排序方式: 共有247条查询结果,搜索用时 0 毫秒
101.
102.
目的 探讨驻极体产生的静电场对巨噬细胞迁移能力的影响.方法 常温下利用低温等离子体放电法(栅控恒压电晕放电)制备得-2000 V聚丙烯驻极体,借助常规等温表面电位衰减测量方法研究驻极体在储存和实验条件下的电荷储存稳定性.用紫外线消毒后的驻极体作用于对数生长期的小鼠巨噬细胞(RAW264.7细胞),采用细胞划痕实验、Transwell细胞实验、荧光探针示踪法研究在驻极体静电场作用下细胞的迁移和形态变化.结果 -2000 V驻极体在常温、常湿条件下放置14 d时其表面电位稳定在初始值的70%,置于细胞培养箱28 h后其表面电位与0 h时相比差异无统计学意义(P>0.05).细胞划痕实验结果显示,驻极体静电场作用28 h时RAW264.7细胞向划痕区迁移、增殖能力增强,划痕面积减小.Transwell实验结果显示,驻极体静电场作用12和24 h时跨膜细胞数均较对照组增加(P均<0.01).荧光探针示踪实验结果显示,驻极体静电场作用下RAW264.7细胞体积变大,发生延展,褶皱增多,生出板状伪足、丝状伪足等突足结构.结论 制备的-2000 V驻极体可在体外提供稳定的静电场并持续作用于细胞,其静电场促进巨噬细胞体积变大、发生延展、褶皱增多并生出板状伪足和丝状伪足等突足结构,增强了巨噬细胞的迁移能力. 相似文献
103.
目的 研究新型冠状病毒肺炎(COVID-19)患者住院期间定量检测的IgG滴度的动态变化轨迹,揭示感染新型冠状病毒后机体的免疫过程。方法 回顾性分析2020年2月5日至4月15日的武汉市火神山医院和湖北省妇幼保健院光谷院区住院治疗的COVID-19患者的临床资料及不同时间点IgG滴度定量检测数据。应用基于组的轨迹模型从患者抗体的时间序列数据中进行亚组识别,然后对各轨迹组患者的临床特征及结局进行比较。结果 共734例符合筛选标准的患者被纳入研究。从其抗体数据中识别出3个轨迹组:组1(持续低抗体组,60例,占8.17%)、组2(中等抗体组,38例,占5.18%)和组3(高抗体组,636例,占86.65%)。组1患者的住院天数和病毒清除时间均在3个轨迹组中最短(P均<0.001),分别为(10.00(7.00,13.50))d和(24.50(17.50,37.00))d,而全因死亡率和病情恶化率在3组间差异无统计学意义(P均>0.05)。结论 具有不同IgG发展轨迹的COVID-19患者可能有不同的预后及免疫特征,抗体滴度持续较高的患者可能需要更多的医疗关注。 相似文献
104.
目的 利用机器学习算法构建新型冠状病毒肺炎(COVID-19)患者临床结局的预测模型,并探索结局相关因子.方法 收集2020年2月5日至4月15日武汉市火神山医院及华中科技大学同济医学院附属同济医院光谷院区收治的COVID-19患者的临床指标与结局(院内死亡和院内接受气管插管治疗),利用人工神经网络(ANN)、朴素贝叶斯、logistic回归、随机森林4种机器学习算法构建患者临床结局的预测模型.结果 共纳入4804例COVID-19患者,其中发生院内死亡100例(2.08%)、接受气管插管治疗87例(1.81%).与院内死亡相关性最强的变量为白细胞计数、白蛋白、钙离子、血尿素氮、心肌型肌酸激酶同工酶和年龄,与院内接受气管插管治疗相关性最强的变量为白细胞计数、淋巴细胞绝对值、超敏CRP、总胆红素、钙离子和年龄,分别利用以上变量、基于4种机器学习算法构建院内死亡和院内接受气管插管治疗预测模型.4种预测模型中,相较于基于ANN、logistic回归、随机森林算法构建的模型[预测院内死亡的AUC值(95%CI)分别为0.938(0.882~0.993)、0.926(0.865~0.987)、0.867(0.780~0.954),预测院内接受气管插管治疗的AUC值(95%CI)分别为0.932(0.814~0.980)、0.935(0.817~0.981)、0.936(0.921~0.972)],基于朴素贝叶斯算法构建的模型在预测COVID-19患者院内死亡(AUC=0.952,95%CI 0.925~0.979)和接受气管插管治疗(AUC=0.948,95%CI 0.896~0.965)方面性能均最佳.结论 4种机器学习算法在预测COVID-19患者临床结局方面性能良好,其中以基于朴素贝叶斯算法构建的预测模型最佳.白细胞计数、白蛋白、钙离子、血尿素氮、心肌型肌酸激酶同工酶和年龄可以用来预测COVID-19患者院内死亡,白细胞计数、淋巴细胞绝对值、超敏CRP、总胆红素、钙离子和年龄可以用来预测患者院内是否接受气管插管治疗. 相似文献
105.
106.
107.
108.
109.
110.