甲胎蛋白糖类抗原19-9癌胚抗原单项及联合检测在原发性肝癌诊断中的应用价值研究

目的探讨血清甲胎蛋白(AFP)、糖类抗原19-9(CA19-9)、癌胚抗原(CEA)单项及联合检测在原发性肝癌诊断中的应用价值。方法选取2015年1月至2018年1月我院确诊的原发性肝癌患者50例纳入观察组,同期选取我院肝硬化患者50例纳入对照组。对2组血清中的AFP、CEA、CA19-9指标进行单项测定与联合检测,对其准确度、灵敏度、特异度进行分析。结果对照组血清AFP、CA19-9、CEA水平低于观察组,差异有统计学意义(P<0.05);AFP、CA19-9、CEA单项阳性检出率均明显低于联合检测,差异有统计学意义(P<0.05);各项指标联合检测准确度、灵敏度、特异度均高于单项检测。结论多种肿瘤标志物的联合检测将会提高早期原发性肝癌诊断的准确度、灵敏度、特异度。     

中医药调控IL-1治疗肿瘤机制的研究进展

炎症已成为影响肿瘤细胞增殖转移的第七大因素,而白细胞介素-1(IL-1)是炎性微环境的重要因子之一。中医药在治疗肿瘤时具有多途径、多靶点的优势,同时炎性微环境致病特点与现代中医学"癌毒"的理论相吻合。查阅近年中医药调控IL-1家族分子治疗肿瘤机制的文献,对其进行梳理,并做出概括及评价,从中医药主要调控IL-1α、IL-1β和IL-18因子治疗肿瘤展开综述,为中医药更系统化治疗肿瘤提供参考。     

探讨腹腔镜手术与传统开腹手术对胃肠肿瘤患者的临床疗效及血凝状态的影响

目的通过胃肠肿瘤患者进行治疗时采用不同治疗方式的应用效果进行分析,进而为找出更好的治疗方式提供依据。方法选取2017年5月至2018年5月到本院来治疗胃肠肿瘤的96例患者,按照随机原则将患者平均分为观察组与对照组,每组48例;对对照组患者进行传统开腹手术治疗方式,对观察组患者进行腹腔镜手术治疗方式,对比二者疗效。结果在手术时间、术中出血量、肠胃功能的恢复时间、住院时间以及并发症的发生情况方面,观察组都要少于对照组;在术后24 h凝血酶原时间要大于对照组。结论在对肠胃肿瘤患者进行治疗是采用腹腔镜手术治疗方式,有利于加速患者的身体恢复、减少并发症发生,但是不能较好控制术后血凝状态,应该根据患者实际情况选择具体治疗方式。     

PDCA循环在消化道肿瘤伴糖尿病患者营养全程管理中的效果观察

目的 探讨PDCA 循环在消化道肿瘤伴糖尿病患者营养全程管理中的效果观察。方法 运用PDCA循环对80例不同程度营养不良的消化道肿瘤伴糖尿病患者实施营养全程管理,比较干预前后患者的体重、BMI指数、糖化血红蛋白、血红蛋白、总蛋白、白蛋白及球蛋白水平。结果 患者血红蛋白、总蛋白、白蛋白及球蛋白水平均有提高,比较差异均有统计学意义(P＜0.05)。结论 PDCA循环管理在消化道肿瘤伴糖尿病患者营养全程管理中有较大的优势, 值得推广。     

基于TCGA 数据库卵巢癌患者的miR-301b 表达量与生存状况生物信息学分析

目的 研究肿瘤基因图谱（the cancer genome atlas，TCGA）数据库中microRNA-301b（miR-301b）在478 例卵巢癌患者中的表达量与卵巢癌患者生存状况的关系。方法 对TCGA 数据库中478 例卵巢癌患者的miR-301b 表达量与生存状况进行分析，预测其靶基因及生物学活性。结果 miR-301b 高表达患者具有更长的生存时间, 是卵巢癌患者预后的保护因素（OS:P<0.001, DFS:P<0.05），综合3 个靶基因数据库的预测结果得到12 个靶基因，编码的蛋白多数与肿瘤的发生发展有关，其中靶基因TEA 结构域家族成员1（TEA domain family member 1，TEAD1） 与胞质多糖基化元件结合蛋白4(cytoplasmic polyadenylation element binding protein 4, CPEB4)的表达量与卵巢癌患者的预后相关（TEAD1:P<0.05，CPEB4:P<0.05）。结论 miR-301b 表达对卵巢癌患者的预后具有重要的意义，表现出抑癌因子的作用，对卵巢癌的预后评估和治疗具有重要的指导意义。     

数字化健康干预在青年癌症患者心理康复中的应用进展

综述了数字化健康干预在青年癌症患者心理康复中的实施及效果评价等内容。实施方式主要为在线自我管理,以及社交软件和可穿戴设备的应用。数字化健康干预可为青年癌症患者提供信息、心理及社会支持,但评价标准需进一步建立和完善。     

基于剂量组学预测肺癌患者放射性肺炎发生的研究

目的 探讨剂量组学在预测肺癌根治性放疗患者放射性肺炎发生中的应用潜能。方法 回顾性收集行根治性放疗的314例肺癌患者的临床资料、放疗剂量文件、定位及随访CT图像,根据临床资料及影像学随访资料对放射性肺炎进行分级,提取全肺的剂量组学特征,构建机器学习模型。应用1000次自助抽样法（bootstrap）的最小绝对值收敛和选择算子嵌套逻辑回归（LASSO‐LR）及1000次bootstrap的赤池信息量准则（AIC）向后法筛选与放射性肺炎相关的剂量组学特征,随机按照7∶3划分为训练集及验证集,应用逻辑回归建立预测模型,并应用ROC曲线及校正曲线评价模型的性能。结果 共提取120个剂量组学特征,经LASSO‐LR降维筛选得到12个特征进入“特征池”,再经过AIC向后法筛选,最终筛选出6个剂量组学特征进行模型构建,训练集AUC为0.77（95%CI为0.65~0.87）,独立验证集AUC为0.72（95%CI为0.64~0.81）。结论 利用剂量组学建立的预测模型具有预测放射性肺炎发生的潜力,但仍需继续纳入多中心数据及前瞻性数据进一步挖掘剂量组学的应用潜能。