慢性鼻窦炎鼻息肉患者鼻内镜手术前后嗅觉改变情况分析

目的 通过对52例慢性鼻窦炎鼻息肉患者分别在鼻内镜手术前后进行嗅觉功能的测试,确定其嗅觉功能改变情况,以探讨鼻内镜手术对慢性鼻窦炎鼻息肉所致的嗅觉障碍的治疗效果.方法 采用CCCRC嗅觉测试方法对52例慢性鼻窦炎鼻息肉患者在鼻内镜手术前、术后第4周、术后第12周及术后第24周分别进行嗅觉功能测试,将结果进行配对t检验.结果 患者总体嗅觉水平术后3次检测结果与术前均有统计学差异(P<0.01),术后3次检测结果间无统计学差异(P>0.05).结论 手术后第1个月患者嗅觉功能较术前有明显改善,术后2~6个月与第1个月相比嗅觉改变不明显.     

肿瘤三维治疗计划系统的临床参数测量与验证

目的 对瓦里安Eclipse三维治疗计划系统(3D-TPS)进行临床应用前的系统参数测量与验证,并进行分析讨论.方法用三维水箱和剂量仪对3D-TPS所需的临床参数进行检测,并将监测结果输入到3D-TPS中,验证其符合程度,在射野内用电离室对水箱中感兴趣的四处点剂量进行测量,并对电子束"虚源"位置进行测量,最后再分别验证3D-TPS中计算剂量和电子束"虚源"位置(即有效源皮距)的实测值与计划值之间的符合性.结果 3D-TPS的计算曲线与瓦里安Clinac 23EX直线加速器上实测参数曲线符合度很好,并且实测剂量与3D-TPS中计算剂量相对误差在-0.55%～1.12%之间,平均误差为0.66%.电子束"虚源"中的有效源皮距实测值与瓦里安公司提供的有效源皮距参考值之间的相对误差在1.27%～1.86%之间,平均误差为1.62%.结论瓦里安Eclipse 3D-TPS能很好地满足三维适形及调强放射治疗的临床需要.     

统计参数图在脑血氧水平依赖功能磁共振成像研究中的应用评价

目的：探讨统计参效图在脑血氧水平依赖功能磁共振成像研究中的应用价值。方法：本研究被试者共87例。其中中枢性运动功能异常组被试57例，正常对照组被试30例。本研究的运动功能刺激实验设计为组块设计（Block—Desk）。激活效据采集在双梯度1．5TMR扫描仪上完成，包括定位像、解剖像、功能像、全脑3D像。所有数据用统计参数图软件包离线后处理，经过一系列的预处理和统计分析，得到脑运动区激活统计参数图，研究脑激活区与脑解剖功能区的对应关系。并生成各种量化分析数据以进行相关性分析等统计学处理。结果：异常组被试57例脑血氧水平依赖功能磁共振成像原始资料，经统计参数图后处理，结果符合临床诊断要求的46例（80．70％），正常对照组被试30例。经统计参数图后处理，结果符合临床诊断要求的29例（96．60％），两组结果比较相差显著（X^2=4．21，P〈0．01），提示正常对照组被试数据经统计参数图后处理结果符合诊断要求的百分率大于异常被试组。结论：统计参数图内置多项顶处理步骤，可较有效地排除或减弱被试者的头动、心跳、呼吸及MRI设备系统噪声等干扰因素造成的伪影／影响。有效的预处理在肢体运动功能异常者的脑血氧水平依赖功能磁共振成像数据处理中起了至关重要的作用，是确保脑血氧水平依赖功能磁共振成像激活结果的灵敏性和可靠性的关键手段。     

