基于PDCA循环法构建利奈唑胺安全用药模式的创新实践

目的:采用PDCA循环管理学方法构建利奈唑胺的安全用药模式,通过优化利奈唑胺给药方案、提高稳态谷浓度(C_(min)^(ss))和24 h血浆浓度-时间曲线下面积(AUC_(24))在目标范围内的达标率,减少危重症患者利奈唑胺诱导的血小板减少症(linezolid induced thrombocytopenia,LIT)等药物不良反应(adverse drug reaction,ADRs)的发生。方法:选取2020年7月—2022年6月南京医科大学附属苏州医院重症监护病房和急诊重症监护病房的199例接受利奈唑胺治疗且监测C_(min)^(ss)的危重症患者作为研究对象,将其中2020年7月—2021年6月未采用PDCA循环管理学方法进行药学服务的患者设为对照组(n=87),将2021年7月—2022年6月采用PDCA循环管理学方法进行药学服务的患者设为干预组(n=112);分析和比较2组患者利奈唑胺的剂量方案调整情况、C_(min)^(ss)和AUC_(24)的达标情况,以及LIT等ADRs的发生情况。结果:干预组患者调整利奈唑胺给药方案的比例远高于对照组(53.57%vs 29.88%,P=0.012);与对照组相比,干预组患者利奈唑胺初始方案后C_(min)^(ss)在2~7 mg/L目标范围内的达标率明显更高(46.43%vs 12.64%,P<0.001);而且,干预组患者利奈唑胺初始方案后C_(min)^(ss)>10 mg/L的比例显著低于对照组(25.00%vs 58.62%,P<0.001);干预组患者AUC_(24)在100~300 mg·h/L内的占比明显高于对照组(51.78%vs 26.43%,P=0.012);干预组患者初始方案后AUC_(24)>350 mg·h/L的比例显著低于对照组(14.94%vs 55.35%,P<0.001);对照组患者经利奈唑胺治疗后有21例发生LIT,而干预组仅有12例,其差异有统计学意义(P=0.003);干预组患者其他ADRs的发生率也低于对照组(0.89%vs 6.90%,P=0.031)。结论:通过PDCA循环管理的实施,利奈唑胺C_(min)^(ss)和AUC_(24)的达标率明显提高,而LIT和其他ADRs的发生率则显著下降,从而增加了患者的用药安全。

融合ECA的多分支多损失行人重识别

针对现有行人特征提取方法的不足,提出了一种融合ECA的多分支多损失行人重识别方法.首先,将轻量级ECA注意力模块嵌入到骨干网络ResNet50中,以增强显著特征,抑制无关特征.其次,设计了一个多分支网络结构分别提取行人的全局特征和局部特征,针对不同的特征采取不同的多池化特征提取方式,增强网络的特征提取能力.最后,联合三种损失函数对模型进行训练,并采用BNNeck进行优化,从而提高模型的鲁棒性.在Market1501和DukeMTMC-reID数据集上的实验表明,所提方法具有较好的效果,在识别精度上也优于较多的经典算法.

颅脑损伤对医院获得性肺炎患者利奈唑胺血药谷浓度的影响

目的探讨颅脑损伤对使用利奈唑胺治疗医院获得性肺炎(HAP)患者血药谷浓度(C_(min))的影响。方法通过医院信息系统选取南京医科大学附属苏州医院神经外科、呼吸科、康复医学科确诊HAP并接受利奈唑胺治疗的患者65例,根据是否伴颅脑损伤分为颅脑损伤组(21例)和非颅脑损伤组(44例)。两组患者均予利奈唑胺(片剂或注射剂,用药剂量根据患者自身情况确定及调整)治疗。比较两组患者初始C_(min)、血小板减少症发生率等的差异,并采用线性回归分析预测C_(min)与肌酐清除率(CCr)之间的相关性。结果颅脑损伤组利奈唑胺中位初始C_(min)及其超标率均明显低于非颅脑损伤组(1.98 mg/L比9.45 mg/L,P<0.01;19.05%比68.18%,P<0.01),血小板减少症发生率明显低于非颅脑损伤组(0比22.73%,P=0.045)。利奈唑胺C_(min)与CCr颅脑损伤组无明显相关性(r=-0.358,P=0.111),非颅脑损伤组呈明显负相关(r=-0.313,P=0.046)。结论颅脑损伤患者利奈唑胺C_(min)不达标的风险较高,但发生血小板减少症的风险较低。临床应关注合并颅脑损伤HAP患者的利奈唑胺C_(min),并通过治疗药物监测调整给药剂量。

