目的 优化基于ASTM F2131-02标准试验的重组人骨形态发生蛋白-2(recombinant human bone morphogenetic protein-2,rhBMP-2)体外生物活性的检测方法,并进行验证.方法 在美国试验材料学会(American Society for Testing Material,ASTM)建立方法的基础上,对检测细胞株(W-20-17及C2C12细胞)、rhBMP-2稀释方式(2及3倍系列稀释)、细胞培养时间(24、36、48、72h)、细胞冷冻温度(-20及-80 ℃)进行优化,并验证优化方法的特异性、中间精密性、线性及耐用性.应用优化方法检测不同厂家来源rhBMP-2的比活性.结果 确定采用C2C12细胞作为检测细胞;最佳rhBMP-2稀释方式为2倍系列稀释;最佳细胞培养时间为48 h;最佳细胞冷冻温度为-80 ℃.rhBMP-2样品中加入杂蛋白(牛血清白蛋白)时,C2C12细胞可特异性响应其中的rhBMP-2诱导作用;2名实验员于2个时间点共12次检测结果的CV为11.7％;rhBMP-2样品的理论效价在70％～142％范围内与实测效价呈良好的线性关系,拟合直线回归方程为:y=0.983 1 x-0.010 3,R2为0.996 4;采用4、11、21代次C2C12细胞检测rhBMP-2比活性的CV为5.2％.采用优化方法重复2次测定不同厂家来源rhBMP-2样品比活性的CV为1.3％～7.5％.结论 优化的方法具有良好的特异性、中间精密性、线性及耐用性,可用于rhBMP-2体外生物活性的检测,为其研究、生产和应用提供了可靠的分析方法.

目的/意义 探究相关政策的技术要点和实施路径,为未来智慧健康城市规划与建设提供参考.方法/过程 梳理国内外智慧健康城市领域相关政策,介绍其制定实施情况;深入分析相关政策内容,阐述智慧健康城市政策的演变轨迹、技术要点和实施路径,以及其对城市发展的推动作用.结果/结论 建立健康信息化、资源网络化、服务智能化和监管一体化的框架,可以有效应对城市卫生健康挑战,提供高效的健康服务,并提高居民的生活质量和卫生水平.优化医疗资源配置、促进医疗机构间协调合作、拓展健康产业等政策,将共同推动城市健康生态系统的持续进步.

目的:基于深度学习技术和计算机语言设计烧烫伤创面深度智能检测模型并予以测试，验证该模型对烧烫伤创面图像检测的有效性及准确性。方法:收集2022年1月至2024年2月在上海交通大学医学院附属瑞金医院烧伤整形科接受治疗且符合入选标准的烧烫伤患者伤后48 h内创面照片共492张，重置照片顺序并编号。由两名执业3年以上的副主任医师采用图像标注工具LabelMe对照片中的目标创面进行标记并判定其严重程度，严重程度分为Ⅰ度、Ⅱ度和Ⅲ度。采用图像处理技术扩充数据集至2 952张，按照7∶2∶1比例划分为训练集、验证集及测试集。在Python 3.10.0版本下，提出并构建基于深度学习的烧烫伤创面深度智能检测模型P-YOLO，通过多批次训练调整并优化网络参数。经过测试得到该模型在数据集上的各项指标参数，如查准率、召回率以及在不同交并比(IoU)下的平均精度均值等，根据实验结果绘制出相应的F1指数曲线和混淆矩阵。结果:(1)经测试，所设计的P-YOLO智能检测模型对Ⅰ度、Ⅱ度和Ⅲ度烧烫伤创面识别的查准率分别为0.962、0.931及0.886，召回率分别为0.849、0.828及0.857，F1指数分别为0.902、0.876及0.871。(2)混淆矩阵显示，P-YOLO模型检测Ⅰ度、Ⅱ度和Ⅲ度烧烫伤创面的准确度分别为0.86、0.87及0.91。(3)当IoU阈值为0.5时，P-YOLO模型检测Ⅰ度、Ⅱ度和Ⅲ度烧烫伤创面的平均精度均值为0.893、0.885及0.838。在所有类别创面中，P-YOLO模型检测的平均精度均值为0.872。(4)与Faster R-CNN、YOLOv5及YOLOv7检测模型相比，P-YOLO模型具有最高的平均精度均值，检测效果最优。结论:基于深度学习的智能检测模型P-YOLO整体检测准确率和可靠性较高，能够提高烧伤科医师对烧烫伤创面深度的诊断准确度和效率。

