目的 本研究旨在通过基于CT定量有限元分析(finite element analysis,FEA)来确定椎体强度与椎体骨折(vertebral fracture,VF)、骨密度(bone mineral density,BMD)之间的关系,以期为临床诊治提供参考.方法 回顾性分析本院于2020年1月至2020年12月期间收治的26例椎体骨折患者和62例匹配的对照组.腰椎CT扫描评估椎体压缩强度、积分vBMD、骨小梁vBMD、基于CT的BMC和基于CT的aBMD.结果 调整年龄、BMI和椎体骨折状态后,基线时脊柱强度较低与新发或恶化的椎体骨折风险增加相关(OR=5.2,95％CI:1.3-19.8).ROC曲线下面积显示,椎体强度比基于CT的aBMD更好地预测椎体骨折的发生(AUC=0.804比0.715,P=0.05),但不如积分vBMD(AUC=0.815)或基于CT的BMC(AUC=0.794).此外,脆性骨强度阈值在识别椎体骨折方面倾向于比骨密度分类的骨质疏松症有更好的敏感性(0.46 vs.0.23,P=0.09).结论 椎体强度测量与椎体骨折事件之间存在关联,基于CT的有限元分析估计的骨强度提供了同等或更好的预测椎体骨折事件的能力,基于CT的有限元分析估计椎体强度对于识别脊柱骨折的高危患者是有用的.

目的 基于电子鼻技术探讨慢性萎缩性胃炎(CAG)湿热证患者口腔呼气气味图谱特征及识别效果.方法 招募慢性胃炎患者,其中CAG湿热证组60例、CAG非湿热证组50例、慢性非萎缩性胃炎(CNAG)湿热证组60例、CNAG非湿热证组50例,同时将健康志愿者30例设为健康对照组.随机选取CAG湿热证组中10例和CAG非湿热证组50例组成CAG组,选取CNAG湿热证组10例和CNAG非湿热证组50例组成CNAG组.除健康对照组外,其余各组患者进行幽门螺杆菌(Hp)检测;运用电子鼻(GISXM-MQWA01)采集所有受试者口腔呼气气味绘制图谱,对健康对照组与CAG组、CNAG组受试者,CAG湿热证组、CAG非湿热证与CNAG湿热证口腔气味图谱各响应曲线(包括曲线A、B、C、D、E、F、G、H、I、J)振幅、斜率进行比较.运用改良Transformer模型对气味图谱特征进行分类,并采用混淆矩阵方法对分类模型进行评估,指标包括准确率、ROC曲线下面积(AUC)等.结果 CAG湿热证组Hp阳性率为80.00％(48/60),CAG非湿热证组为62.00％(31/50),CNAG湿热证组为46.67％(28/60),CNAG非湿热证组为42.00％(21/50),CAG湿热组与CAG非湿热组Hp阳性率比较差异有统计学意义(P＜0.05).CAG组气味图谱的响应曲线A、B、C、D、F、G、I振幅及A、F的斜率均低于健康对照组,曲线E振幅及斜率高于健康对照组和CNAG组(P＜0.05或P＜0.01);CNAG组的图谱响应曲线A、B、C、D、F、G、I振幅及A、D、F斜率低于健康对照组(P＜0.05或P＜0.01).CAG湿热证组气味图谱响应曲线D振幅及J斜率高于CNAG湿热证组,曲线F振幅低于CAG非湿热证组,曲线H振幅及A、H、J斜率高于CAG非湿热证组(P＜0.05).CAG组与健康对照组组间气味图谱识别模型的识别准确率达77.78％,AUC=0.88;CAG组与CNAG组的识别准确率达69.44％,AUC=0.61;CAG湿热证组与CAG非湿热证组识别准确率可达75.8％,AUC=0.70.结论 电子鼻技术能对CAG湿热证患者的口腔呼气气味作出较为准确的识别,曲线F振幅降低,曲线H振幅及A、H、J斜率升高可能是其气味图谱特征.

