具,加速数据驱动型数字化转型,提高服务响应速度,提升服务质量。     

基于深度学习技术的乳腺健康智能检测系统在乳腺肿瘤检测中的应用

目的探讨基于深度学习技术的MammoWorks?乳腺健康智能检测系统在乳腺肿瘤检测中的应用价值。 方法本回顾性研究收集2015年1月至2017年4月期间就诊于陕西省肿瘤医院、乳腺X线BI-RADS 5～6级的患者448例,均手术治疗且临床病理资料齐全。另外用随机数字表法收集同期参加健康体检乳腺X线检查提示BI-RADS 1级的215例正常人群作为对照。以上全部研究对象乳腺X线影像学资料经MammoWorks?乳腺检测系统分析,以患者的病理结果及正常人群的2年随访结果为金标准,分析MammoWorks?乳腺检测系统检测乳腺肿瘤的敏感度、特异度、准确率、阳性预测值、阴性预测值、阳性似然比、阴性似然比及每幅图的假阳性标记数等。率的比较使用χ²检验及Fisher确切概率法,每幅图假阳性标记数比较使用非参数检验(Kruskal-Wallis检验),并使用Kappa检验评价组间变量结果的一致性。 结果总计纳入663例女性,X线摄片2 652张。总计识别病灶2 284个,真阳性标记929个,假阳性病灶1 355个。真阳性病例333例,真阴性病例126例,假阳性病例89例,假阴性病例115例。MammoWorks?分析敏感度为74.3%(333/448),特异度为58.6%(126/215),阳性预测值为78.9%(333/422),阴性预测值为52.3%(126/241),准确率为69.2%(459/663),阳性似然比为1.80,阴性似然比为0.44。每幅图假阳性标记数为0.50(0.00～0.75)。2种拍摄体位(头尾位和内外侧斜位)下,MammoWorks?系统检测效能差异有统计学意义(Kappa＝0.278,P<0.001)。在不同年龄、BI-RADS分级、肿瘤部位、病理分期、病理类型、分子分型的患者中,MammoWorks?检测效能差异无统计学意义(χ²＝3.341、1.056、7.103、8.911、5.170、7.803,P均>0.050);在不同乳腺密度、病灶类型、肿瘤直径的患者中,MammoWorks?检测效能差异有统计学意义(χ²＝7.985、15.543、18.652,P均<0.050)。每幅图片假阳性标记数仅在不同乳腺密度分组中差异有统计学意义(χ²＝15.024,P<0.050)。 结论基于深度学习技术的MammoWorks?乳腺健康智能检测系统在乳腺肿瘤的辅助诊断中具有一定的应用价值,但其检测效能仍需进一步提高。     

临床试验中生存分析的非劣效研究设计及R软件实现

近年,非劣效性临床试验在药品开发中已有广泛的应用,统计学上关于试验药物相对于阳性对照药物的非劣效性评价方法已有多种,但主要集中在终点指标为二分类或正态连续型数据的临床试验[1].当观察指标为生存时间(survival time)时,可能包含截尾数据(censored data),则缺少相应的非劣效性评价方法,主要原因是生存分析设计背景下非劣效性的定义较为困难[2].本文拟介绍一种基于生存时间指数分布模型,假设对照组死亡风险率λ0与试验组死亡风险率λ1之比为常数ρ,并在此基础上定义非劣效界值的分析方法,结合实例介绍其试验设计和统计检验方法,同时给出R软件实现程序.     

基于自编码的特征提取方法在生物医学领域中的应用进展

随着科技水平的不断提高,研究者们可以获得有关疾病的各类数据,例如基因组学、蛋白质组学、代谢组学、影像学等。这些海量数据的获得使得我们对疾病的了解更加深入。但随之而来的问题是,研究者们如何从海量数据中提取有用的信息,从而集中资源进行深入的研究,成为科研工作者面临的新挑战。近年来硬件技术的飞速发展和存储数据能力的增强,促进了大数据机器学习方法的发展,研究者已经将机器学习方法,特别是深度学习,应用于这类复杂数据的分析[1-4]。     

超声监测营养运动对产后康复的研究

目的:探讨个体化的营养与运动对产后康复的影响及超声之监测价值。方法:272名健康的经阴道分娩的妇女,随机分为研究组与对照组。对研究组产妇进行营养与锻炼指导,对照组不给予任何指导。在产后6周,测量两组产妇脂肪分布、肌肉分布、下肢最大肌力、股骨颈抗骨折能力、膝关节损伤、膝关节活动范围及摄入的营养成分,利用B超监测子宫复旧等。结果:产后6周两组产妇的脂肪分布、肌肉分布、下肢最大肌力、股骨颈抗骨折能力、膝关节损伤、膝关节活动范围及超声显示子宫复旧情况均有显著性差异(P<0.05)。结论:个体化营养与锻炼利于产后康复,超声为监测营养与锻炼对产后康复影响的有效手段。     

妊娠中晚期血脂及载脂蛋白水平的观察研究

目的通过观察妊娠中晚期血脂及载脂蛋白水平,初步了解妊娠期脂代谢特点,为防治妊娠期脂代谢紊乱提供依据。方法回顾性队列研究,纳入2014年10月至2016年2月在我院产科就诊的孕妇280例,收集其各孕期总胆固醇（TC）、甘油三酯（TG）、低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、载脂蛋白A1（ApoA 1）、载脂蛋白B（ApoB）及脂蛋白a[Lp（a）]水平。结果研究对象年龄（29. 6±4. 9）岁（19～46岁）。在中孕期（T2期）、晚孕期（T3期） TC分别为（4. 86±1. 15） mmol/L、（6. 55±1. 65） mmol/L; LDL-C分别为（2. 48±0. 85） mmol/L、（3. 63±1. 06） mmol/L;HDL-C分别为（1. 88±0. 51） mmol/L、（1. 73±0. 58） mmol/L; ApoA 1分别为（1. 85±0. 56） g/L、（2. 18±0. 52） g/L; TG的中位数(25th,75th)分别为1. 58mmol/L（1. 15,2. 16）、3. 90mmol/L（2. 88,5. 25）; ApoB的中位数(25th,75th)分别为1. 10 g/L（0. 84,1. 32）、1. 23g/L(25%th1. 03,75%th1. 46); Lp （a）的中位数(25th,75th)分别为235mg/L（144,644）、129mg/L（66,251）。TC、TG、LDL-C、ApoA 1、ApoB水平均随孕周增加而增加,差异均有统计学意义（P<0. 05）; HDL-C和Lp（a）水平在T3期较T2期则有所下降,差异均有统计学意义（P<0. 05）。结论中晚孕期孕妇部分血脂指标明显改变,脂代谢紊乱发生率升高。     

比例优势boosting算法在高维有序多分类数据分析中的应用

目的探讨比例优势boosting算法在高维组学多分类有序数据中变量筛选和分类预测的应用。方法通过模拟实验和实例比较比例优势boosting算法和其他常用的多分类boosting算法在变量筛选和分类效果中的差异。结果模拟实验表明,比例优势boosting算法的变量筛选效果,尤其在小样本情况下要明显优于其他方式,分类效果略优于其他方式;实例数据分析结果表明,比例优势boosting变量筛选效果要优于其他方式,在分类效果上略低于随机梯度boosting,但优于其他boosting方式。结论比例优势boosting算法适用于高维有序多分类数据,具有实用价值。