比较多巴胺与去甲肾上腺素对感染性休克血流动力学和氧代谢的影响

目的比较多巴胺与去甲肾上腺素对感染性休克患者血流动力学和氧代谢的影响。方法44例早期感染性休克患者经过充足的液体复苏使肺动脉楔压(PAWP)维持在1.6～2kPa之间,随机分为多巴胺组(Dopa组)和去甲肾上腺素组(NE组)。分别加用多巴胺或去甲肾上腺素,使平均动脉压(MAP)维持>10.7kPa。分别测定并计算应用多巴胺或去甲肾上腺素前(T0)、用药后1h(T1)、4h(T2)、8h(T3)、16h(T4)、24h(T5)和48h(T6)各个时间点的血流动力学指标[包括心率(HR)、外周血管阻力指数(SVRI)、心脏指数(CI)、肺动脉楔压(PAWP)及平均肺动脉压(MPAP)]和氧和指标[包括氧供指数(DO2I)、氧耗指数(VO2I)及氧摄取率(O2ext)]。结果(1)用药后2组同一时间点的HR、CI相比,NE组显著低于Dopa组(P<0.05);NE组的SVRI明显高于Dopa组(P<0.05)。(2)Dopa组的DO2I比NE组明显增加(P<0.05),NE组的VO2I、O2ext和Dopa组同一时间点相比明显增高(P<0.05)。结论对于早期感染性休克患者,去甲肾上腺素比多巴胺能更好的维持血流动力学稳定,它可以增加脏器灌注,提高O2ext,改善氧代谢。     

基于项目反应理论的应征青年词汇理解能力测验的编制

目的 应用项目反应理论编制应征青年词汇理解能力测验.方法 按照项目反应理论编制词汇理解能力试题,并对1892名士兵和1143中学生进行词汇理解能力测验,采用三参数逻辑斯谛克模型进行数据拟合,应用主成分分析方法进行单维性检验,利用BILOG-MG软件估计项目参数,采用铆测验设计进行等值.结果 五套测验均符合单维性要求,最终选取282个项目组成试题库,根据项目信息量选取50个条目编制正式测验,其测验信息量峰值达到27.3848,最小测量标准误为0.0314.结论 测验符合项目反应理论的要求,可作为征兵心理检测的工具.     

空间频域成像在皮肤病定量评估中的研究

利用空间频域成像技术搭建的成像系统检测多种皮肤病组织的光学参数和生理参数信息,并对比分析讨论不同类型的皮肤病与光学参数、生理参数之间的关系。实验结果表明,病变皮肤组织与正常皮肤组织之间在光学参数、生理参数上存在较大差异,这将为临床医生对皮肤病诊治提供一种新颖、可靠、科学的评估方法。     

音乐干预对住院早产儿生理指标作用的系统评价和Meta分析

目的评价音乐干预对早产儿住院期间生理指标的调节作用。方法系统检索中国知网、万方数据库、Pub Med、CINAHL、Embase和Cochrane Library数据库从建库至2017年4月18日的文献中关于音乐干预对住院早产儿(病情稳定、听力正常)生理指标作用的RCT,干预期间早产儿不接受侵入性刺激、处于平静状态,试验组给予音乐干预(音乐类型、干预时机、次数和时间不限),对照组不予音乐干预。结局指标为氧饱和度、心率和呼吸频率。采用JBI文献质量评价工具对纳入的RCT进行方法学质量评价。采用Rev Man 5.3软件进行Meta分析。结果 9篇文献符合本文的纳入标准和排除标准,质量评价后纳入5篇质量为A或B的文献(均为英文)。5篇文献均报道了氧饱和度,4篇文献报道了心率和呼吸频率。Meta分析显示,试验组和对照组氧饱和度、心率和呼吸频率差异均无统计学意义。进一步行亚组分析,根据音乐干预类型提取摇篮曲干预亚组,根据音乐实施形式的不同提取录播音乐亚组和现场演奏音乐亚组,结果显示,仅录播音乐干预组氧饱和度高于对照组[MD=0.81,95%CI:0.03~1.59),Z=2.05,P=0.04]。结论音乐干预对调节早产儿生理指标的作用不明确,鉴于该领域高质量RCT文献少,需开展更多大样本高质量的RCT进一步探讨。     