目的 采用近红外高光谱成像技术(HSI)鉴别四裂红景天和长鞭红景天.方法 采集935～1720 nm长鞭红景天和四裂红景天的高光谱图像信息.采用主成分分析法(PCA)和正交-偏最小二乘判别分析法(OPLS-DA)进行分类判别.结果 OPLS-DA比PCA分析具有更好的分类性能,HSI和OPLS-DA分析结合可准确识别两种红景天.结论 所用方法可快速、无损地鉴别长鞭红景天和四裂红景天,为红景天的品种鉴定、质量控制和评估提供了参考.

目的:为实现更好的颈椎健康监测与颈椎病预防效果,设计一种嵌入式颈椎健康智能系统.方法:该系统主要由移动便携监测终端、云端服务器、微信小程序三大部分组成.移动便携监测终端主要由数据采集模块、数据处理模块、物联网通信模块三大模块组成,其中数据采集模块选用JY901-S作为主要数据传感器;数据处理模块通过动作分类模型对头部动作进行分类识别,选用STM32F4作为主控芯片、国产RT-Thread作为嵌入式操作系统;物联网通信模块选用乐鑫ESP32-C3系列Wi-Fi蓝牙双模模块.云端服务器选用Linux+Nginx+uWSGI作为Web服务器架构,通过MySQL数据库存储用户数据,并利用颈椎健康评估模型评估用户颈椎健康状态.微信小程序采用WXML+WXSS+WXS开发.结果:该系统基本能够实现颈椎健康状态监测和运动指导功能,且对人体头部动作分类识别的平均准确率为90％以上,对颈部关节活动度的测量精度为±1°,整体性能较好.结论:该系统能有效帮助用户建立并维持规律的颈椎健康运动行为,可为医院等机构提供关键可靠的康复运动治疗方案与康复护理数据支撑.

前列腺癌(prostate cancer,PCa)是全球男性中患病最多、致死率第二高的癌症.PCa神经微环境与肿瘤进展、手术根治程度及术后复发密切相关,但具体机制尚不明确.神经微环境中的神经密度(neural density,ND)、神经周围侵袭(perineural invasion,PNI)以及神经内分泌特征(neuroendocrine features,NEF)与TMPRSS2 ERG基因、单胺氧化酶A(monoamine oxidase A,MAOA)、核因子κB,神经营养因子以及神经肽Y(neuropeptide Y,NPY)等的表达密切相关.挖掘与该基因组学及蛋白组学相关的影像标志物可以早期识别PCa神经微环境从而影响临床诊疗方案.基于多参数磁共振成像(multiparameter magnetic resonance imaging,mp-MRI)影像组学特征可以识别PNI及NEF的潜在影像标志物.基于磁粒子成像技术(magnetic particle imaging,MPI)、深度神经网络(deep neural network,DNN)图像分类模型可以进行神经可视化.新兴神经影像技术弥散张量成像(diffusion tensor imaging,DTI)、扩散频谱成像(diffusion spectrum imaging,DSI)、神经突定向扩散与密度成像(neurite orientation dispersion and density imaging,NODDI)以及基于吩噁嗪的近红外荧光团的设计合成与神经成像技术,在显示及预测ND、PNI、NEF也蕴含着独特的价值.本文就PCa患者神经微环境潜在影像标志物的研究现状进行综述,以进一步揭示PCa神经微环境的神经生理机制,为后续诊疗过程及改善患者预后提供影像学依据.

