目的:观察改良高强度间歇运动(HIIT)对冠状动脉疾病(CAD)患者心脏康复的影响并评估其安全性及依从性，为优化CAD患者心脏康复方案提供参考资料。方法:采用随机数字表法将60例CAD患者分为运动组及对照组，每组30例。2组患者均给予常规心脏康复治疗(包括营养调整、心理疏导及低强度有氧运动等)，运动组患者在此基础上辅以每周2次、共6周改良HIIT干预(以85%~90%最大心率强度持续蹬车30 s后间歇30 s为1个循环，每次重复训练15个循环)。于干预前、干预6周后检测2组患者心肺适能、血压水平、血管功能及身体成分等变化情况，同时评估该改良HIIT方案的安全性及患者依从性。结果:与干预前比较，干预后运动组患者在递增负荷运动试验中的最大摄氧量及最大功率均明显增加( P<0.05)，血压水平及身体成分指标均明显改善( P<0.05)，积极情绪评分明显升高( P<0.05)，消极情绪及焦虑评分明显下降( P<0.05)，患者对训练的愉悦感较显著。对照组经干预后上述各项指标均无显著变化( P>0.05)。干预期间运动组训练计划完成率(97.4%)较对照组(88.7%)明显升高( P<0.05)，且2组患者均无严重不良反应或心血管相关事件发生。 结论:改良HIIT是CAD患者心脏康复的有效手段，能显著降低心血管疾病风险，同时还具有较高的安全性及患者依从性。

目的:探讨心脏优化训练表对急性心肌梗死(AMI)经皮冠脉介入术(PCI)患者心功能、运动耐力、心绞痛发作的影响。方法:选取2018年9月至2020年9月郑州人民医院106例行PCI术的AMI患者，按照入院顺序分组，各53例。对照组采取传统心脏康复(CR)训练，观察组采取心脏优化训练表，连续干预90 d。观察并比较两组训练依从性、心脏不良事件发生率(心绞痛发作、心力衰竭、恶性心律失常)，比较干预前、干预3个月后心功能指标〔左心室射血分数(LVEF)、左心室舒张末期内径(LVEDD)、室壁运动积分指数(WMSI)〕、运动耐力〔6 min步行距离(6MWD)、最大摄氧量(VO 2max)、无氧阈(AT)〕、生活质量。 结果:观察组训练依从性94.34%高于对照组75.47%，差异有统计学意义( P<0.05)；干预1个月、3个月后观察组LVEF、LVEDD高于对照组，WMSI低于对照组，差异有统计学意义( P<0.05)；干预1个月、3个月后观察组6MWD、VO 2max、AT高于对照组，差异有统计学意义( P<0.05)；观察组心脏不良事件发生率3.77%低于对照组26.42%，差异有统计学意义( P<0.05)；干预3个月后观察组生活质量高于对照组，差异有统计学意义( P<0.05)。 结论:心脏优化训练表对行PCI术的AMI患者术后恢复具有积极正向影响，使患者运动耐力和心功能得以加强，从而提升了患者生活质量，有效改善了预后效果。

目的:确定心肺复苏(cardiopulmonaryresuscitation，CPR)指导者对模拟儿科心脏骤停期间按压停顿频率和持续时间的影响。设计:本研究为一项前瞻性多中心研究视频数据的二次分析。共计40个历时18min的模拟儿科心脏骤停场景(20个无指导者团队和20个有指导者团队)。由3名临床专家进行审查，以记录每次胸外按压暂停前后发生的事件。场所:加拿大和美国的4家儿科学术医疗中心。对象:200名医疗服务提供者组成每组5人的跨专业复苏团队，其中包括1名CPR指导者或1名不具备CRP指导资格的临床医疗工作者。干预措施:团队随机包括1名CPR指导者或额外1名不具备CRP指导资格的临床医疗工作者。测量方法与主要结果:根据结果变量的分布和类型来记录每次胸部按压中断的频率、持续时间和相关因素，采用 t检验、Wilcoxon秩和检验或卡方检验进行组间比较。采用混合效应线性模型探讨CPR指导对按压暂停持续时间的影响，并考虑到团队内暂停持续时间的多重测量。共确定655次暂停(非指导组 n＝304，指导组 n＝351)。与非指导组相比，接受心肺复苏指导组的总平均暂停时间(98.6比120.85 s， P＝0.04)和插管暂停时间(中位4.0比15.5 s， P＝0.002)降低，平均暂停频率(17.6比15.2 s， P＝0.33)接近。有心肺复苏指导者的团队更有可能用语言表达暂停需求(86.5%比73.7%， P<0.001)，以及协调按压者更换，心律检查和脉搏检查(31.7%比23.2%， P＝0.05)。校正暂停数量及暂停期间执行任务类型后，有CPR指导者的团队按压暂停时间较短。 结论:与没有CPR指导者的团队相比，纳入训练有素的CPR指导者可优化暂停前语言指示，缩短暂停时间，缩短插管期间暂停时间，并更好的协调胸外按压暂停期间的关键任务。