NSCLC患者使用ICIs时发生免疫相关不良事件的危险因素及与疗效的关系

目的 探究非小细胞肺癌(NSCLC)患者使用免疫检查点抑制剂(ICIs)时发生免疫相关不良事件(irAEs)的独立危险因素,并评估irAEs与临床疗效的关系。方法 回顾性纳入162例接受ICIs治疗的NSCLC患者,收集人口学、临床特征和外周血液生物标志物,采用Logistic回归分析irAEs的独立危险因素,并评估irAEs与客观有效率(ORR)、无进展生存期(PFS)和总生存期(OS)的关系。结果 83例患者发生了130例次irAEs,12例患者发生了严重的irAEs。较常见irAEs为皮肤毒性(34.6%)和免疫相关性肺炎(21.5%),严重irAEs中发生率最高者为免疫相关性肺炎(5.4%)。基线绝对淋巴细胞(ALC)水平增高是全体患者发生irAEs的独立危险因素(OR=3.195,95%CI:1.341~7.610,P=0.009),同样也是ICIs单药治疗患者(OR=5.613,95%CI:1.109~28.411,P=0.037)、ICIs联合化疗患者(OR=2.901,95%CI:1.102~7.633,P=0.031)发生irAEs的独立危险因素。受试者工作特征曲线显示ALC预测是否发生irAEs曲线下面积为0.713(95%CI:0.633~0.792),最佳临界值为1.25×10^(9)/L,敏感度、特异度分别为71.1%和62.0%。与无irAEs患者相比,有irAEs患者的ORR更高(38.6%vs. 21.5%,χ^(2)=5.567,P<0.05),中位PFS更长(329 d vs. 206 d,Log-rankχ^(2)=5.256,P<0.05),中位OS也更长(690 d vs. 434 d,Log-rankχ^(2)=4.670,P<0.05)。结论 基线ALC水平增高是NSCLC患者发生irAEs的独立危险因素,irAEs的发生与患者ORR、PFS和OS的改善有关。

基于RoBERTa与字词融合的电子病历命名实体识别方法研究

为了提高所抽取电子病历文本中语义信息的准确性,提出基于RoBERTa与字词融合的电子病历命名实体识别算法.采用预训练模型RoBERTa得到充分考虑上下文信息的字向量;然后对文本进行分词处理,再通过Word2Vec得到词向量;最后将两者进行融合传入双向长短记忆神经网络BiLSTM中进行训练,经过条件随机场CRF进行预测输出.在电子病历数据集上进行的对比实验表明,在采用3个评价指标的情况下,文中算法均明显优于经典的电子病历命名实体识别方法.