肝移植是治疗儿童终末期肝病的有效手段，疗效确切。劈离式肝移植能有效扩大儿童供肝来源，劈离式供肝儿童肝移植具有特殊临床特点和规律，建立劈离式供肝儿童肝移植技术操作规范对提高疗效具有重要意义。本文从供者和供肝评估、供受体匹配、供肝管道的分割与重建方面形成劈离式供肝儿童肝移植临床操作指南，旨在规范劈离式供肝儿童肝移植的技术流程，优化手术细节，降低并发症发生率，进而促进我国劈离式供肝儿童肝移植快速发展。

目的:针对糖尿病足感染，建立一种新的多学科抗感染治疗模式并评估其效果。方法:采用历史性对照研究设计。回顾性分析北京大学第一医院整形烧伤科2016年10月1日至2018年3月31日期间收治的糖尿病足感染患者的临床资料，将其纳入常规管理组(对照组，48例)。将2018年4月1日至2019年9月30日期间收治的糖尿病足感染患者前瞻性纳入优化管理组，由整形烧伤科、感染疾病科及药剂科医师组成团队，早期、全程参与患者抗感染治疗(优化组，52例)。比较2组患者的一般情况、糖尿病足感染情况、治疗及预后指标。结果:一般情况方面，与对照组相比，优化组患者糖尿病足溃疡病程更长(120 d vs 30 d，P <0.05)、周围神经病变比例更高(80.8% vs 54.2%，P <0.05)；入组时糖尿病足感染情况方面，与对照组相比，优化组患者的骨髓炎部位更多(P <0.05)、多重细菌感染的比例更高(48.1% vs 10.0%，P <0.05)；但在治疗及预后方面，与对照组相比，优化组接受初始经验性抗感染治疗的正确率更高(86.5% vs 31.3%，P <0.05)，发热持续时间更短(1.5 d vs 8.0 d，P <0.05)。随访1年，两组患者的治愈率和复发率相近。结论:整形烧伤科、感染疾病科及药剂科医师早期、全程参与的优化多学科抗感染治疗模式，有利于糖尿病足感染的治疗，改善患者预后。

目的 探究宫颈癌患者术后并发症的影响因素,并构建风险预测模型.方法 回顾性分析2016年1月至2023年11月于开封市肿瘤医院、河南省肿瘤医院、河南大学淮河医院三家医院行宫颈癌手术的805例患者临床资料,根据是否出现并发症分为发生组(n=120)和未发生组(n=685).收集两组患者临床资料,采用LASSO回归优化筛选变量,多因素Logistic回归分析宫颈癌术后并发症的独立危险因素,纳入R软件构建预测宫颈癌并发症发生的列线图模型并通过绘制校准曲线、受试者工作特征(ROC)曲线验证列线图模型的预测效能.结果 宫颈癌术后并发症总发生率为14.91%(120/685),其中尿潴留发生率最高,依次为盆腔淋巴囊肿、下肢深静脉血栓、泌尿系感染、右侧髂外静脉损伤、输尿管损伤;单因素分析结果显示,发生组患者肥胖、FIGO分期ⅡA期、Q-M手术分型系统C1和C2型、术中后腹膜缝严患者占比明显高于未发生组,手术时间、术中出血量、淋巴结清扫数量、术后卧床时间长(多)于未发生组,而术前凯格尔运动、术中淋巴结残端结扎患者占比明显低于未发生组,差异均有统计学意义(P<0.05);多因素Logistic回归分析结果显示,肥胖、FIGO分期ⅡA期、Q-M手术分型系统C1和C2型、手术时间、术后卧床时间、术中后腹膜缝严均是宫颈癌术后并发症的相关危险因素(P<0.05),而术前凯格尔运动、术中淋巴结残端结扎是宫颈癌术后并发症的相关保护因素(P<0.05);基于8个影响因素建立列线图模型,校准曲线显示,列线图模型C-index为0.900,校准度为0.799;ROC曲线分析结果显示,列线图模型预测宫颈癌术后并发症的曲线面积(AUC)为0.900(95%CI:0.715～0.984),敏感度为95.83%,特异度为92.55%.结论 Q-M手术分型系统、术中淋巴结残端结扎、术中后腹膜缝严、FIGO分期、术后卧床时间、体质量指数、手术时间、术前凯格尔运动均是宫颈癌术后并发症发生的独立影响因素,根据影响因素构建的列线图模型预测效能良好,可为临床宫颈癌术后并发症预防提供参考依据.