傅里叶变换衰减全反射红外(attenuated total reflection Fourier transform infrared,ATR-FTIR)光谱技术以其快速、准确、无创的特点,在生物医学领域尤其是临床血液学检验中显示出巨大潜力.该技术记录样本中分子的振动光谱,提供生物样品内核酸、蛋白质和脂质的化学结构信息,可用于疾病筛查和诊断.ATR-FTIR光谱技术在地中海贫血、艾滋病毒感染、乳腺癌、卵巢癌和脑瘤等疾病中的研究现状和发展情况,提示该技术结合化学计量学方法可实现疾病的快速筛查、诊断与鉴别诊断.ATR-FTIR光谱技术与偏最小二乘法回归模型相结合,以定量法分析人外周血样品中平均红细胞血红蛋白含量、平均红细胞体积和血红蛋白等地中海贫血筛查指标,筛查地中海贫血的灵敏度、特异度分别达到100.0%和95.3%.采用ATR-FTIR光谱技术,基于遗传算法的线性判别分析法,分析血液样本红外图谱中1 653 cm-1(酰胺Ⅰ带)、1 558 cm-1(酰胺Ⅱ带)、1 506 cm-1(环基)和901 cm-1(磷酸二酯伸缩带)处的特征峰,对人类免疫缺陷病毒(human immunodeficiency virus,HIV)感染孕妇血液样本的辨别准确率为89%,灵敏度、特异度分别为83%、92%.采用主成分回归(principal component regression)法对乳腺患者血液ATR-FTIR光谱进行识别,其灵敏度与特异度高达92.3%与87.1%此外,ATR-FTIR光谱技术还可应用于生物医学领域的其他方面,如细胞和组织学样本的检测、疾病严重程度的分类等.ATR-FTIR光谱技术展现出广阔的应用前景,但仍面临环境干扰、样本污染等挑战.未来,随着ATR-FTIR光谱技术的优化、发展,其有望在更多疾病的临床血液学检验中发挥重要作用.

目的 探讨上海市急诊科护士抗逆力的潜在类别,分析抗逆力潜在类别的影响因素,为护理管理者制定个性化的抗逆力干预方案提供依据.方法 2021年6-10月,以方便抽样法选取上海市2所三级医院和2所二级医院349名急诊科护士,采用《医护人员抗逆力量表》《工作重塑量表》《员工工作激情量表》《领导选择感知量表》对研究对象进行问卷调查,使用潜在剖面分析模型识别抗逆力的潜在类别,并用多分类logistic回归模型分析潜在类别的影响因素.结果 回收有效问卷343份,有效回收率98.28％.343名护士抗逆力得分为(71.33±11.41)分,其中决策应对维度(24.84±3.91)分,人际联结维度(16.93±2.57)分,理性思维维度(15.70±2.93)分,柔性自适维度(15.87±3.02)分.急诊科护士抗逆力可分为3个潜在类别,即低抗逆力组(51名,占14.9％)、中等抗逆力组(103名,占30.0％)和高抗逆力组(189名,占55.1％).logistic回归分析结果显示:工作重塑得分每增加1分,低抗逆力组护士转变为中等抗逆力(波动型)组护士的可能性增加到1.109倍(P＜0.001).工作重塑、工作激情得分每增加1分,低抗逆力组护士转变为高抗逆力组护士的可能性分别增加到1.194、1.094倍(均P＜0.01).结论 急诊科护士抗逆力的3个潜在类别呈现出人群特征差异.护理管理者应因人而异,采取阶段性的干预措施,如提升护士的工作激情和工作重塑等方式,增加急诊科护士的抗逆力水平.

目的 胸部X线是临床实践中常见的胸部疾病筛查和诊断方式.由于放射科医生长时间阅片容易视觉疲劳以及医疗资源分配不均衡的问题,导致误诊和漏诊的情况时有发生.针对这一问题,本研究运用深度学习技术,提出了一个基于ConvNeXt模型的胸部X线图像的疾病检测方法,旨在提高胸部疾病诊断准确度、减轻误诊风险并提高医生工作效率.方法 利用大规模公开胸部X线图像数据集ChestX-ray14训练ConvNeXt模型,该模型在ResNet模型的基础上,融合了视觉Transformer结构的优势,可以有效提高模型的特征提取和识别能力,同时以AUC(ROC曲线下方的面积)作为模型性能的评价指标,与已有的分类模型CheXNet、ResNet及Swin Transformer进行了对比.此外,通过引入Grad-CAM可视化方法,利用卷积神经网络特征图的梯度信息生成胸部X线图像的类激活热力图,实现对病灶区域的定位,从而提高医生的诊断效率.结果 基于ConvNeXt模型的诊断方法在识别14种胸部疾病时平均AUC值可达0.842,特别在识别积液(AUC值为0.883)、水肿(AUC值为0.902)和疝气(AUC值为0.942)等疾病时表现较为令人满意.结论 本文提出的方法在胸部X线图像的疾病检测中具有较好的性能,是一种对胸部X线图像进行胸部疾病诊断进而协助医生提高工作效率的有益尝试.

