中医药干预新型冠状病毒肺炎临床研究方案分析

对中医药防治新型冠状病毒肺炎临床研究方案注册情况进行分析,为提高相关研究设计质量提供参考和建议。检索中国临床试验注册中心网站(www.chictr.org.cn)以及美国临床试验注册中心网站(clinicaltrials.gov),以新型冠状病毒肺炎、2019-nCoV等为检索词,检索新型冠状病毒肺炎中医药相关临床研究方案。按照纳入排除标准筛选文献,并提取研究注册时间、研究目的、研究类型、申办单位、研究对象、样本量、干预措施、评价指标等数据,采用描述性分析方法。共纳入新型冠状病毒肺炎中医药相关研究方案49个,研究负责单位以湖北、北京、浙江等地医院或高等院校为主。研究具体实施单位属地集中在湖北、广东、浙江、河南等地医院。研究设计以干预性试验研究为主(共40个),其中随机平行对照研究30个,非随机对照试验7个,单臂研究2个,连续入组1个;观察性研究6个;卫生服务研究2个;预防性研究1个。总样本量30562例,单个研究样本量最大20000例,最小30例。49个方案的研究对象包括健康人群(3个)、隔离观察人群(1个)、疑似病例(10个)、确诊病例(31个)、康复期病例(4个)。31个拟纳入确诊病例的研究方案中,有16个研究未明确病情分级,3个研究明确排除危重症,4个研究纳入普通型,2个研究纳入轻型、普通型或重型,1个研究纳入轻型和普通型,1个研究纳入普通型或重型,3个研究纳入重型,1个研究纳入重症或危重症。评价的干预措施包括中成药(连花清瘟胶囊/颗粒、藿香正气滴丸/口服液、八宝丹、固表解毒灵、金蒿解热颗粒、复方鱼腥草合剂、金叶败毒颗粒、疏风解毒胶囊、双黄连口服液、痰热清注射液、血必净注射液、热毒宁注射液、喜炎平注射液)、汤药、太极拳疗法。主要疗效指标以退热时间、临床症状缓解、新型冠状病毒核酸转阴、重症转化率、胸部CT影像为主。结果表明中医药防治新冠肺炎的临床研究响应快速,当前注册方案涵盖了疾病预防、治疗和康复全过程。但存在人群定义不清,研究目标不明确,干预方案需要细化,疗效评价指标需要优化等问题;另外,需要考虑疫情救治的实际困难和工作负担,在符合医学伦理条件下,优化流程,提高研究方案的可操作性。     

益气养精法对老年肺癌患者肿瘤标志物、生存期影响研究

目的探究益气养精法对老年肺癌患者肿瘤标志物、生存期影响。方法研究纳入60例老年肺癌患者,均由本院2016年1月-2017年1月收治,采取随机数字表法将患者分为两组,对照组患者(30例)常规化疗治疗,观察组患者(30例)在化疗基础上联合益气养精法治疗,比较两组患者治疗效果、治疗前后癌胚抗原(carcino-embryonic antigen,CEA)及血清癌抗原125(serum oncoantigen 125,CA 125)肿瘤标志物水平、不良反应情况及患者2年生存率。结果观察组患治疗有效率高于对照组,P<0.05;治疗前,两组患者CEA及CA 125水平相当,P>0.05,治疗后均改善,观察组优于对照组,P<0.05;观察组患者不良反应与对照组相当,均较低,P>0.05;观察组患者2年生存率高于对照组,P<0.05。结论益气养精法治疗老年肺癌患者效果患者,患者症状改善,不良反应少,安全可靠,且患者2年生存率较高。     

Outcomes after neoadjuvant or adjuvant chemotherapy for cT2-4N0-1 non–small cell lung cancer: A propensity-matched analysis

Objective

Comparative survival between neoadjuvant chemotherapy and adjuvant chemotherapy for patients with cT2-4N0-1M0 non–small cell lung cancer has not been extensively studied.

Deep learning with biopsy whole slide images for pretreatment prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer：A multicenter study

IntroductionPredicting pathological complete response (pCR) for patients receiving neoadjuvant chemotherapy (NAC) is crucial in establishing individualized treatment. Whole-slide images (WSIs) of tumor tissues reflect the histopathologic information of the tumor, which is important for therapeutic response effectiveness. In this study, we aimed to investigate whether predictive information for pCR could be detected from WSIs.Materials and methodsWe retrospectively collected data from four cohorts of 874 patients diagnosed with biopsy-proven breast cancer. A deep learning pathological model (DLPM) was constructed to predict pCR using biopsy WSIs in the primary cohort, and it was then validated in three external cohorts. The DLPM could generate a deep learning pathological score (DLPs) for each patient; stromal tumor-infiltrating lymphocytes (TILs) were selected for comparison with DLPs.ResultsThe WSI feature-based DLPM showed good predictive performance with the highest area under the curve (AUC) of 0.72 among the cohorts. Alternatively, the combination of the DLPM and clinical characteristics offered a better prediction performance (AUC >0.70) in all cohorts. We also evaluated the performance of DLPM in three different breast subtypes with the best prediction for the triple-negative breast cancer (TNBC) subtype (AUC: 0.73). Moreover, DLPM combined with clinical characteristics and stromal TILs achieved the highest AUC in the primary cohort (AUC: 0.82) and validation cohort 1 (AUC: 0.80).ConclusionOur study suggested that WSIs integrated with deep learning could potentially predict pCR to NAC in breast cancer. The predictive performance will be improved by combining clinical characteristics. DLPs from DLPM can provide more information compared to stromal TILs for pCR prediction.     

甲磺酸伊马替尼联合VDLD化疗方案治疗急性淋巴细胞白血病患儿的长期随访研究

目的探究甲磺酸伊马替尼联合VDLD化疗方案治疗急性淋巴细胞白血病(ALL)患儿的应用价值。方法选取2015年5月~2018年6月收治的74例ALL患儿,按照治疗方案不同分组。对照组(37例)实施VDLD方案治疗,联合组(37例)实施甲磺酸伊马替尼+VDLD化疗方案治疗。对比两组疗效、不良反应发生率、随访1年无复发生存率(RFS)及治疗前、治疗2个疗程后血清B淋巴细胞刺激因子(BAFF)、增殖诱导配体(APRIL)水平。结果联合组总有效率(91.89%)高于对照组(72.97%)(P<0.05);联合组治疗2个疗程后血清BAFF、APRIL水平低于对照组(P<0.05);两组不良反应发生率、随访1年RFS对比无显著差异(P>0.05)。结论甲磺酸伊马替尼联合VDLD化疗方案治疗ALL,疗效确切,能显著降低血清BAFF、APRIL水平,且安全性高。