土地利用变化是导致碳储量变化的主要原因,对未来土地利用变化进行多情景预测并探究其对碳储量的影响,对于维持区域碳平衡具有重要意义.近年来,在自然和人为政策的共同作用下,渭河流域土地利用变化显著,碳储量也相应发生变化.本研究基于PLUS-InVEST模型,评估并预测了渭河流域生态系统碳储量时空变化,探究土地利用变化对碳储量的影响.结果表明:2000-2020年,渭河流域土地利用分布格局变化不大,土地利用变化呈现"耕地面积减少而其余土地利用类型面积增加"的特点,耕地向建设用地转换以及耕地、林地、草地的相互转换是渭河流域土地利用类型转换的主要方式.渭河流域碳储量呈上升趋势,共增加15.31x106t,碳储量高值区分布呈"东北片状-西部散点状-中南部带状",低值区分布在下游关中平原城市群.2030年4种情景下渭河流域碳储量较2020年均有所增加,经济发展情景增加最少,生态保护情景增加最多,不同情景的碳储量空间差异主要体现在上游耕地、林地和草地的分布交错地带.研究结果可为渭河流域土地利用管理决策以及碳储量的提升提供数据支撑.

目的:比较脑小血管病（CSVD）患者认知以及运动双重任务行走（DTW）的步态特征差异，并判断何种步态参数能够更好地诊断CSVD及判断疾病的严重程度。方法:纳入2020年9月1日至2021年7月1日在解放军总医院第七医学中心神经内科就诊的经磁共振成像证实有CSVD的患者106例以及同期的体检人员21名，根据Fazekas评分，将研究对象分为轻度组（34例，1分）、中度组（34例，2分）、重度组（38例，3分）以及健康对照组（21名）。在单任务行走（STW）和DTW条件下记录参与者参数，并通过单任务和双任务之间的差异计算双重任务效应（DTC）。采用广义估算方程评估疾病严重程度以及行走条件对基本步态参数及DTC的影响，事后分析通过Bonferroni方法校正。通过Spearman相关分析确定疾病严重程度与步态参数及DTC间的相关性。通过Logistic回归建立联合预测因子，应用联合诊断试验计算步态参数及其DTC预测CSVD的敏感度、特异度及受试者工作特征（ROC）曲线下面积。结果:试验组中STW的基础步态参数显著优于认知或运动DTW（均 P<0.05），而对照组中不同任务下的基础步态参数差异无统计学意义（均 P>0.05）。在认知DTW中，时间步态参数（步频和跨步时间）仅在中重度组出现显著恶化［步频：中度组（100.220±1.795）步/min，重度组（94.525±2.139）步/min；跨步时间：中度组（1.227±0.024）s，重度组（1.299±0.031）s］，但空间参数（跨步长及步速）在各组（除对照组和轻度组外）间［跨步长：对照组（1.050±0.021）m，轻度组（0.974±0.022）m，中度组（0.903±0.025）m，重度组（0.793±0.026）m；步速：对照组（0.944±0.028）m/s，轻度组（0.866±0.030）m/s，中度组（0.751±0.027）m/s，重度组（0.606±0.022）m/s］差异均有统计学意义（均 P<0.05）。同样无论疾病严重程度，认知DTW条件下所有步态参数DTC均高于运动DTW（均 P<0.05），而对照组中不同任务下的步态参数DTC差异无统计学意义（均 P>0.05）。其中认知DTW的时间参数DTC仅在中重度组出现异常，而空间参数DTC在各组间差异均有统计学意义（包括对照组和轻度组；均 P<0.05）。认知DTW条件下，空间参数及DTC与疾病严重程度的相关性显著高于时间参数（0.50< r<0.64比0.15< r<0.39）。应用空间参数对CSVD的判别进行联合诊断试验发现，联合诊断因子ROC曲线下面积显著大于单一指标。 结论:认知DTW能够更好地反映CSVD患者的步态异常。认知DTW的空间参数及其DTC能更有效地诊断CSVD并区分其严重程度，DTC可能是更好的指标。对于诊断CSVD而言，空间参数及其DTC之间差异并无统计学意义，但联合因子可以显著提高敏感度，降低假阴性率。

