目的:研发一款"酸碱平衡紊乱分析软件"，用于快速判断酸碱平衡紊乱（酸碱失衡）的类型。方法:以Henderson-Hasselbalch方程式和代偿公式为基础建立数学模型，确定酸碱失衡分析的重要参数，制定分析流程。使用Visual Basic 2010.NET编程语言完成软件的编译，调试后生成安装程序包。用计算机检索PubMed、万方和中国知网数据库中从1980至2015年发表的酸碱失衡案例文献，详细记录每个案例提供的血气参数〔pH、动脉血二氧化碳分压（PaCO 2）、碳酸氢根（HCO 3-）和阴离子隙（AG）〕及酸碱失衡类型（文献结果）；使用软件对上述案例的酸碱失衡类型重新进行分析得出判断（软件分析结果），对两种判断结果进行Kappa一致性检验和McNemar配对 χ2检验。 结果:以"四参数-四步骤"程序化分析方法作为判断酸碱失衡类型的分析流程。其中，"四参数"指pH、PaCO 2、HCO 3-和AG。"四步骤"概述为：①根据pH初步判定血气的酸碱状态，结合HCO 3-、PaCO 2判断酸碱失衡的原发类型；②根据代偿情况判断是否存在双重混合型酸碱失衡（DABD）；③根据AG判断是否存在三重混合型酸碱失衡（TABD）；④使用ΔAG↑/ΔHCO 3-↓比值，判断AG增高型代谢性酸中毒（AG↑型代酸）是否同时伴有代谢性碱中毒（代碱）或AG正常型代酸。"酸碱平衡紊乱分析软件"具备界面简洁、操作方便、判断迅速、分析结果系统而全面的特点，可以判断除"AG正常型代酸合并代碱"以外的所有酸碱失衡类型。应用"酸碱平衡紊乱分析软件"对文献报道的112例酸碱失衡案例进行再次分析，软件分析结果与文献结果的一致率为87.50%，具有较好的一致性（Kappa检验： κ＝0.84， P<0.01；McNemar检验： χ2＝0.87， P＝0.65）。 结论:"酸碱平衡紊乱分析软件"可以作为判断酸碱失衡类型的重要工具，为临床医生提供诊断参考，具有很高的实用价值和应用前景。

目的:以“超声在麻醉、疼痛和重症医学中的应用”课程为例，构建临床医学专业课程学习者画像模型。方法:梳理临床医学专业课程学习者画像模型构建框架及流程，对多来源学习者数据进行收集及预处理。利用Python 3.9编程语言进行统计分析、自然语言处理、聚类分析，并以可视化技术呈现，构建机器学习预测模型并评估模型预测效能。结果:从学习背景、兴趣偏好和行为效果3个维度构建临床医学专业课程学习者画像模型。学习背景画像揭示了学习者基本信息、认知基础和学习动机。兴趣偏好画像分析了学习目的与其他选课信息，根据内容关注程度、学习效果影响因素识别出3类不同的学习者群体。行为效果画像通过构建4种机器学习算法预测模型实现了对课程考试成绩的分类预测，结果显示朴素贝叶斯算法效果最佳，准确率为0.80、F1分数为0.79，受试者工作特征（receiver operating characteristic，ROC）曲线下面积（area under the curve，AUC）为0.79（ P=0.035），与其他算法差异有统计学意义。 结论:本研究构建了临床医学专业课程学习者画像模型并开展实证研究，画像结果对教学内容、教学方式与教学团队、学习效果预测提供了指导建议。

目的:探讨基于Python语言开发的吲哚菁绿（ICG）荧光面积检测系统观察并定量分析ICG在黄斑前膜剥除术后眼内分布特点及代谢规律的作用和优势。方法:前瞻性病例系列研究。纳入2019年3月至2021年3月在四川大学华西医院眼科行玻璃体切除术的特发性黄斑前膜患者，术中使用ICG染色后剥除黄斑前膜和内界膜。患者术前及术后1周、1个月、3个月、6个月及12个月随访时均行最佳矫正视力、眼压、眼底照相、近红外眼底成像术（NIR-FF）和相干光层析成像术（OCT）检查。开发基于Python语言编程ICG眼内代谢过程检测系统测量NIR-FF的眼内ICG荧光残留面积，预测ICG代谢规律方程式，与术后视力和视盘旁视网膜神经纤维层厚度进行相关性分析。结果:共纳入患者64例（64只眼），年龄为（64.6±8.4）岁，其中男性25例（39.1%），女性39例（60.9%）。NIR-FF图像显示患者术前无ICG强荧光影像，术后1周出现后极部呈弥漫ICG强荧光，内界膜剥除区域呈现环形弱荧光，随时间延长可见ICG强荧光沿血管弓及神经纤维走行并逐渐向视盘方向消退，直至1年时在视盘处仍可见ICG残留荧光。基于Python语言开发的ICG荧光面积检测系统可测量眼内ICG残留面积，并通过线性回归分析构建方程式预测术后12个月ICG残留面积=0.22×术后6个月ICG残留面积（ R2=16%， P=0.002）。除术后1个月ICG残留面积与术后视力呈负相关（ P=0.017， r=-0.195）外，其余随访时间眼内ICG荧光残留面积与术后视力预后和视盘旁神经纤维层厚度均无相关性（均 P>0.05）。 结论:特发性黄斑前膜患者采用ICG染色剥除内界膜后ICG在眼内的特征性代谢过程，表现为ICG强荧光沿血管弓及神经纤维走行，随时间延长逐渐向视盘汇集。基于Python语言开发的ICG荧光面积检测系统能够清晰显示ICG在黄斑前膜剥除术后的眼内分布特点，可用作预测ICG眼内代谢规律的工具。

