目的研究旨在探讨在DASH饮食(终止高血压膳食疗法,Dietary Approaches to Stop Hypertension)模式下对中老年高血压患者的血清炎症因子和内皮标志相关指标的影响。方法研究分析了87例常规饮食患者和90例DASH饮食患者的临床资料。比较两...目的研究旨在探讨在DASH饮食(终止高血压膳食疗法,Dietary Approaches to Stop Hypertension)模式下对中老年高血压患者的血清炎症因子和内皮标志相关指标的影响。方法研究分析了87例常规饮食患者和90例DASH饮食患者的临床资料。比较两组营养摄入量、血清炎症因子(TNF-α、IL-6、CRP、IL-1β、MCP-1)和内皮标志物(内皮素-1、一氧化氮、VCAM-1、ICAM-1)。并对其进行相关性分析。结果与普通饮食组相比,DASH饮食组患者的总热量、总脂肪、饱和脂肪酸和钠摄入量较低,钾摄入量较高。DASH饮食组TNF-α和MCP-1水平较低,IL-6和IL-1β水平较高。内皮功能指标显示,DASH饮食组一氧化氮升高,内皮素-1水平降低,差异有统计学意义。相关分析显示饮食成分与炎症标志物和内皮功能指标之间存在关联。结论研究为血清炎症因子和内皮功能指标用于评价DASH饮食对中老年高血压患者的影响提供了强有力的证据。展开更多
为了精准定位窃电行为,减小电力窃取给电力系统带来的经济损失,提出了一种基于熵权法Stacking(stacking based entropy,E_Stacking)集成学习的多分类窃电检测模型。首先基于用电量信息共线性的特点,使用方差膨胀因子(variance inflation...为了精准定位窃电行为,减小电力窃取给电力系统带来的经济损失,提出了一种基于熵权法Stacking(stacking based entropy,E_Stacking)集成学习的多分类窃电检测模型。首先基于用电量信息共线性的特点,使用方差膨胀因子(variance inflation factor,VIF)作为标准对数据降维,以降低数据复杂度。然后在模型训练时嵌入k折交叉验证,有效防止模型过拟合。该模型包含初级学习器和元学习器两层学习器,可以充分结合两层学习器的优点,将学习的互补特征和判别特征相结合,进一步提高检测性能。最后,使用爱尔兰数据集和部分加州大学欧文分校(University of California Irvine,UCI)数据集验证模型,结果优于目前几种常见的方法,证明该模型的有效性和稳定性。展开更多
循证医学(Evidence based medcine,EBM)教学模式是21世纪医学教学发展的方向[1]。循证医学发展迅速,特别是在心血管疾病的防治领域,其主导地位愈发突出。目前,在国外几乎每一种心血管疾病都有相对应的治疗指南,甚至一些重要的心血管...循证医学(Evidence based medcine,EBM)教学模式是21世纪医学教学发展的方向[1]。循证医学发展迅速,特别是在心血管疾病的防治领域,其主导地位愈发突出。目前,在国外几乎每一种心血管疾病都有相对应的治疗指南,甚至一些重要的心血管药物也有其使用指南或专家共识,而且这些指南或专家共识在不断地进行更新。循证医学自上世纪引进我国后,目前已深人到临床实践,在内科学、儿科学等均开展循证医学教学模式并取得一定效果[1,2],心血管内科临床教学存在较高难度,展开更多
文摘目的研究旨在探讨在DASH饮食(终止高血压膳食疗法,Dietary Approaches to Stop Hypertension)模式下对中老年高血压患者的血清炎症因子和内皮标志相关指标的影响。方法研究分析了87例常规饮食患者和90例DASH饮食患者的临床资料。比较两组营养摄入量、血清炎症因子(TNF-α、IL-6、CRP、IL-1β、MCP-1)和内皮标志物(内皮素-1、一氧化氮、VCAM-1、ICAM-1)。并对其进行相关性分析。结果与普通饮食组相比,DASH饮食组患者的总热量、总脂肪、饱和脂肪酸和钠摄入量较低,钾摄入量较高。DASH饮食组TNF-α和MCP-1水平较低,IL-6和IL-1β水平较高。内皮功能指标显示,DASH饮食组一氧化氮升高,内皮素-1水平降低,差异有统计学意义。相关分析显示饮食成分与炎症标志物和内皮功能指标之间存在关联。结论研究为血清炎症因子和内皮功能指标用于评价DASH饮食对中老年高血压患者的影响提供了强有力的证据。
文摘为了精准定位窃电行为,减小电力窃取给电力系统带来的经济损失,提出了一种基于熵权法Stacking(stacking based entropy,E_Stacking)集成学习的多分类窃电检测模型。首先基于用电量信息共线性的特点,使用方差膨胀因子(variance inflation factor,VIF)作为标准对数据降维,以降低数据复杂度。然后在模型训练时嵌入k折交叉验证,有效防止模型过拟合。该模型包含初级学习器和元学习器两层学习器,可以充分结合两层学习器的优点,将学习的互补特征和判别特征相结合,进一步提高检测性能。最后,使用爱尔兰数据集和部分加州大学欧文分校(University of California Irvine,UCI)数据集验证模型,结果优于目前几种常见的方法,证明该模型的有效性和稳定性。
文摘循证医学(Evidence based medcine,EBM)教学模式是21世纪医学教学发展的方向[1]。循证医学发展迅速,特别是在心血管疾病的防治领域,其主导地位愈发突出。目前,在国外几乎每一种心血管疾病都有相对应的治疗指南,甚至一些重要的心血管药物也有其使用指南或专家共识,而且这些指南或专家共识在不断地进行更新。循证医学自上世纪引进我国后,目前已深人到临床实践,在内科学、儿科学等均开展循证医学教学模式并取得一定效果[1,2],心血管内科临床教学存在较高难度,