目的:创伤和危重症可能影响微生物群。许多关于危重症微生物群的研究局限于单一身体部位或时间点，并受先前存在疾病的影响。本研究报道既往体健儿童发生严重创伤性脑损伤(traumatic brain injury，TBI)后微生物群的时间和空间变化。设计:研究人员于入院72 h内收集患儿口腔、直肠和皮肤拭子标本，之后每周采集两次至患儿离开PICU。采用16S rRNA基因扩增测序法分析样本。择期门诊手术患儿为对照组。采用Phyloseq进行α和β多样性比较，采用微生物组组成分析法预测群落丰度差异。场所:5家4级监护PICU。对象:因严重TBI需要放置颅内压监测装置的18岁以下患儿。干预措施:无。测量方法与主要结果:共分析来自23例TBI患儿和35例对照组儿童的327份样本。TBI组和对照组患儿初始口腔( F＝3.275 6， R2＝0.053 5， P＝0.012)和直肠( F＝3.070 2， R2＝0.064 9， P＝0.007)微生物群落组成不同。TBI患儿直肠标本中瘤胃球菌科、拟杆菌科和毛螺菌科的共生菌减少，葡萄球菌科菌增多( P<0.05)。探索性分析发现，抗生素暴露、气管插管和感染与TBI组和对照组患儿组间直肠和口腔微生物群差异增大有关，而肠内营养则与差异缩小有关( P<0.05)。 结论:严重TBI患儿微生物群变化特点为共生细菌早期减少、位置特异性丧失，以及潜在致病菌增多。需要更多研究来确定这些变化对临床预后的影响。

病患跨区域就医是当前我国社会主要矛盾在医疗服务领域的体现，新冠疫情最大程度上暴露了我国医疗卫生体系的短板与漏洞，也深度考验了各级政府就医需求应急的治理能力。本文以传染病"医患复杂系统"中"就医行为"为切入点，指出了就医行为研究的重要学术价值与实践意义，分析评述了就医行为时空预测、优化调控建模以及公共卫生医疗系统韧性的国内外研究现状，并对未来研究进行展望，以期为国家新突发传染病应急管理和医疗卫生资源服务优化配置提供理论依据与技术支撑。