右美托咪定与咪达唑仑用于静脉曲张激光消融术中清醒镇静的比较:前瞻性随机对照研究

目的比较下肢静脉曲张腔内激光消融闭合术患者应用右美托咪定-瑞芬太尼(dexmedetomidine-remifentanil,DR)与咪达唑仑-瑞芬太尼(midazolam-remifentanil,MR)方案的镇静镇痛效果及安全性。方法将2019年1月~2020年1月90例下肢静脉曲张腔内激光消融闭合术随机分为2组:DR组给予右美托咪定负荷剂量1μg·kg^-1,随后以0.2~0.7μg·kg^-1·h^-1静脉持续泵入;MR组静脉注射咪达唑仑0.02 mg·kg^-1,间隔追加1~2 mg。2组持续输注瑞芬太尼0.02~0.2μg·kg^-1·min^-1。评估2组给药前、给药后手术前、手术开始、手术开始10 min、手术开始30 min、手术结束时的Ramsay镇静评分(RSS)、疼痛数字评分(NRS),监测生命体征、不良反应,调查患者和术者的满意度。结果DR组给药后手术前~手术结束时的RSS评分明显高于MR组(P<0.05),2组NRS评分差异无显著性(P>0.05)。DR组瑞芬太尼用量较小[(2.5±0.6)vs.(4.4±0.5)μg·kg^-1,t=-16.268,P=0.000],呼吸抑制发生率较低(0 vs.6例,P=0.026)。DR组术者满意度评分更高[(3.8±0.5)vs.(3.4±0.9)分,t=2.487,P=0.015],2组患者满意度评分差异无显著性(P>0.05)。结论右美托咪定复合瑞芬太尼可达到更高的镇静深度和良好的疼痛评分,呼吸抑制的发生率更低,手术医生的满意度更高。

亚胺培南用于重症肺炎患者的血药浓度监测及临床疗效评估

目的:评估重症肺炎患者使用亚胺培南后血药浓度监测、临床有效率、细菌清除率,分析谷浓度与临床疗效的相关性,为亚胺培南个体化用药提供参考。方法:前瞻性收集某院重症医学科(ICU)使用亚胺培南抗感染治疗的重症肺炎患者,在用药4~5剂后测定亚胺培南血药谷浓度,记录患者的基础疾病、感染性诊断、病原学分布,分析亚胺培南谷浓度达标情况,并进行临床疗效评估。结果:共入选43例患者,亚胺培南日剂量为2.00(1.90,3.00)g,疗程(9.31±4.38)d,谷浓度为2.41(0.74,3.94)mg·L^(-1),目标性治疗谷浓度的达标率为31.91%,经验性治疗谷浓度的达标率为68.42%,肌酐清除率高的患者谷浓度偏低(P<0.001)。24例患者为革兰阴性菌目标性治疗,共检出47株革兰阴性菌,其中13株(27.66%)为耐碳青霉烯病原菌。临床有效率54.17%(13/24),革兰阴性菌清除率42.55%(20/47),不良反应发生率11.63%(5/43)。临床治愈组的谷浓度达标率较无效组高,差异有统计学意义(50.00%vs.16.00%,P=0.013)。培养出耐碳青霉烯病原菌患者的谷浓度较碳青霉烯敏感患者更高[(2.88±2.06)mg·L^(-1)vs.1.12(0.54,3.58)mg·L^(-1),P=0.049],但谷浓度达标率显著低于碳青霉烯敏感组(0.00%vs.47.06%,P=0.007)。结论:危重症感染患者亚胺培南谷浓度达标率低,谷浓度与肌酐清除率具有相关性。临床疗效与谷浓度达标率相关,耐碳青霉烯组MIC升高与谷浓度未达标显著相关。

曲马多致5-羟色胺综合征的危险因素分析

目的:了解曲马多引起5-羟色胺综合征的临床特征与危险因素,以促进临床合理使用该药。方法:检索国外Pubmed、Embase、中国知网全文数据库(CNKI)及万方数据库建库至2016年曲马多致5-羟色胺综合征的文献报道,对获得的病例资料进行不良反应(ADR)关联性评价与分级、患者性别与年龄、药物应用的情况、发生5-羟色胺综合征的时间、临床表现、处理方法与转归等方面的统计分析。结果:检索获得曲马多所致5-羟色胺综合征的文献报道共21例,其中19例为合并用药,合并使用选择性5-羟色胺再摄取抑制药有12例。关联性评价为很可能2例,可能19例;严重ADR10例,一般的ADR11例。1例患者测定CYP2D6基因型(CYP2D~*1/~*4),对曲马多的代谢能力减弱,发生5-羟色胺综合征的易感性更高。5-羟色胺综合征在用药剂量改变或联合用药后24 h内发生的比例占28.6%。经停药及对症治疗后大部分病例完全恢复,通常少于1周的时间。结论:在使用曲马多时,临床医务工作者需警惕曲马多合并使用5-羟色胺能药物时可能存在的药物相互作用、药物基因多态性的影响而发生5-羟色胺综合征的风险,应注意密切观察患者,以减少药物不良反应的危害。