目的:在Eclipse计划系统中实现早期非小细胞肺癌(NSCLC)体部立体定向放疗计划中靶区适形度、剂量溢出、剂量跌落等指标的自动评估。方法:使用Eclipse Scripting API应用程序开发接口和C#编程语言，以脚本插件结合可执行程序的方式进行开发。根据美国肿瘤放射治疗协作组(RTOG)0915号报告中NSCLC立体定向放疗计划要求，实现相关指标的自动评估，其中还设计了一种等间距采样和双阈值的规则，可以更精确和便捷进行靶区外剂量跌落的评估。结果:随机选取临床上13例NSCLC立体定向放疗计划，分别使用本文中的方法和Eclipse系统自带的模块进行评估结果对比可知，两种方式评估结果都符合临床要求，耗时分别为(6.31±1.11) s和(678.54±60.92) s，使用前者评估效率更高( P<0.05)。 结论:NSCLC立体定向放疗计划评估软件界面友好，能实现靶区适形度、剂量溢出和剂量跌落等指标的自动评估，有效的提高了工作效率。

目的:在Eclipse计划系统中实现放疗剂量交互式表格评估和适形指数(CI)、均匀性指数(HI)的自动计算。方法:使用Eclipse Scripting API (ESAPI)应用程序开发接口和C#编程语言，以脚本插件结合独立程序的方式进行开发。通过可视化界面编程和调用API中相关剂量查询函数实现了交互式表格剂量评估和HI自动计算，并通过调用API中关于剂量结构创建和结构布尔操作等函数实现CI自动计算。结果:选取15例鼻咽癌放疗病例，分别使用本方法和Eclipse系统自带的模块进行剂量评估结果对比，结果显示两种方式评估结果的精度一致( P>0.05)，但前者评估效率更高( P<0.05)。 结论:本文中的交互式评估表格界面友好，能够让用户较便捷地进行剂量评估、多计划对比和CI、HI计算，有效提高了工作效率，可以更好服务于放疗临床和科研工作。

目的:基于深度学习和反向传播算法神经网络（BP神经网络），构建慢性阻塞性肺疾病急性加重（AECOPD）风险预测模型，并验证其效能。方法:基于团队前期临床研究的1 326例慢性阻塞性肺疾病（COPD）患者的相关数据，记录并分析在稳定期、随访6个月时的急性加重情况及其风险因素。结合前期临床研究数据和专家问卷调查结果，将多因素Logistic回归筛选优化后的AECOPD独立风险因素〔性别、体质量指数（BMI）分级、急性加重次数、急性加重持续时间和第1秒用力呼气容积（FEV1）〕，使用Python 3.6编程语言和Tensorflow 1.12深度学习框架搭建BP神经网络。采用随机抽样法，将患者按照4∶1的比例随机抽取生成训练组和测试组，其中训练组1 061条样本数据，测试组265条样本数据；训练组用于建立神经网络预测模型，测试组用于回代检验。在使用训练组数据构建神经网络模型时，将训练组按照4∶1的比例随机分为训练集和验证集，训练集849条训练样本，验证集212条验证样本。通过调整神经网络参数及模型结构，同时结合受试者工作特征曲线下面积（AUC），筛选出最优神经网络模型，并将测试组样本数据代入模型加以验证。结果:收集团队前期临床研究中优化筛选出的5个AECOPD独立风险因素（性别、BMI分级、急性加重次数、急性加重持续时间和FEV1），基于深度学习和BP神经网络构建AECOPD风险预测模型。经过10 000次训练，AECOPD风险预测模型在训练组验证集的准确率为83.09%，且在训练次数达到8 000次时准确率基本趋于稳定，预测能力达到上限。将训练10 000次的AECOPD风险预测模型对验证集数据进行风险预测，受试者工作特征曲线（ROC曲线）分析显示AUC为0.803；使用该模型对测试组的数据进行风险预测时准确率为81.69%。结论:基于深度学习和BP神经网络建立的AECOPD风险预测模型对于COPD患者6个月内急性加重具有中等水平的预测效能，能够对AECOPD的发生风险进行评估，辅助临床制定精准治疗方案。