目的:探讨创面修复机制研究领域的热点和演化趋势。方法:该研究为文献计量学研究。检索Web of Science数据库核心合集中建库至2023年12月26日发表的符合入选标准的与创面修复机制研究相关的英文文献，统计年度发文量及其引文量并分析变化趋势。根据前述年度发文量再次检索Web of Science数据库核心合集中该领域发文增长迅速转折年份的前5年至2023年12月31日的相关文献，统计发文总量并计算年度发文增长率，并根据年度发文量趋势线预测2024年该领域发文量。采用CiteSpace 6.2.R4软件对第2次检索文献进行可视化分析，包括来源期刊、引用文献及关键词情况，探讨创面修复机制研究现状和热点的演变过程。结果:第1次检索共获取3 992篇创面修复机制研究相关文献，其中2015—2023年，年度发文量及其引文量均增加迅速。第2次检索时限设置为2011年1月1日—2023年12月31日，该时段共发文3 206篇，平均年度发文增长率为13.30%，根据该阶段的发文趋势线预测2024年该领域发文量可达500篇。第2次检索文献发表在717种期刊上，发文量排前10位的期刊［占总发文量的18.75%（601/3 206）］的研究方向主要为创伤、分子、中药药理及干细胞，主要出版国家为英国、美国等，影响因子>5的期刊有7本，属于中国科学院分区Q1区或Q2区的期刊有6本。第2次检索文献的引用文献的关键词共形成906个节点及9大聚类（Q=0.64，S=0.82）。第2次检索文献的引用文献在2006—2015年期间的主要聚类为#2基质金属蛋白酶和#3转化生长因子β 1，在2016—2023年期间的主要聚类为#1巨噬细胞极化、#4间充质干细胞、#6抗菌、#7植物提取。其中，2021—2023年期间，第2次检索文献的引用文献的聚类#1巨噬细胞极化、#4间充质干细胞、#6抗菌和#7植物提取的共现关系最为密切。对被引值、中介中心值及Sigma值排前5位的第2次检索文献的引用文献的分析显示，巨噬细胞及炎症调控对创面修复的影响、成纤维细胞对创面修复的影响以及生长因子和细胞因子对创面修复的影响是主要研究方向。第2次检索文献的关键词共形成636个节点，7个聚类：#0抗菌、#1间充质干细胞、#2细胞迁移、#3创面修复、#4外泌体、#5负压伤口治疗及#6糖尿病足溃疡（Q=0.59，S=0.80）。第2次检索文献在2016—2023年主要聚集于聚类#0抗菌、#1间充质干细胞和#4外泌体，在2015年前主要聚集于聚类#2细胞迁移和#3创面修复。第2次检索文献的关键词共形成110个突现关键词（以下简称突现词），突现强度排前10位的突现词依次为小鼠、基因表达、皮肤损伤、上皮细胞、信号通路、生物材料、外泌体、分子对接、水凝胶、巨噬细胞极化，其开始年和结束年的时限均不同。其中2021—2023年的高强度突现词为水凝胶（属于聚类#0抗菌）、外泌体（属于聚类#1间充质干细胞）、分子对接（属于聚类#0抗菌）、巨噬细胞极化（属于聚类#0抗菌）。 结论:未来，创面修复机制研究的发展仍会处于稳步阶段；该领域研究热点已经从生长因子及创面修复生理过渡到了抗菌及干细胞方向；该领域的未来研究方向可能为利用分子对接技术和网络药理学筛查促创面修复的药物并研究其深层机制、外泌体对巨噬细胞极化的调控以及水凝胶通过抗菌功效促进创面愈合的机制。

随着计算机技术的发展和时空数据的丰富，贝叶斯时空模型得到了迅速发展，越来越多的学者开始将其运用到传染病空间流行病学研究中。包虫病作为严重危害人类健康的一种全球性自然疫源性疾病，其流行过程复杂，受到多种因素影响。贝叶斯时空模型为包虫病的研究提供了一种新方法，通过建模不仅可以分析其影响因素，还可以进行流行趋势预测和疾病分布制图，对包虫病的公共卫生决策具有重要意义。本文在综合查阅文献的基础上对贝叶斯时空模型的原理、类型及其在包虫病中的应用现状进行阐述。

熵，这一原本热力学概念被引入功能磁共振成像（fMRI）中，用于度量时间尺度上的规律性和不可预测性。时域功能熵和功能连接之间存在负的时空线性相关，被认为是大脑处理信息能力的重要指标，能提供区域灌注、低频波动幅度所不能提供的信息。作为大脑功能信号的一项基本特征，fMRI的时域功能熵已用于揭示意识、衰老等生理和病理状态（如阿尔茨海默病、精神分裂症、重度抑郁症、自闭症谱系障碍、成瘾和多发性硬化等疾病），为认识脑疾病提供了新的利器。本篇文章从fMRI时域功能熵及其分析技术的优势及局限性、生理基础及意义、临床应用和未来方向几个方面进行描述，以期能为相关专业领域的同道们进一步了解功能熵提供帮助。