目的 使用神经网络以及优化算法,建立肥胖等级预测模型,对肥胖风险进行评估.方法 对从墨西哥、秘鲁和哥伦比亚收集的年龄在14岁至61岁之间参与者的2 111条记录数据进行相关性分析并建立BP神经网络肥胖等级预测模型,同时通过剪枝法对模型的隐层节点数和传递函数进行优选,找出最优网络结构.另外利用遗传算法和模拟退火算法对模型权值和阈值进行优化,最终建立起精确度高、实用性强的GASA-BP神经网络肥胖等级预测模型.结果 预测模型预测结果的R2为0.975 1,MAE为0.352,预测精度高,实用性强.在模型预测肥胖等级过程中,体重指标最为重要,与肥胖等级相关性达到了 0.913,家族中是否有超重成员相关性也比较强,相关性为0.505.结论 GASA-BP神经网络预测模型在预测肥胖等级方面性能优于其他模型,能够对肥胖等级做出最为准确的预测,可为个性化肥胖评估以及后续防控措施的制定提供一定的指导和参考.

目的 构建未经内镜治疗Forrest分级Ⅱa、Ⅱb级消化性溃疡(PU)患者早期再出血的预测模型,并验证该模型的效能.方法 回顾性分析经胃镜检查确定为消化性溃疡,Forrest分级为Ⅱa或Ⅱb级,且未接受内镜下治疗的患者共230例,采用随机化分组的方式将患者以7∶3的比例分为建模队列及验证队列.采用最小绝对收缩和选择算法(LASSO)进行10次交叉验证优化变量选择,经多因素Logistic回归分析建立预测模型,并绘制列线图实现模型可视化.用受试者工作特征(ROC)曲线、校准曲线、临床决策曲线对预测模型进行区分度、校准度、临床实用度的评价.结果 从18个变量中筛选出3个预测因子(休克、血红蛋白、纤维蛋白原)构建了预测模型.该预测模型具有较好的预测能力,在建模队列的ROC曲线下面积为0.924,在验证队列的ROC曲线下面积为0.970.校准曲线分析和决策曲线分析表明,其具有较好的预测精度.结论 构建了未经内镜治疗的Forrest分级Ⅱa、Ⅱb级消化性溃疡患者再出血的风险预测模型,该模型能够有效区分再出血高危患者.

目的:采用性状鉴别和聚合酶链式反应(PCR)技术对我国主要的海马养殖品膨腹海马Hippocampus abdominalis Leeson进行研究,为该品种鉴别技术开发提供数据支持.方法:通过查阅文献资料并结合样品统计观察,总结膨腹海马的性状鉴别特征;根据膨腹海马及其他海马的细胞色素C氧化酶亚基Ⅰ(COⅠ)基因序列,筛选出膨腹海马的特异性单核苷酸多态性(SNP)位点,设计专属膨腹海马的引物PFHM-Primer-F和PFHM-Primer-R.通过优化PCR体系反应条件,考察最佳的PCR反应体系.结果:膨腹海马的核心性状特征主要包括有较多的体环、尾环和背鳍条数,背鳍覆盖 4 个体环+1 个尾环;眼周和鳃盖部具有明显的大而黑的斑点等.基于COⅠ序列展开的PCR鉴别方法研究表明,当退火温度为 65℃,循环 30 次时,膨腹海马样品在 100～250 bp呈现单一明亮条带,而其他品种均无此条带.结论:建立的性状鉴别和特异性PCR鉴别方法可快速鉴别膨腹海马,为我国海马新资源的鉴别和后续开发提供参考.

目的 适应新形势下医学科技创新要求,探索建立具有科学性、规范性和合理性的管理制度和体系,积极推进医疗卫生机构研究者发起的临床研究(IIT)健康发展.方法 通过查询文献、政策解读及工作实践,了解目前IIT管理的痛点及难点问题,梳理IIT管理的核心要求及要素,思考完善IIT管理的措施.结果 探索IIT管理五大支撑体系建设.职能责任体系,对IIT进行分类分层管理、责权分明;质量监管体系,引入第三方协管机制,填补IIT质量管理三级质控体系的缺漏;经费支撑体系,减免IIT的医院管理费,将IIT承接情况纳入优选SMO年度考评指标;协同创新体系,对外与企业联动,对内各部门协调整合,共同促进IIT的高效率运转;风险预警体系,制定IIT风险评估标准,实时动态监管,强化IIT数据管理,保障IIT数据安全.结论 目前IIT管理在国内普遍缺乏足够的重视,且无完备的管理体系框架及实践.通过构建IIT五大体系建设方案,有利于优化流程、提高效率、保障质量、降低风险,对于IIT管理的完善和发展有一定的借鉴意义.