目的:构建公立医院综合物资管理系统,以满足医院多院区发展模式下的物资同质化和精细化管理需求.方法:通过系统性梳理医院物资管理全生命周期的流程及环节,采用Java编程语言、浏览器与服务器(B/S)架构,设置医疗设备综合管理平台模块、物资管理系统各环节流程模块及权限管理模块,构建公立医院综合物资管理系统,确定各组成模块之间的信息调用、相互衔接和制约机制,对医院物资的动态实时使用数据和状态进行统一监管.对比物资管理系统应用前后首都医科大学附属北京儿童医院的医院物资同质化与精细化管理效果.结果:公立医院综合物资管理系统的应用实现了医院物资全生命周期覆盖,各业务模块间的协同性和系统运行流畅,实现医院物资基础信息协同、业务协同和资源协同以及跨院区物资的同质化、精细化和一体化管理.系统应用后不同院区之间实现无缝实时数据对接,临床科室物资平均领用时间较系统应用前缩短2 h,物资出入库数据、消耗数据与库存数据审核效率提升30%,物资全流程回溯差错率降低至0.2%.结论:公立医院综合物资管理系统能够提高医院多院区运行中物资管理效率,降低管理成本,实现医院物资管理的同质化、精细化和科学化.

目的:分析大语言模型在医疗领域应用的研究现状、研究主题及发展趋势.方法:在PubMed数据库检索到相关文献518篇,进行文献计量分析.应用潜在狄利克雷分配模型进行主题建模,以Python作为文献计量分析算法编程语言,采用Gephi进行可视化分析.结果:论文发表量的变化趋势显示近年来大语言模型研究稳步快速增长;该领域文章发表数量最多的期刊是Journal of Medical Internet Research,文章发表数量最多的国家为美国,论文发表量最高的机构是加利福尼亚大学;Geoff Hollis和Siru Liu是该领域的高产作者.结论:大语言模型的研究在医学领域引起了广泛关注.大语言模型不仅为临床辅助决策、医疗记录管理和药物开发提供了新的工具,还促进了智能助手、医学教育及与患者沟通的改进.然而,其开发和应用仍然面临诸多挑战.

目的 构建一种高效的易混淆药品目录自动生成算法,并在此基础上开发一种易混淆药品目录管理系统,以此提升对易混淆药品目录的管理效率.方法 本研究以莱文斯坦距离算法为理论基础,深入研究易混淆药品组的自动识别机制以及相似性阈值筛选方法,进而构建易混淆药品目录自动生成算法.在系统开发层面,本研究采用Visual Basic.NET作为编程语言,结合SQL Server 2008 R2 Express数据库管理平台,设计开发易混淆药品目录管理系统.结果 相似性阈值δ是易混淆药品目录自动生成算法的关键参数,随着δ的逐渐增大,易混淆药品的总数逐渐减少,而易混淆药品组数则呈现先上升后下降的变化规律.在实际应用中,可根据药品的通用名或品种名构建易混淆药品目录,对应的相似性阈值可取0.75和0.83.此外,本课题组开发的易混淆药品目录管理系统将原本耗时约1周的目录建立时间缩短至不到1 h,极大地提升了工作效率.结论 本研究构建的易混淆药品目录自动生成算法高效快速,为易混淆药品管理提供了强有力的技术支撑.开发的易混淆药品目录管理系统极大地减轻了目录建立和维护的时间成本,提高了对易混淆药品目录的管理效率.

目的 探索基于MRI中T2WI序列影像组学中不同机器学习模型在宫颈鳞癌分化程度的预测效能.方法 回顾性分析2017年1月至2023年6月的119例宫颈鳞癌患者的临床资料和T2WI影像.两名放射科医生利用ITK-SNAP软件手动勾画病灶的三维感兴趣区域,使用Python编程语言提取1316个影像组学特征.采用t检验、LASSO回归筛选最优的影像组学特征,然后建立支持向量机(Support Vector Machine,SVM)、逻辑回归(Logistic Regression,LR)、K近邻(K Nearest Neighbor,KNN)和随机森林(Random Forest,RF)共4种机器学习模型.采用受试者工作特征曲线下面积(Area Under the Curve,AUC)、分类准确度、敏感度和特异性来评估4种模型预测宫颈鳞癌分化程度的效能.结果 LR模型区分低分化与中分化、低分化与高分化、中分化与高分化的AUC分别为0.791、0.884、0.793;SVM模型的AUC分别为0.730、0.832、0.815;KNN模型的AUC分别为0.773、0.777、0.677;RF模型的AUC分别为0.824、0.763、0.783.结论 基于磁共振T2WI序列影像组学特征的4种机器学习模型,可作为术前预测宫颈鳞癌分化程度的辅助手段,但对不同分化程度的预测效能不同.