目的:探讨基于三维卷积神经网络（3D CNN）构建的人工智能辅助诊断模型对高血压性心脏病、出现心脏改变的慢性肾功能衰竭（CRF）及甲状腺功能减退症（甲减）患者超声心动图视频的诊断效能及其临床应用价值。方法:本研究为回顾性研究。收集2019年4月至2021年10月就诊于河南省人民医院的高血压性心脏病、出现心脏改变的CRF和甲减患者。依据诊断分为高血压组、CRF组和甲减组，另采用简单随机抽样方法从同期健康体检者中入选正常对照组。收集入选患者的超声心动图视频数据。每组中视频数据按约5∶1的比例分为训练集和独立测试集，采用膨胀3D卷积网络（I3D）对视频进行时空特征的联合提取，对人工智能辅助诊断模型进行训练及测试；训练集和测试集之间无病例交叉。分别使用3种不同切面［单一心尖四腔心（A4C）切面、单一胸骨旁左心室长轴（PLAX）切面、所有切面］视频数据，基于病例或视频建立模型，并进行诊断性能的统计分析，计算敏感度、特异度、受试者工作特征曲线下面积（ AUC）；并对比人工智能和超声科医师处理病例所需时间。 结果:共纳入730例受试者，男性362例（49.6%），年龄（41.9±12.7）岁，共收集了17 703条视频。其中，高血压组212例、CRF组210例、甲减组105例、正常对照组203名。使用单一PLAX切面和所有切面数据基于病例进行预测的模型诊断性能较优：（1）高血压组中，使用所有切面数据的模型的敏感度、特异度、 AUC分别为97%、89%、0.93，使用单一PLAX切面模型为94%、95%、0.94；（2）CRF组中，使用所有切面数据的模型的敏感度、特异度、 AUC分别为97%、95%、0.96，使用单一PLAX切面模型为97%、89%、0.93；（3）甲减组中，使用所有切面数据的模型的敏感度、特异度、 AUC分别为64%、100%、0.82，使用单一PLAX切面模型为82%、89%、0.86。3D CNN模型测量和分析每例受试者的超声心动图视频所需时间明显短于超声科医师［（23.96±6.65）s比（958.25±266.17）s， P<0.001］。 结论:基于3D CNN的人工智能辅助诊断模型可以联合提取超声心动图的动态时空特征，能够快速高效识别高血压性心脏病及CRF和甲减引起的心脏改变。

目的:阐明2022年上海市新型冠状病毒肺炎（新冠肺炎）的流行特征和空间聚集性演变规律。方法:收集2022年3月1日至5月31日上海市各行政区卫生健康委员会官方网站公布的新冠肺炎疫情数据，应用GeoDa软件进行空间自相关分析；利用logistic增长模型进行拟合预测并与实际感染病例进行对比。结果:上海市各行政区中，浦东新区确诊病例数和无症状感染者人数最多，占总病例数的29.30%和35.58%，各区累计罹患率和感染率差异有统计学意义（ P<0.001），其中黄浦区显著高于其他区域。2022年3月1日至5月31日新冠肺炎罹患率具有全局空间正相关性（ P<0.05），不同时段新冠肺炎罹患率空间分布不同，其中3月16-29日、4月6-12日和5月18-24日3个时段内Moran's I值差异无统计学意义（ P>0.05）。局部自相关分析结果表明，8个时段共探测到22个高-高聚集区，高风险流行的热点区域经历一个“少-多-少”的变化过程。logistic增长模型拟合与实际感染者情况基本吻合。 结论:本轮上海市新冠肺炎疫情整体分布具有明显的空间聚集性，防控措施有效阻止了疫情的增长，尤其在空间上遏制了高风险传播区域的扩散，减少了向其他省份的传播风险。

大数据方法和技术发展日新月异，给临床诊疗提供了越来越多的新的思路和方法。大语言模型的出现使得人机交互式的对话和复杂的医疗场景下的应用成为了可能。重症医学是一个连续动态目标性治疗的过程，这个过程中产生的庞大数据需要通过模型进行整合与优化并在临床应用，在教学模拟中互动，在科学研究中助力。使用以生成式预训练转换模型（ChatGPT）为代表的大语言模型可初步实现在重症疾病的诊断、死亡风险预测和病案管理方面的应用。同时ChatGPT的时空局限性、幻象和伦理道德问题应运而生。ChatGPT在未来的重症医学诊疗中可能会发挥巨大作用，但目前需要结合更多的重症医学临床知识储备并谨慎对待其作出的结论进行判断。