新型冠状病毒肺炎出院患者生活质量及影响因素研究

目的:了解新型冠状病毒肺炎(COVID-19)患者出院后的生活质量及其影响因素,为优化早期干预方案,预防社区生活受限,制定相应社区康复措施提供依据。方法:选择2020年3—4月在武汉华润武钢总医院治愈出院的COVID-19患者57例,于2020年4—5月通过"问卷星"平台采用简明健康状况调查量表(SF-12V2)调查患者的生活质量;采用焦虑自评量表(SAS)调查患者的焦虑状态;采用抑郁自评量表(SDS)调查患者的抑郁状态;采用呼吸困难指数量表(mMRC)调查患者的呼吸困难程度。比较不同特征COVID-19患者生活质量的差异;分析患者生活质量与焦虑、抑郁和呼吸困难程度的相关性及其相关的影响因素。结果:共发放57份调查问卷,剔除重复及无效问卷3份,获得有效问卷54份,问卷有效率达94.74%。(1)COVID-19出院后患者生活质量情况:生理总评分和心理总评分分别为(37.02±12.32)分、(38.46±14.42)分;呼吸困难等级0~3级的分别为3例(5.56%)、45例(83.33%)、5例(9.26%)、1例(1.85%);有19例(35.19%)存在焦虑情绪(SAS≥50分)和抑郁情绪(SDS≥53分)。(2)不同特征COVID-19患者生活质量比较:不同疾病分型的患者在生理总评分方面差异有统计学意义(P<0.05)。(3)生活质量与焦虑、抑郁和呼吸困难程度的相关性分析:Pearson相关分析结果显示,SF-12V2生理总评分与焦虑程度(r=-0.34,P=0.011)和呼吸困难程度(r=-0.39,P=0.003)之间存在负相关性,SF-12V2心理总评分与焦虑程度(r=-0.46,P=0.001)和抑郁程度(r=-0.40,P=0.002)之间存在负相关性。(4)COVID-19患者生活质量的影响因素分析:多元线性回归分析显示,性别(β=8.27)、抑郁程度(β=-0.34)和疾病分型(β=-11.68)是患者SF-12V2生理总评分的重要决定因素(P<0.05);焦虑程度(β=-0.62)是患者SF-12V2心理总评分的重要决定因素(P<0.05)。结论:COVID-19出院患者存在呼吸困难、焦虑抑郁情绪和生活质量下降的问题;性别、疾病分型、抑郁程度和焦虑程度是COVID-19患者生活质量下降的重要因素。COVID-19患者(特别是女性患者和重型患者)出院后要尽早进行抑郁症和焦虑症的筛查和干预,减少患者负性情绪,鼓励患者适当参与康复训练,提高呼吸功能,从而促进生活质量提高。     

T3、T4期结直肠癌淋巴结转移危险因素分析

目的探讨T3、T4期结直肠癌患者淋巴结转移危险因素,为临床诊疗提供参考。方法回顾性分析2008年1月至2017年12月在空军军医大学西京消化病医院行结直肠癌根治术的1112例T3、T4期结直肠癌患者的临床病理资料,分析淋巴结转移状态与临床病理因素及肿瘤标志物的相关性,应用logistic多因素回归法分析淋巴结转移的相关危险因素。结果单因素分析结果显示,性别、年龄、肿瘤部位分层的结直肠癌患者间淋巴结转移率差异均无统计学意义(均P>0.05),淋巴结转移率在不同肿瘤长径[<5 cm和≥5 cm分别为37.75%(211/559)、52.26%(289/553),χ^2=23.666,P<0.01]、大体类型[浸润、溃疡、蕈伞、隆起分别为37.04%(20/54)、47.52%(432/909)、34.33%(23/67)、69.51%(57/82),χ^2=13.787,P=0.003]、分化程度[高、中、低分化分别为34.11%(102/299)、49.00%(317/647)、48.80%(81/166),χ^2=19.771,P<0.01]、错配修复缺陷(dMMR)[是和否分别为26.34%(64/243)、50.17%(436/869),χ^2=43.996,P<0.01]、神经侵犯[是和否分别为48.17%(421/874)、33.20%(79/238),χ^2=16.954,P<0.01]、脉管侵犯[是和否分别为79.16%(338/427)、23.65%(162/685),χ^2=327.493,P<0.01]以及术前癌胚抗原(CEA)[阳性(≥5 mg/ml)和阴性(<5 mg/ml)分别为52.87%(249/471)、39.16%(251/641),χ^2=20.162,P<0.01]和CA199[阳性(≥35 U/ml)和阴性(<35 U/ml)分别为59.33%(124/209)、41.64%(376/903),χ^2=21.465,P<0.01]分层患者间差异均有统计学意义。logistic多因素回归分析显示,脉管侵犯和术前CA199阳性是T3、T4期结直肠癌患者淋巴结转移独立危险因素(OR=13.006,95%CI 9.329~17.276,P<0.01;OR=2.194,95%CI 1.513~3.181,P<0.01),dMMR阳性是淋巴结转移的保护性因素(OR=0.279,95%CI 0.190~0.411,P<0.01)。结论脉管侵犯是T3、T4期结直肠癌患者淋巴结转移的主要危险因素。术前肿瘤标志物CA199的检测可以作为预测T3、T4期结直肠癌患者淋巴结转移状态的指标,一定程度上可为诊疗方案的制订提供参考。     

