目的:为解决医学院校学生高等数学学习难度大、学时紧、学生学习兴趣差、接受程度低等困扰高等数学学习的问题，积极开展线上线下混合式教学模式。方法:选取2022级临床医学专业、生物医学工程专业、信息管理与信息系统专业共6个班级243名学生作为研究对象（试验组），采用自制线上学习资源与中国大学MOOC教学资源结合的线上线下混合式教学模式。课前根据教学内容设置教学目标、上传教学资源，利用超星学习通平台发布课前学习任务，帮助学生课前预习。课中教师面授，并在学习通平台发布课堂提问、随堂测验等，检验课上学习效果，方便教师掌握学生学习情况，及时进行教学调整，帮助学生顺利完成课上学习。课后在超星学习通平台上发布课上授课视频及课后习题讲解等，辅助学生巩固课上学习。并分班建立课程QQ群，方便课后与学生沟通、辅导答疑。采用SPSS 20.0软件进行 t检验。 结果:线上线下混合式教学有效提高了学生课上的参与度，极大地调动了学生的学习热情，课上平均师生互动由每节6次提高到10次；课上出勤率由原来的93.93%（232/247）提高到97.94%（238/243）；作业按时提交率由原来的92.71%（229/247）提高到96.71%（235/243）。课程教学完成以后，学生的期末综合成绩由（81.27±4.56）分提高到（89.52±3.42），差异有统计学意义（ t=8.25， P<0.001）。 结论:线上线下混合式教学的采用，不仅对学生学习成绩有良性作用，而且更大程度地激发了学生学习高等数学的热情。后续期待学生应用数学解决实际问题的能力进一步提高。

目的:通过观察呼吸机吸气触发波形特点，找出触发点对应的回路压力与流量，结合呼吸机工作原理及呼吸力学定律，确定以肺泡内压等作为反映吸气触发努力程度的指标，建立与其相关的数学公式，分析其影响因素与逻辑关系。方法:将模拟肺分别连接到PB840型呼吸机和SV600型呼吸机的呼吸回路。呼吸机调整为流量触发模式，呼气末正压（PEEP）设为5 cmH 2O（1 cmH 2O≈0.098 kPa），分别在流量触发灵敏度（V Trig）为3 L/min、5 L/min时，分别以慢速、中速、快速3种触发力度手动牵拉模拟肺触发1次有效送气。调整呼吸机为压力触发模式，分别在压力触发灵敏度（P Trig）为2 cmH 2O、4 cmH 2O时重复上述过程。通过调节呼吸机显示屏内曲线的刻度，观察不同触发情况下触发点对应的回路压力与流量。以肺泡内压Pa作为研究对象，应用呼吸力学方法分析达到有效触发时刻（T T）所需要的Pa（即Pa -T），以及Pa在触发期间的压力变化幅度（ΔP）及时间跨度（ΔT）。 结果:① T T时刻压力与流量的对应关系：流量触发模式下，慢速、中速、快速触发时，吸入流量为V Trig，回路压力分别对应为PEEP、PEEP－P n、PEEP－P n'（P n、P n'为下降幅度，其中P n'>P n）；压力触发模式下，吸入流量为偏流（PB840型呼吸机为1 L/min，SV600型呼吸机可能为2 L/min），回路压力为PEEP－P Trig。② Pa -T的计算：流量触发模式下，慢速触发时Pa -T＝PEEP－V TrigR（R为气道阻力），中速触发时Pa -T＝PEEP－P n－V TrigR，快速触发时Pa -T＝PEEP－P n'－V TrigR；压力触发模式下，Pa -T＝PEEP－P Trig－1R。③ ΔP的计算：流量触发模式下，慢速触发时，如无内源性PEEP（PEEPi），则ΔP＝V TrigR；如有PEEPi，则ΔP＝PEEPi－PEEP+V TrigR。中速触发时，如无PEEPi，则ΔP＝P n+V TrigR；如有PEEPi，则ΔP＝PEEPi－PEEP+P n+V TrigR。快速触发时，如无PEEPi，则ΔP＝P n' +V TrigR；如有PEEPi，则ΔP＝PEEPi－PEEP+P n'+V TrigR。压力触发模式下，如无PEEPi，则ΔP＝P Trig+1R；如有PEEPi，则ΔP＝PEEPi－PEEP+P Trig+1R。④ Pa的压力时间变化率（F P）的计算：设F P＝ΔP/ΔT，在ΔP相同的情况下，ΔT越短，说明触发越快；同样，在ΔT相同的情况下，ΔP越大，意味着触发能力或触发努力程度越大，F P更能反映患者的触发能力或触发努力程度。 结论:以触发所需要的最低肺泡内压、肺泡内压的压力跨度及其压力时间变化率3个指标来反映患者的吸气努力程度，并建立数学公式，可直观呈现吸气触发相关因素间的逻辑关系，便于临床分析。