医院获得性肺炎患者美罗培南血药浓度不达标的危险因素分析

目的分析医院获得性肺炎(HAP)患者美罗培南血药浓度不达标的危险因素。方法选择南京医科大学附属苏州医院2020年1月至2021年6月入住重症监护室且行美罗培南稳态血药谷浓度检测的130例HAP患者为研究对象。记录患者的年龄、性别、体质量等病史资料。测定美罗培南稳态血药谷浓度,并确定其靶标。采用单因素和多因素Logistic回归分析法筛选美罗培南稳态血药谷浓度不达标的危险因素,绘制受试者工作特征(ROC)曲线筛选危险因素的警戒值并评估危险因素的预测价值。结果美罗培南稳态血药谷浓度≥2 mg/L的有85例,稳态血药谷浓度<2 mg/L的有45例。多因素Logistic回归分析显示,年龄、负平衡量、颅脑损伤为美罗培南稳态血药谷浓度不达标的独立危险因素(P<0.05)。ROC曲线显示,患者年龄为58岁时,ROC曲线下面积最大(0.744),灵敏度为0.882,特异度为0.556,约登指数为0.438;负平衡量为520.5 mL/24 h时,ROC曲线下面积达到最大(0.827),灵敏度为0.722,特异度为0.905,约登指数为0.628。颅脑损伤组患者的肌酐清除率显著高于非颅脑损伤组患者、美罗培南稳态血药谷浓度显著低于非颅脑损伤组患者(P<0.001)。结论HAP患者年龄<58岁、存在颅脑损伤及负平衡量>520.5mL/24 h时,美罗培南稳态血药谷浓度不达标的风险会增加。

信息时代档案管理工作的创新路径

档案管理信息化建设,即在计算机网络的运用下显著提升档案的生成速度,并分类管理不同档案系统中的档案与资料,帮助利用者快速查询、使用档案信息,促进了档案作用的充分发挥。信息时代,在创新档案管理的途径中,应加大信息技术的利用程度,促使档案管理效率更上一层楼,对档案管理工作进行规范,推行标准化、规范化的档案管理,为档案管理现代化与信息化发展的实现奠定基础。

轨道交通地下工程耐久性混凝土研究

根据轨道交通地下工程钢筋混凝土结构耐久性设计施工的特点,阐述了耐久性混凝土的试验研究,并通过耐久性混凝土在地下轨道交通工程的实践应用,总结了在地下结构工程中关于配制耐久性混凝土的原材料选择、配制原则、质量控制等关键技术。

事业单位档案管理创新与改革探讨

事业单位档案管理是对单位发展中档案数据的记录整理,在新时代的发展中有着十分重要的意义, 是现代企业有序发展的重点工作, 国家及社会组织对其工作的重视程度, 以及对相关工作做出的努力也是有目共睹的.但是事业单位档案管理工作在当下工作难度较大,对相关问题的整治及管理工作也是经常出现问题,对事业单位档案管理的管理控制工作是重点.文章以事业单位档案管理创新与改革为重点, 对事业单位档案管理问题提出几点建议.

PDCA循环管理模式的应用对规范麻醉药品处方管理的影响

目的:分析PDCA循环管理模式的应用对规范麻醉药品处方管理的影响,为科学有效管理麻醉药品的合理使用提供参考。方法:抽取医院2018年3月-11月采用传统管理方式管理的900张麻醉药品处方作为管理前组,另抽取2018年12月-2019年5月实施PDCA循环管理法管理的600张麻醉药品处方作为管理后组,比较与分析实施不同方法管理的麻醉药品处方不合格情况,以及医药护人员对实施麻醉药品管理后的满意度差异。结果:管理后组麻醉药品不合格处方平均每月存在问题数显著低于管理前组(P<0.05),且随着PDCA循环管理实施时间延长,麻醉药品不合格处方存在问题数逐月减少;管理后组麻醉药品处方不合格率显著低于管理前组(P<0.05);实施PDCA循环管理后医药护人员对麻醉药品管理的满意度显著高于实施前(P<0.05)。结论:采用PDCA循环管理法后,麻醉药品处方不合格情况得到显著改善,其不合格率显著下降;医药护人员对麻醉药品管理的满意度也显著提高,确保了麻醉药品临床使用安全性、合理性。