40岁以上高龄女性体外受精-胚胎移植妊娠结局分析

目的：探讨40岁以上高龄女性体外受精-胚胎移植（IVF-ET）的妊娠结局，旨在为高龄女性提供生育咨询以及为改善高龄女性个体化辅助生殖治疗结局提供临床依据。方法：选择我院生殖中心2015年1月—2017年12月女方年龄≥40岁且使用自身卵子行体外受精的共2 467个治疗周期资料，对各项临床数据进行回顾性分析。结果：40岁及以上行辅助生殖治疗的患者，随着女性年龄增加获卵数明显减少（40～48岁女性平均获卵数分别为2.97、 2.69、2.17、2.01、1.77、1.61、1.68、1.29和1.00，44～48岁与40～43岁依次组间比较均P＜0.05），尤其是44岁以上女性胚胎发育潜能明显降低（40～48岁囊胚形成率分别为48.90%、43.72%、33.67%、34.29%、24.39%、21.14%、26.32%、16.67%和0%，44～48岁与40～43岁组间依次比较均P＜0.05）。共有518个周期行新鲜胚胎移植，结果显示，随女性年龄增加，临床妊娠率（40～48岁临床妊娠率分别为26.92%、21.15%、20.79%、10.96%、18.87%、11.11%、5.88%、0%和0%，43～48岁与40～42岁组间依次比较均P＜0.05）、种植率（40～48岁种植率分别为23.65%、19.51%、17.70%、8.54%、7.49%、10.81%、5.56%、0%和0%，43～48岁与40～42岁组间依次比较均P＜0.05）和活产率均显著降低（40～46岁活产率分别为18.46%、10.58%、9.90%、5.48%、5.66%、2.78%和5.88%，43～46岁与40～42岁组间依次比较均P＜0.05），43岁以上者结局更差。44岁以上女性自然流产率明显增高（40～45岁流产率分别为31.43%、50.00%、52.38%、50.00%、70.00%和75.00%，44～45岁与40～43岁组间依次比较均P＜0.05）。46岁女性仅1例妊娠并分娩，47岁和48岁女性均无成功妊娠。与抗苗勒管激素（AMH）＞1.0 ng/mL组相比，AMH≤1.0 ng/mL组妊娠率、种植率及活产率均显著下降（27.04% vs. 14.74%，22.99% vs. 13.50%，15.88% vs. 7.37%；均P＜0.05），流产率明显升高（41.27% vs. 50.00%，P＜0.05）。结论：≥40岁高龄女性随年龄增长生育力逐渐降低。40～43岁年龄段女性助孕仍有一定的价值，尤其是卵巢仍有一定储备者（AMH＞1.0 ng/mL），但44岁以上女性原则上不再建议ART助孕，对于46岁以上卵巢功能衰竭的女性强烈建议卵子捐赠或收养。     

沙库巴曲缬沙坦在心力衰竭治疗中的应用

心力衰竭是一种慢性疾病，是心脏无法泵出足够的血液为其他身体器官提供氧气，从而引发呼吸短促、疲劳和水肿等症状。目前其治疗包括病因治疗、一般治疗、药物治疗及非药物治疗等，其中血管紧张素受体脑啡肽酶抑制剂（ARNI）是当前新研发出的一类抗心衰药物，沙库巴曲缬沙坦是其代表药物，具有阻断肾素-血管紧张-醛固酮系统（RAAS）及抑制脑啡肽酶（NEP）的双重作用，新的欧美指南均推荐用于射血分数降低心力衰竭（HFrEF）的治疗。本文现就沙库巴曲缬沙坦在心力衰竭治疗中的作用机理、临床试验、药物安全性作一综述，旨在为该病的临床治疗提供参考。     

偏瘫性肩痛患者腋囊的MRI观测及临床意义

目的通过MRI技术观察偏瘫患者肩疼痛腋囊形态变化,为影像诊断提供依据。方法对47例偏瘫性肩疼痛患者(疼痛组)和47例正常肩部(对照组),运用MRI技术对肩关节腋囊进行测量,观察腋囊下肱盂韧带信号。结果偏瘫性肩疼痛的腋囊厚度(4.1±1.45)mm,高于对照组。腋囊腔高度(8.70±1.80)mm,腋囊腔宽度(4.31±0.56)mm,小于对照组。偏瘫性肩痛下肱盂韧带呈高信号出现率达21%,腋囊厚度与VAS呈正相关,与肩关节外展外旋呈负相关。结论脑中风中后期肩周炎是引起偏瘫性肩疼痛患者的常见原因,腋囊厚度是限制肩关节活动度的重要因素。     

Learning to Discretize: Solving 1D Scalar Conservation Laws via Deep Reinforcement Learning

Conservation laws are considered to be fundamental laws of nature. It has broad applications in many fields, including physics, chemistry, biology, geology, and engineering. Solving the differential equations associated with conservation laws is a major branch in computational mathematics. The recent success of machine learning, especially deep learning in areas such as computer vision and natural language processing, has attracted a lot of attention from the community of computational mathematics and inspired many intriguing works in combining machine learning with traditional methods. In this paper, we are the first to view numerical PDE solvers as an MDP and to use (deep) RL to learn new solvers. As proof of concept, we focus on 1-dimensional scalar conservation laws. We deploy the machinery of deep reinforcement learning to train a policy network that can decide on how the numerical solutions should be approximated in a sequential and spatial-temporal adaptive manner. We will show that the problem of solving conservation laws can be naturally viewed as a sequential decision-making process, and the numerical schemes learned in such a way can easily enforce long-term accuracy. Furthermore, the learned policy network is carefully designed to determine a good local discrete approximation based on the current state of the solution, which essentially makes the proposed method a meta-learning approach. In other words, the proposed method is capable of learning how to discretize for a given situation mimicking human experts. Finally, we will provide details on how the policy network is trained, how well it performs compared with some state-of-the-art numerical solvers such as WENO schemes, and supervised learning based approach L3D and PINN, and how well it generalizes.