数理与医学相结合是医学教育的难点之一。在此分析现有医学教育中制约数理与医学结合课堂教学的7个因素；通过针对医学生设置的《医疗仪器的临床应用》课程，尝试凝练知识点、问题引导、逻辑推演、实验验证等教学实践。上述举措提高了学生的知识综合运用能力、逻辑思考能力、解决问题能力，提升了课程教学质量。

有限元方法是利用数学近似对真实物理系统进行模拟的一种数值计算方法，因具有很强的适应性、计算精度及利用计算机进行大规模计算的能力，其适用范围已从传统的结构分析扩展到几乎所有的科学技术领域。人体消化系统可大致分为实质脏器（肝胆、胰腺）及空腔脏器（食管、胃、肠道），利用有限元软件的强大建模功能及其接口工具，可以建立三维人体消化系统模型，并能够赋予其生物学特性对模型进行实验条件仿真，求解在复杂外力及边界条件作用下各种消化系统疾病的问题。本文对有限元方法在人体消化系统领域的应用特点进行综述，并指出未来的发展方向。

如何预测新发心房颤动（房颤）的发病是亟待解决的公共卫生难题。现有的房颤预测模型尚不能较全面地涵盖发病相关的临床信息，疾病预测能力有限。机器学习这一新兴人工智能技术具有可处理大量数据和自动化分析的优势，可弥补传统数学模型在预测新发房颤时的不足。本文将对机器学习预测新发房颤的相关研究进行综述。

目的:评价导师制莱斯特评估包（LAP）教学模式应用于全科医学专业实习生的实习教学效果。方法:以2020年7月1日至12月31日北京市某大学五年制中医全科医学专业学员60人为研究对象，分为试验组和对照组，各30人。以在北京市方庄社区卫生服务中心实习的学员作为试验组，在北京市其他社区教学基地实习的同班学员作为对照组。按照中医全科医学专业本科临床实践教学大纲，对照组学员采用传统临床实习培训方法，试验组学员采用导师制LAP教学模式，即采用团队集中授课、每周1次LAP案例讨论和门诊“导师制”一对一LAP带教的教学方法。培训1个月后，采用赋分后的LAP评分表进行效果评价。结果:培训后，两组学员病史采集、体格检查、问题解决、患者管理、医患关系、预期照顾和病历记录7个条目得分均较培训前提高，差异均有统计学意义（对照组 t值分别为4.23、5.06、8.94、4.85、3.99、1.04和5.13，试验组 t值分别为11.86、2.85、12.42、13.61、6.29、4.83和5.63，均 P<0.05）；试验组学员病史采集、体格检查、问题解决、患者管理、医患关系和预期照顾得分高于对照组（ t值分别为5.66、2.83、5.67、8.13、2.76、2.52，均 P<0.05）。培训后，病史采集条目中，试验组学员以患者为中心的沟通、RICE的识别和生理-心理-社会因素得分高于对照组（ t值分别为5.66、7.35和2.66， 均 P<0.05）；解决问题条目中，试验组临床资料的应用、综合分析力和个人能力局限性得分高于对照组（ t值分别4.32、3.38和2.26， 均 P<0.05）；患者管理条目中，试验组总体管理方案、医患协作、消除疑虑、复诊/随访和患者对管理方案的理解程度得分高于对照组（ t值分别为3.03、2.07、2.43、3.15和2.17， 均 P<0.05）。 结论:导师制LAP教学模式有助于提高医学生临床实习效果，是一种适用于全科医学专业的临床实习教学模式。