目的:构建老年2型糖尿病患者低血糖随机森林预测模型，并进行内外部验证评价模型预测效果评价。方法:于2022年8月至2023年1月，选取北京医院的300例老年2型糖尿病患者为研究对象，收集患者人口学特征、病史、实验室检查指标等资料，将数据集以7∶3随机划分为训练集和验证集，基于随机森林算法构建并优化老年2型糖尿病患者低血糖预测模型。使用校准曲线判断模型校准度，使用ROC曲线评价模型区分度，通过决策曲线分析评估模型临床适用性，通过变量预测贡献排序探究老年2型糖尿病患者低血糖的风险因素。使用Bootstrap法进行内部验证，使用验证集进行外部验证。结果:300例老年2型糖尿病患者中，1周内发生低血糖患者128例（42.67%）。模型中风险因素预测贡献排序依次为：1个月内低血糖发生次数、高密度脂蛋白、心脏病、糖尿病知识教育、联合用药、年龄、糖尿病病程、限制主食摄入、糖化血红蛋白和性别。患者低血糖随机森林模型内外部验证校准曲线均围绕对角线波动，表示预测模型校准度良好；内部验证受试者工作特征曲线下面积为0.823（95% CI 0.752~0.894），灵敏度和特异度分别为0.867和0.698，外部验证受试者工作特征曲线下面积为0.859（95% CI 0.817~0.902），灵敏度、特异度分别为0.789和0.804，显示预测模型整体区分度较好；决策分析曲线均远离全阳线及全阴线，说明该预测模型具有较好的临床适用性。 结论:本模型预测效果良好，适用于预测老年2型糖尿病患者低血糖的发生风险，可为早期对该类患者采取低血糖筛查和预见性干预措施提供参考。

目的:探究以本地需求为目标改造亨利福特医院健康系统(HFHS)RapidPlan肺癌立体定向放疗(SBRT)商用模型后用于放疗计划的可行性和优化效果。方法:结合最新临床指南证据和本单位临床实际对Eclipse内置HFHS模型做出如下适应性改造：①增加靶区结构内在肿瘤靶区体积(IGTV)、危及器官结构肺(Lung)，并设置相应参数。②将计划靶区体积(PTV)结构上限(Upper)值由109%调整至125%。③用本单位73例历史同步推量计划替换其原训练集，并在模型分析(Model Analytics)软件辅助下进行统计学确认和离群值处置。选取10例未参与建模的病例用于独立验证和比较改造前后模型在相同布野条件下的自动优化结果。靶区剂量归一后比较：PTV适形指数、危及器官平均剂量、最大剂量和剂量-体积参数等。结果:改造后的模型验证计划(M local_P)PTV DVH"尾部"与IGTV DVH"肩部"及"尾部"表现较原HFHS模型验证计划(HFHS_P)高。M local_P的PTV_CI(1.07±0.13)显著小于HFHS_P(1.25±0.24)，差异有统计学意义( Z＝－2.497， P<0.05)。除心脏_ D15cc、心脏_ Dmax外M local_P绝大部分危及器官剂量学参数均较HFHS_P更低，且标准差更小。但对于心脏_ D15cc和心脏_ Dmax，两种计划差异不超过3.06%。HFHS_P不满足要求剂量学参数达10项次，其中两项未通过例数的PTV_CI值为1.52与1.74，远超临床可接受范围。 结论:HFHS商用模型可通过计划训练集替换、参数调整等方法进行本地化改造。且改造后模型优化的计划在靶区适形性与高量等方面更满足本单位临床要求，在危及器官保护和一致性等方面也表现更优。

目的 探讨基于机器学习方法对非心脏手术后急性肾损伤(AKI)的预测价值.方法 选取陆军军医大学第二附属医院自2014 年6 月至2022 年9 月收治的24 611 例接受非心脏手术患者为研究对象.采用随机数字表法将患者分为训练组(n =17 227)与验证组(n =7 384).采用包括逻辑回归、随机森林、支持向量机、简单决策树、极端梯度提升和集成模型在内的机器学习方法训练模型.采用受试者工作特征(ROC)曲线及ROC曲线下面积(AUC)评价模型的整体性能.采用沙普利可加性特征解释法(SHAP)评估每个特征对预测结果的贡献程度.结果 非心脏手术后AKI发生率为11.3%(2 780/24 611).训练组与验证组患者各项一般资料比较,差异均无统计学意义(P>0.05).集成模型预测非心脏手术后 AKI的 AUC为0.749,大于逻辑回归、随机森林、支持向量机、简单决策树、极端梯度提升单独预测.随机森林模型中贡献度较高的 20 个特征中,手术相关变量有8 个,分别为麻醉时长、普通胸外科手术、骨科手术、手术中总失液量、急诊手术、手术中晶体液输注总量、手术中血液制品使用量、手术中胶体液输注总量和择期手术.结论 采用机器学习方法开发的非心脏手术后AKI的预测模型可进一步加强对AKI的预防,从而优化和改善患者预后.

心脏听诊是先天性心脏病(简称:先心病,CHD)初诊和筛查的主要手段.本文对先心病心音信号进行分析和分类识别研究,提出了一种基于卷积神经网络的先心病分类算法.本文算法基于临床采集的已确诊先心病心音信号,首先采用心音信号预处理算法提取并组织一维时间域上心音信号的梅尔系数转变成二维特征样本.其次,以1 000个特征样本用于训练和优化卷积神经网络,使用自适应矩估计(Adam)优化器,获得了准确率0.896、损失值0.25的训练结果.最后,用卷积神经网络对200个心音信号样本进行测试,实验结果表明准确率达0.895,灵敏度为0.910,特异度为0.880.同其它算法相比,本文算法在准确率和特异度上有明显提高,证实了本文方法有效地提高了心音信号分类的鲁棒性和准确性,有望应用于机器辅助听诊.