目的 探讨基于项目管理内涵制定的应用程序设计课程用于建立本科护生护理信息能力的可行性,为护生相关能力培养提供参考.方法 成立培养团队,基于项目管理内涵制定课程材料,对 77名本科护生进行培养,每周 1次,每次 90 min,共 9 次.采用护理信息能力自评量表、学习动机策略问卷评估有用性,采用课程学习评价表、应用程序项目产出和报告评分表评估适用性.结果 培养后,护生在信息角色、基本计算机知识和技能、计算机应用能力和无线设备 4 个维度的得分显著提高(分别t=7.148,2.029,5.767,5.729 均P＜0.05),自我效能感得分得到显著改善(t=2.944,P=0.004).学生共产出 9个应用程序项目,评分均在 85 分以上.在课程内容、知识、态度和专案管理方面的满意度均分为中上水平.结论 基于项目管理内涵制定的应用程序设计课程具有可行性和适用性,初步取得较好成效和较高满意度.可进一步合作开展随机对照组研究,以探讨长期效果.

目的 探讨腹膜透析专家型患者(Expert Patient,EP)核心能力特征要素,为培养腹膜透析专家型患者提供参考.方法 于 2023 年 4-7 月采用目的抽样法选取深圳市 3 所三级甲等综合医院肾内科工作的 20名医护人员进行半结构式深入访谈,运用Colaizzi 7 步分析法对资料进行分析.结果 共提炼出自我管理能力、学习理解能力、沟通表达能力、教育指导能力、紧急情况处理及组织协调能力、知识获取及文字编辑能力、个人品质 7个主题.结论 腹膜透析专家型患者需具备多方面的核心能力,可通过加强对腹膜透析专家型患者核心能力的培养,以适应腹膜透析专家型患者角色发展需求.

目的 建立一种基于DeepLabCut(DLC)算法用于评价老年小鼠运动功能的步态分析系统.方法 基于深度学习技术中的DLC算法,采用跑台装置和全封闭设计,构建系统软硬件;应用本系统评价不同运动模式下衰老所致小鼠的步态差异;通过相关性分析探究体质量与体长对步态指标的影响.结果 本系统实现特定步速下小鼠三维立体步态(侧面和腹平面)的同步分析,自动量化47项步态指标.应用本系统发现,步行时(15 cm·s-1),相比2月龄、8月龄和15月龄小鼠体转角标准偏差下降,前肢摆动时长、膝关节(Knee)角度标准偏差、左后爪和右后爪向外角度平均值增加;15月龄小鼠还出现步频降低,步幅、双支撑总时长、Knee伸展和收缩距离增加.小跑时(20 cm·s-1),15月龄小鼠无法稳定行走,相比2月龄,8月龄小鼠左后爪向外角度平均值和双支撑总时长增加.相关性分析发现,步频、步幅、前肢摆动时长、后爪向外角度平均值、双支撑总时长、Knee角度标准偏差、Knee伸展和收缩距离等指标均未受到体质量和体长变化的影响.结论 基于DLC算法的小鼠步态分析系统实现了对老年小鼠步态更加敏感、准确、全面的评价,区分出老年小鼠为维持步态稳定性所表现的步态特征,并筛选出更能反映老年小鼠步态变化的行为指标.为今后更有效评估抗衰老、抗运动协调功能下降药物的药效与副作用提供方法学基础.

目的:探讨磁共振增强型动脉自旋标记(eASL)技术对细化帕金森病(PD)患者脑血流灌注损伤的价值以及在PD患者与健康对照者(HC)中的分类效能.方法:前瞻性将2020年7月—2022年1月在本院就诊的34例PD患者及年龄、性别以及受教育年限相匹配的35例HCs纳入本研究.采用eASL和常规ASL技术对每例被试行颅脑MR灌注成像,并通过数据后处理获取eASL定量参数[校正脑血流量(CBF)、动脉通过时间(ATT)]和常规ASL定量参数(未校正CBF).采用双样本t检验比较各项灌注参数的组间差异,并应用Spearman相关分析对有显著差异脑区的灌注参数值与临床评分之间的相关性.进一步基于灌注参数构建机器学习模型,评估各分类模型对PD的诊断效能.结果:与未校正CBF相比,校正CBF能更为精准地检测出PD患者的运动相关责任脑区的灌注损伤,表现为PD患者右侧丘脑、双侧中央前回、左侧中央后回等脑区的CBF值增高以及右侧额中回的CBF值减低(FWE校正,P<0.001);而且,PD组左侧额中回的ATT值缩短(FWE校正,P<0.001).PD组左侧壳核、左侧中央前回及左侧中央后回的校正CBF值、左侧壳核的未校正CBF值均与运动功能评分呈显著正相关(P<0.05);右侧角回的校正CBF值、左侧额中回的ATT值均与认知功能评分呈正相关(P<0.05).未校正CBF模型在区分PD患者与HC受试者中的曲线下面积(AUC)为0.82,校正CBF模型的AUC为0.85,基于eASL的多参数联合模型的AUC为0.87.Delong检验显示联合模型的诊断效能优于未校正CBF模型(P<0.05).结论:eASL技术能够准确显示PD患者灌注损伤脑区,并可反映脑组织ATT的异常改变,多灌注参数的结合能具有较好地PD分类诊断效能,从而为PD的临床诊断提供了一定的支撑依据.

