北京市三级甲等医院结直肠癌患者就医流向规律分析

目的 分析不同特征的结直肠癌患者就医行为选择在中医院（含中西医结合医院）、西医院及肿瘤专科医院间的差异，为合理引导结直肠癌患者适宜就医及制订相关政策提供依据。方法 收集北京地区2018年1月-2019年12月17家三级甲等医院21894例首诊结直肠癌成年住院患者的病案首页数据，采用EmpowerStats 2.0对数据进行描述性分析。结果 21894例结直肠癌患者中就诊于中医院的有862例（3.93%），西医院的有8723例（39.85%），肿瘤专科医院的有12309例（56.22%）。对于不同医疗机构，男性占比均大于女性，58-68岁患者占比最大。且结直肠癌患者年龄、医疗付款方式及肿瘤分期在不同医疗机构间的分布存在差异（P<0.001）。西医院及肿瘤专科医院结直肠癌Ⅲ期患者占比最大，而就诊于中医院患者中结直肠癌Ⅳ期最多。从地域分布来看，异地就诊比例（57.32%）大于本地，且就诊于肿瘤专科医院的患者中73.66%来自外地。患者来源前三名分别是北京市、河北省及内蒙古自治区。而在北京市内，西医院患者主要来源于朝阳区、海淀区及西城区，中医院患者主要来源于海淀区、朝阳区及丰台区，肿瘤专科医院则主要来源于朝阳区、海淀区及丰台区。结论 应大力倡导年轻以及早期结直肠癌患者向中医院分流，充分施展中医药在结直肠癌患者中的治疗优势；发挥三级医院带动作用，建立对口帮扶医院，减少不必要的跨省流动及提倡结直肠癌的早筛早治，以降低结直肠癌死亡率。     

特发性肺纤维化急性加重期证候与血清生物标志物的相关性研究＊

目的 通过分析特发性肺纤维化急性加重期（AE-IPF）患者证候与血清生物标志物的关系，为中医辨证治疗提供参考。方法 采用观察性研究设计，收集2019年3月至2019年11月三个中心的AE-IPF患者76例，其中痰热壅肺证26例、痰浊阻肺证50例，并纳入健康志愿者10例作为对照。采用ELISA测定患者血清CCL18、HMGB1、KL-6、MMP-7、SP-A和SP-D水平，分析与中医证候的相关性。结果 AE-IPF患者血清CCL18、HMGB1、KL-6、MMP-7、SP-A和SP-D水平均显著高于健康对照组。血清CCL18、HMGB1、KL-6、MMP-7和SP-D水平在痰热壅肺证和痰浊阻肺证患者间无显著性差异（P＞0.05），而血清SP-A水平存在显著性差异（P＜0.05）。结论 血清SP-A与AE-IPF证候存在一定的相关性，血清SP-A的浓度升高，与痰热壅肺证关系越密切，反之，血清SP-A浓度降低，则与痰浊阻肺证关系越密切。AE-IPF痰热壅肺证患者的预后可能较痰浊阻肺证患者更差。     

Population Genetics Identifies Challenges in Analyzing Rare Variants

Geneticists have, for years, understood the nature of genome‐wide association studies using common genomic variants. Recently, however, focus has shifted to the analysis of rare variants. This presents potential problems for researchers, as rare variants do not always behave in the same way common variants do, sometimes rendering decades of solid intuition moot. In this paper, we present examples of the differences between common and rare variants. We show why one must be significantly more careful about the origin of rare variants, and how failing to do so can lead to highly inflated type I error. We then explain how to best avoid such concerns with careful understanding and study design. Additionally, we demonstrate that a seemingly low error rate in next‐generation sequencing can dramatically impact the false‐positive rate for rare variants. This is due to the fact that rare variants are, by definition, seen infrequently, making it hard to distinguish between errors and real variants. Compounding this problem is the fact that the proportion of errors is likely to get worse, not better, with increasing sample size. One cannot simply scale their way up in order to solve this problem. Understanding these potential pitfalls is a key step in successfully identifying true associations between rare variants and diseases.