基于密度峰值聚类的高斯混合模型算法

由于存在大量服从高斯分布的样本数据,采用高斯混合模型(Gaussian Mixture Models,GMM)对这些样本数据进行聚类分析,可以得到比较准确的聚类结果。通常采用EM算法(Expectation Maximization Algorithm)对GMM的参数进行迭代式估计。但传统EM算法存在两点不足:对初始聚类中心的取值比较敏感;迭代式参数估计的迭代终止条件是相邻两次估计参数的距离小于给定的阈值,这不能保证算法收敛于参数的最优值。为了弥补上述不足,提出采用密度峰值聚类(Density Peaks Clustering,DPC)来初始化EM算法,以提高算法的鲁棒性,采用相对熵作为EM算法的迭代终止条件,实现对GMM算法参数值的优化选取。在人工数据集及UCI数据集上的对比实验表明,所提算法不但提高了EM算法的鲁棒性,而且其聚类结果优于传统算法。尤其在服从高斯分布的数据集上的实验结果显示,所提算法大幅提高了聚类精度。

超高效液相色谱串联质谱法同时测定人血清中利奈唑胺及其代谢产物PNU-142300的浓度

目的建立超高效液相色谱串联质谱法(UPLC-MS/MS)同时测定血清中利奈唑胺及羟乙基甘氨酸代谢产物(PNU-142300)的浓度,并用于重症肺炎患者血药浓度监测。方法以d3-利奈唑胺为内标,血清样品采用乙腈沉淀蛋白,色谱柱Acquity UPLC BEH C18 column色谱柱(50.0 mm×2.1 mm,1.7μm),流动相:0.1%甲酸水溶液和0.1%甲酸乙腈溶液,梯度洗脱,流速:0.4 mL·min^(-1),柱温:40℃;进样量:5μL。采用电喷雾电离源,正离子多反应方式监测。考察该方法的专属性、标准曲线、精密度、准确度、提取回收率、基质效应和稳定性。将该分析方法应用于不同肾功能状态的重症肺炎患者利奈唑胺及PNU-142300含量测定。结果利奈唑胺及PNU-142300均在0.1~40.0μg·mL^(-1)的浓度范围内线性关系良好,准确度相对误差(RE)范围为-8.05%~8.33%,日内、日间精密度相对标准差(RSD)分别≤4.33%和≤7.73%。利奈唑胺、PNU-142300的提取回收率在94.37%~102.92%范围,不受基质效应的影响,稳定性良好。肾功能不全组利奈唑胺及PNU-142300的中位谷浓度分布是肾功能正常组的2.15和3.89倍。结论本方法快速、简单、准确,适用于不同肾功能状态患者血清中利奈唑胺及其代谢产物PNU-142300浓度的测定。

一匹老马

黄沙漫天,月朗星稀,我的主人曾无数次望着烽火台上的缕缕轻烟,发出长长的叹息。我的名字叫无悔,是主人当初决定驻守辽东时给我取的。三年前,辽东局势出现混乱。老将军熊廷弼誓死守卫却最终落得被斩的下场,这令众将领个个胆寒,人人心惊。眼看着满朝文武不发一语,主人急在心里,竟不顾大家多次劝阻。