目的探讨冠状动脉旁路移植术(coronary artery bypass grafting,CABG)患者术后疲劳发展轨迹及其影响因素.方法采用便利抽样法,选取2022年10月-2023年8月在我院心脏外科行CABG的145例患者为研究,随访过程中剔除18例,最终共纳入124例患者.分别在出院前1 d及出院后1、2、4个月采用一般资料调查表、中文版多维疲劳量表(multidimensional fatigue inventory-20,MFI-20)及Barthel指数评定量表对患者术后疲劳水平进行追踪调查,利用潜类别增长模型(latent class growth model,LCGM)识别潜在的术后疲劳轨迹类别,采用多分类logistic回归分析患者术后疲劳轨迹类别的影响因素.结果患者术后MFI-20得分随时间呈下降趋势(F=310.039,P＜0.001),得分从出院前1 d(58.44±8.65)分降至出院后4个月(36.92±9.89)分;最终识别出3种术后疲劳轨迹类别,根据其特征分别命名为中至轻度明显下降组、中度缓慢下降组、重至中度缓慢下降组,分别占比53.2％、32.3％、14.5％.单因素分析显示:有无心肌梗死病史、有无脑卒中病史、NYHA心功能分级、术后ICU停留天数、术后左室射血分数(LVEF)、红细胞计数、血红蛋白、总胆固醇、低密度脂蛋白、日常生活活动能力与术后疲劳轨迹类别有关(均P＜0.05);多因素logistic回归分析显示:术后ICU停留天数、有无心肌梗死病史、NYHA心功能分级、有无脑卒中病史、日常生活活动能力是CABG患者术后疲劳轨迹类别的主要影响因素(均P＜0.05)o结论CABG患者术后疲劳发展轨迹存在异质性,医护人员应根据不同变化轨迹制定针对性护理措施,积极改善可控因素,缓解患者术后疲劳程度.

目的 分析社区老年人积极老龄化水平的潜在类别及影响因素,探究不同类别与护理需求的关系.方法 采用分阶段多层抽样法,于2023年6月—8月选取青岛市341名社区老年人为调查对象,采用一般资料调查表、积极老龄化量表、老年人护理需求调查表进行调查.对社区老年人积极老龄化进行潜在剖面分析,采用无序多分类Logistic回归分析不同类别的影响因素.结果 社区老年人积极老龄化被识别为3个类别,包括低积极老龄化型(38.1％)、中积极老龄化-高心灵智慧型(51.6％)、高积极老龄化-综合型(10.3％).Logistic回归结果显示,年龄、学历、月收入、护理需求是社区老年人积极老龄化的影响因素(均P＜0.05),其中自我发展与贡献需求低的社区老年人更倾向于"低积极老龄化型";生活照料与居住环境需求高(OR=3.268,P=0.011)、精神与心理支持需求高(OR=1.972,P=0.025)、人际沟通与健康知识需求高(OR=3.433,P＜0.001)、保护与安全需求低(OR=0.446,P=0.012)的社区老年人更倾向于"中积极老龄化-高心灵智慧型";健康监测需求低(OR=0.297,P=0.029)、专科护理需求高(OR=3.019,P=0.033)的社区老年人更倾向于"高积极老龄化-综合型".结论 社区老年人积极老龄化处于中等水平,以3种类型分布.社区护理人员应重点关注"低积极老龄化型"与"中积极老龄化-高心灵智慧型"老年人,根据不同类别特征采取针对性干预,精准满足其护理需求,提高社区老年人积极老龄化水平.