目的 探讨头戴式手术录像系统应用于游离皮瓣修复重建手术的教学效果.方法 纳入2022年6月至2023年12月在上海第九人民医院整复外科进行进修学习的进修医生45名,随机分为试验组(n=23)和对照组(n=22).两组均采用术前小讲课教授基础理论知识和手术步骤.手术内容上试验组通过手术录像观摩,录像直接取自手术者的头戴式录像装置并配以解说,而对照组采用传统室内手术观摩的方式.比较两组学员的基本理论考核、手术步骤考核成绩和教学满意率.结果 试验组手术步骤考核成绩和教学满意率均高于对照组,差异有统计学意义(P＜0.05),而基本理论考核成绩两组差异无统计学意义(P＞0.05).结论 头戴式微型摄像系统教学能明显提高学员对于皮瓣重建手术的学习效果并提升教学满意度,具有一定的推广意义.

目的 青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)是危害青少年健康的常见疾病之一.临床上,X线图像Cobb角测量法是评估患者脊柱侧凸严重程度的"金标准".由于X线图像中肋骨和骨盆阴影重叠以及椎骨形态差异等因素影响,人工测量在寻找关键点时步骤复杂且耗时长,快速且准确的Cobb角自动测量方法具有重要临床应用价值.现有深度学习方法中基于分割的方法易受图像质量影响;基于关键点检测方法过于关注局部特征提取导致定位不准确等问题.为此,本文提出了一种以椎骨为中心的标志点检测方法,来实现脊柱侧弯Cobb角自动估计算法.方法 构建一种基于融合多尺度和注意力机制M型椎骨检测网络(multi-scale attention M-shaped network,MSAM-Net).首先,使用多尺度金字塔拆分注意力(multi-scale pyramids squeeze attention,MPSA)模块和注意力特征融合(attentional feature fusion,AFF)模块提取椎骨特征和上下文信息,然后,根据椎体中心和角偏移量定位4个角标志点,以在脊柱侧弯评估任务中提高椎骨标志点检测的性能,进而实现近胸段、主胸段和胸腰段曲线的Cobb角估计.结果 为了评估Cobb角估计与真实侧弯角度之间的偏差程度,本研究算法基于AASCE MICCAI 2019挑战赛数据集,使用4种指标对Cobb角精度进行评估,分别是对称平均绝对百分比误差(symmetric mean absolute percentage error,SMAPE)、欧氏距离(Euclidean distance,ED)、曼哈顿距离(Manhattan distance,MD)和切比雪夫距离(Chebyshev distance,CD).测试得到SMAPE为9.39％,ED为4.18;MD为5.92;CD为5.34.与基于分割和检测的5种深度学习方法进行对比,实现更好的Cobb角测量结果.结论 本研究可以准确识别和定位X线图像中椎骨,帮助医生测量AIS患者的Cobb角,为临床AIS诊断、手术计划和脊柱健康分析提供决策支持.

目的 建设生命周期健康管理微专业,设计教学方案并探讨其应用效果.方法 围绕生命周期健康管理微专业6门课程设计教学方案,主要步骤包括设定教学目标、明确教学内容与教学方法、打造教学资源库、拟定教学实施方案.于2022年9月-2023年6月,分上下两学期对来自某本科院校的13名大学二年级及以上的本科生进行生命周期健康管理微专业教学.通过课程成绩、微专业满意度评价结果评价教学效果.结果 13名学生6门课程平均成绩为(89.2±3.9)分.13名学生中,12名表示对生命周期健康管理微专业"十分满意";认为该微专业对自身具有吸引力的原因中,具有实用性(13名)、具有趣味性(10名)、名师授课(10名)选择人数位居前3位;13名表示该微专业拓宽了自身的视野,使自身相关专业知识、能力、素养获得了提升;11名表示该微专业提高了自身解决问题的能力,拓宽了自身解决问题的思路;9名表示该微专业的学习对于自己主修专业的学习非常有帮助.结论 生命周期健康管理微专业教学效果良好,学生对该微专业满意度较高,本研究可为医学院校健康管理微专业的开设提供参考.

近年来,患者自我报告结局在癌症领域的研究逐渐深入,生成大量数据,而机器学习因其具有处理大数据的优势,在癌症患者自我报告结局领域得到初步应用,且相关机器学习模型性能较好.该文综述了机器学习在预测癌症患者治疗后并发症、生存及死亡率,以及纵向监测癌症患者健康相关生活质量变化和辅助癌症治疗决策方面的应用,可在癌症患者症状预测、结局预测、生活质量监测、合理临床治疗决策方面为临床护理实践提供参考.

弥漫性胶质瘤是最常见的颅脑原发恶性肿瘤,术前精准分级、分子分型预测等对于制订适当的治疗策略和预测生存率具有至关重要的作用.影像组学使用高级特征分析从医学图像中提取数据并构建预测模型,捕捉病变微小的变化,从而提高临床诊断、评估预后和预测治疗反应的准确性.深度学习(deep learning,DL)可以从大量原始数据中自动学习和提取多层特征,而不是手工提取的浅层特征,由于DL已被充分证明能够准确地找到非常深入和抽象的特征,这使其成为医学图像分析领域中广泛研究的课题.随着计算能力的进步,基于DL的人工智能已经彻底改变了各个领域.本研究基于多模态MRI影像组学与DL在胶质瘤术前分级、分子分型、生存预测及治疗评价中的最新研究进行综述,以期为胶质瘤患者提供精准诊疗.

本研究结合自主学习，综合运用讲授法、案例讨论法、实验法等教和学的方法，采用线上与线下相结合的方式，设计了由5个步骤组成的混合教学模式，以及与之相符的多工具、多维度的全过程综合性评价体系。经过实施取得了良好的效果。章节测验结果显示，学生的测试成绩高于传统教学；能力测试结果显示，在高复杂度混合教学模式下，学生能力均得到了更有效的提升，更有利于专业培养目标和教学目标中核心能力目标的实现。