不同工况下选择平衡阀需注意的问题

本文从理论上阐述了各种平衡阀适应的水力工况,明确了选择平衡阀的原则,并结合工程实例,通过对不同热力工况的深入分析,总结了安装平衡阀后,达到的节能和增效的效果。

常规检验大数据在胃癌早期诊断中的应用

目的评估非特异性检验指标组成的预测模型在胃癌早期诊断中的可行性。方法从上海长海医院的电子病案系统数据库中,共纳入2010年1月1日至2019年4月30日的24615例病例记录,包括10497例胃癌,5198例胃癌前疾病,和8920名健康体检。通过分层随机抽样,将研究人群分为验证集、训练集和测试集。对所有实验室变量进行数据处理和质量控制后,通过梯度增强决策树、随机森林、支持向量机和人工神经元网络这4种机器学习算法,选择随机森林作为最优机器学习算法和诊断效能分组,使用后向逐步回归法训练数据,构建最佳特征模型采用受试者工作特征(ROC)曲线评价模型的诊断效能。结果本研究建立了由22个常规检验项目组成的诊断模型V22,诊断早期胃癌的ROC曲线下面积(AUC)为0.808,敏感度为85.7%;特异度为91.9%。对癌胚抗原(CEA)阴性胃癌,V22也显示出较高的诊断准确率0.813,AUC为0.801。结论V22是一个有临床应用价值的胃癌辅助诊断模型,可以很好的区分早期胃癌和由健康组和癌前疾病组成的对照组,对早期胃癌的检出率优于传统的肿瘤标志物CEA。

人工智能在检验医学应用研发中的问题剖析及应对策略

人工智能在检验医学中的应用研究已经成为检验发展的重要方向,但人工智能技术在产品应用研发过程中仍存在机器学习模型缺乏可解释性、人才队伍缺乏、安全隐患众多等问题。其原因可能有数据集质量不高、研究设计偏差、人才培养机制不健全、立法和监管不到位等。针对这些形成原因,可以采取相应对策,包括建立数据录入和采集规范,制定数据标注管理标准、做好模型的风险分析,加强复合型人才培养,健全监督管理体系等。确保检验医学领域应用的人工智能产品能够在提升诊断效率、减少误诊和漏诊率的前提下,切实提升医疗服务质量。

克氏综合征患者血清性激素的改变及临床意义

目的探讨血清性激素睾酮(testosterone,T)、促黄体生成素(luteinizing hormone,LH)、促卵泡刺激素(follicle stimulating hormone,FSH)、泌乳素(prolactin,PRL)和雌二醇(estradiol,E2)在克氏综合征患者中的改变及临床意义。方法选取2014年10月至2018年12月在上海长海医院生殖中心就诊的染色体核型为克氏综合征男性患者65例为试验组,同期染色体核型正常不育男性90例为对照组,应用电化学发光法检测血清性激素水平(T、LH、FSH、PRL和E2),比较两组差异性。结果克氏综合征患者T降低、LH、FSH升高(P<0.05);两组PRL、E2差异无统计学意义(P>0.05)。结论血清性激素T、LH和FSH联合检测可作为克氏综合征患者重要检测指标,为克氏综合征的早期诊断提供参考价值。

1490例不孕女性染色体核型分析及临床意义

探讨不孕女性染色体核型异常检出率及临床意义。方法 对1490例不孕女性进行外周血淋巴细胞培养、收获细胞、制片并进行染色体核型分析。结果 1490例不孕女性中检出染色体异常核型202例,占受检者12.41%,年龄分布在20~50岁之间。结论 外周血染色体核型异常与临床密切相关,是不孕不育的重要致病因素之一,在遗传咨询者中比例较高,对于不良孕史、性分化异常、发育异常等患者进行外周血染色核型分析检查具有重要的临床意义。