目的:通过构建维持性血液透析患者蛋白结合尿毒症毒素（protein-bound uremic toxins，PBUTs）的透析清除动力学模型，评估向透析液中添加不同吸附能力的吸附剂对PBUTs清除率的影响，并且运用此模型预测吸附剂的吸附效能。方法:该研究将血浆流速（ Qp）、透析液流速（ Qd）、PBUTs血浆游离分数（ f1）、PBUTs透析液游离分数（ f2）、透析器传质系数（ K）和透析膜表面积（ A）的参数综合，通过透析过程的质量平衡方程和菲克第一定律（Fick's first law）构建透析器中的PBUTs吸附清除的动力学数学模型，并运用此模型评估不同PBUTs清除率与透析器参数和吸附剂吸附能力的变化关系。 结果:该研究的PBUTs吸附清除的动力学数学模型：PBUTs清除率（CL）= Qp1-f1-f2γφf1-f2γ,γ=QpQd,φ=eKAf1Qp-f2Qd。应用该模型对硫酸吲哚酚（indoxyl sulfate，IS）和对甲酚硫酸盐（p-cresol sulfate，pCS）透析过程的透析参数分析发现，PBUTs清除率随其在血浆中与白蛋白结合能力降低、透析器中血浆流速升高、透析液流速升高、透析器传质能力增强、透析膜表面积增大及透析液中吸附剂的吸附能力增强而升高，并且升高趋势在应用吸附剂后尤为明显；进一步分析透析液流速和透析液中吸附剂吸附能力发现，透析液流速升高可以弥补透析液中吸附剂吸附能力的差异，在透析液流速趋于无限情况下，透析液中吸附剂的吸附能力对PBUTs清除率没有影响。 结论:在透析过程中向透析液中添加PBUTs吸附剂能够明显提高PBUTs的透析清除率，具有临床应用价值。

目的:对传染病流行规律研究的数学和统计模型进行归纳和总结，探索新型冠状病毒疫情分析和决策建模研究的思路和建议。方法:对比分析了常用的传染病建模分析的数学和统计模型，重点研究了已经公开的有关新型冠状病毒的数学模型及其实际效果。结果:多个传染病动力学模型已经应用于新型冠状病毒肺炎的分析，它们分别考虑了追踪和隔离机制，城市之间的人口流动和干预措施对病毒传播能力的影响等因素。从分析结果来看，多个模型对感染人数的预测结果与实际情况差距较大。由此可见，对新型冠状病毒肺炎的动力学模型在准确性和扩展性上有待提高。结论:建议结合新型冠状病毒的特点，利用更加多源化的数据和信息，提高分析和决策模型的准确性和适应性。

为提升公共卫生领域复合型人才的综合素质，保障高质量传染病防控人才队伍储备，2022年5月中山大学公共卫生学院面向全院研究生开设传染病动力学传播模型入门课程。本课程采取理论讲授与实践应用相结合的形式，以选修课程形式从应用角度培养研究生传染病数学建模能力，取得了良好的教学效果，学生总体满意度较高。本文对该课程的设计、实施、教学效果等进行了介绍，旨在为传染病动力学传播模型课程建设提供参考。

近年来，随着环境变化以及部分人群过度用眼等因素影响，干眼的发病率逐年升高，作为其主要类型的蒸发过强型干眼的发生多是由于脂质层出现质或量异常而引起的睑板腺功能障碍(MGD)所致，由于诊断和分类的差异，目前对于该病的治疗尚无统一标准，临床医生对其诊疗效果的判断和随访管理受限。随着大数据的可获得性、计算机图形处理及数学模型的改进，人工智能(AI)在医疗领域获得广泛应用。AI系统能够利用机器学习和深度学习等技术，发挥先进的问题求解能力，使诊断更客观，提高诊疗效率。AI在眼科的应用主要是基于眼科图像的辅助诊断、眼病筛查，减少医疗系统对人工的依赖程度，使眼病相关筛查诊断更快速、更便捷、一致性更高，缓解医疗负担，从而显著提高医疗服务的效率和成本效益。目前，AI在白内障、青光眼、糖尿病视网膜病变等领域的使用日趋成熟，在MGD相关干眼领域的研究也取得一定进展，本文就AI在MGD相关干眼中的应用现状及进展进行综述。