h-TEE在危重症患者血流动力学监测中的应用进展

危重症患者往往合并血流动力学不稳定,并且可危及患者生命,而对于此类患者血流动力学监测尤为重要,通常我们会使用肺动脉漂浮导管、PICCO等传统血流动力学手段进行监测,而这些监测手段有局限性,床旁心脏超声作为最直观的监测,可以从图像中得出最直接的病理原因,经体表心脏超声(transthoracic echocardiography,TTE)因其无创的优势被广泛用于重症患者的监测,但因受机械通气等影响成像效果欠佳,经食道心脏超声(transesophageal echocardiacgraphy,TEE)图像质量高于TTE,然而TEE受到需要专业技术人员操作、不能持续动态监测患者血流动力学变化等限制,使其在危重症患者中使用存在局限性。在此基础上更加适用于危重症患者的连续血流动力学监测技术经食道血流动力学心脏超声(hemodynamic transesophageal echocardiacgraphy,h-TEE)应运而生,它具备了比传统TEE探头更小、更便于插入,可以保留在患者体内72小时的优点,可持续动态观察患者的心功能、容量状况,本文就h-TEE的工作原理及操作方法、优点、应用现状、安全性及改进之处等方面进行综述。     

不停跳搭桥中有预测缺血性改变和血流动力学不稳定的心脏表面传感器的多吸式心脏定位器TENTACLES

Background： During OPCAB, it is usually difficult to predict the ischemic change of the distal site of the anastomosis especially in rotating the heart, resulting in hemodynamic instability. To resolve this problem, we have produced multi-suction heart positioner TENTACLES in which sensors （thermometer, ECG and tissueblood flow） are mounted inside of the TENTACLES＇ suction cup. This devise can position the heart and monitor simultaneously. In this study, the utility of TENTACLES equipped with sensors was examined.     

Inference of dynamic systems from noisy and sparse data via manifold-constrained Gaussian processes

Parameter estimation for nonlinear dynamic system models, represented by ordinary differential equations (ODEs), using noisy and sparse data, is a vital task in many fields. We propose a fast and accurate method, manifold-constrained Gaussian process inference (MAGI), for this task. MAGI uses a Gaussian process model over time series data, explicitly conditioned on the manifold constraint that derivatives of the Gaussian process must satisfy the ODE system. By doing so, we completely bypass the need for numerical integration and achieve substantial savings in computational time. MAGI is also suitable for inference with unobserved system components, which often occur in real experiments. MAGI is distinct from existing approaches as we provide a principled statistical construction under a Bayesian framework, which incorporates the ODE system through the manifold constraint. We demonstrate the accuracy and speed of MAGI using realistic examples based on physical experiments.

Dynamic systems, represented as a set of ordinary differential equations (ODEs), are commonly used to model behaviors in scientific domains, such as gene regulation (1), biological rhythms (2), spread of disease (3), ecology (4), etc. We focus on models specified by a set of ODEsx˙(t)=dx(t)dt=f(x(t),θ,t), t∈[0,T],[1]where the vector x(t) contains the system outputs that evolve over time t and θ is the vector of model parameters to be estimated from experimental/observational data. When f is nonlinear, solving x(t) given initial conditions x(0) and θ generally requires a numerical integration method, such as Runge–Kutta.Historically, ODEs have mainly been used for conceptual or theoretical understanding rather than data fitting as experimental data were limited. Advances in experimental and data collection techniques have increased the capacity to follow dynamic systems closer to real time. Such data will generally be recorded at discrete times and subject to measurement error. Thus, we assume that we observe y(τ)=x(τ)+ϵ(τ) at a set of observation time points τ with error ϵ governed by noise level σ. Our focus here is inference of θ given y(τ), with emphasis on nonlinear f where specialized methods that exploit a linear structure (e.g., refs. 5 and 6), are not generally applicable. We shall present a coherent, statistically principled framework for dynamic system inference with the help of Gaussian processes (GPs). The key to our method is to restrict the GPs on a manifold that satisfies the ODE system: Thus, we name our method MAGI (manifold-constrained Gaussian process inference). Placing a GP on x(t) facilitates inference of θ without numerical integration, and our explicit manifold constraint is the key idea that addresses the conceptual incompatibility between the GP and the specification of the ODE model, as we shall discuss shortly when overviewing our method. We show that the resulting parameter inference is computationally efficient, statistically principled, and effective in a variety of practical scenarios. MAGI particularly works in the cases when some system component(s) is/are unobserved. To the best of our knowledge, none of the current available software packages that do not use numerical integration can analyze systems with unobserved component(s).