利奈唑胺诱导血小板减少症的危险因素及其预警价值分析

目的探讨利奈唑胺诱导血小板减少(LIT)的危险因素及其预警价值。方法收集苏州市立医院2019年7月至2021年10月收治的医院获得性肺炎(HAP)患者的病历资料进行回顾性分析。提取患者一般情况、合并疾病、利奈唑胺应用情况、实验室检查结果和利奈唑胺稳态血药谷浓度(利奈唑胺谷浓度)等数据,根据LIT发生与否将患者分为LIT组和无LIT组,比较2组患者的临床特征,采用二元logistic回归模型分析HAP患者发生LIT的危险因素,计算比值比(OR)及其95%置信区间(CI)。采用受试者工作特征(ROC)曲线分析危险因素对LIT发生的预测价值。结果纳入分析的患者共74例,男性55例,女性19例;年龄82(73,88)岁;发生LIT者25例(33.8%)。LIT组患者年龄、利奈唑胺谷浓度高于无LIT组[88(81,92)岁比79(70,86)岁,P=0.001;(19.6±10.3)mg/L比(9.8±6.4)mg/L,P<0.001],基础血小板计数(PLT)、基础肌酐清除率(Ccr)低于无LIT组[181(162,212)×10^(9)/L比229(169,289)×10^(9)/L,P=0.025;31(19,44)ml/(min·1.73 m^(2))比46(27,65)ml/(min·1.73 m^(2)),P=0.018]。二元logistic回归分析结果显示,基础Ccr低(OR=0.974,95%CI:0.951~0.998,P=0.035)、利奈唑胺谷浓度高(OR=1.156,95%CI:1.059~1.261,P=0.001)是HAP患者发生LIT的独立危险因素。ROC曲线分析结果显示,HAP患者发生LIT的年龄、利奈唑胺谷浓度、基础PLT及基础Ccr折点分别为87岁(敏感度56.0%,特异度83.7%)、15.4 mg/L(敏感度64.0%,特异度87.8%)、189×10^(9)/L(敏感度67.3%,特异度68.0%)和45 ml/(min·1.73 m^(2))(敏感度53.1%,特异度80.0%)。以上述折点为警戒值将患者各分为2组比较其LIT发生率,结果显示年龄、利奈唑胺谷浓度超过警戒值组和基础PLT、基础Ccr、低于和等于警戒值组LIT发生率均明显高于相比较的另一组(均P<0.01)。结论基础Ccr、利奈唑胺谷浓度、年龄和基础PLT是HAP患者发生LIT的危险因素,其警戒值分别为45 ml/(min·1.73 m^(2))、15.4 mg/L、87岁和189×10^(9)/L,对LIT的发生有较好预测价值。

肾功能不全对利奈唑胺代谢物浓度及血小板减少的影响分析

目的:探讨肾功能对利奈唑胺谷浓度及代谢物PNU^(-1)42300浓度的影响,评估利奈唑胺谷浓度及PNU^(-1)42300浓度对血小板减少(linezolid induced-thrombocytopenia, LIT)的影响及预警价值。方法:收集2019年11月至2022年1月在南京医科大学附属苏州医院住院期间使用利奈唑胺的患者,分为肾功能不全组与肾功能正常组,比较2组利奈唑胺谷浓度和PNU^(-1)42300浓度的差异,分析不同利奈唑胺谷浓度下LIT的发生风险。绘制受试者工作特征(receiver operation characteristic, ROC)曲线,评估利奈唑胺谷浓度及PNU^(-1)42300浓度对LIT的预警价值。结果:共收集92例患者,肾功能不全组40例,肾功能正常组52例。肾功能不全组利奈唑胺谷浓度及PNU^(-1)42300浓度更高(P<0.01;P<0.01),两者与肾功能均存在一定的负相关(Spearman’s r=-0.371,P<0.01;Spearman’s r=-0.451,P<0.01)。共19例患者发生LIT,肾功能不全组12例(30.00%),肾功能正常组7例(13.46%),差异无统计学意义(P=0.052)。利奈唑胺谷浓度≥7 mg·L^(-1)相比于<7 mg·L^(-1)发生LIT的风险增加(Log-Rank P=0.010);肾功能不全者LIT风险增加(Log-Rank P=0.036)。LIT组利奈唑胺谷浓度和PNU^(-1)42300浓度更高(P<0.01)。利奈唑胺谷浓度和PNU^(-1)42300浓度折点分别为12.10 mg·L^(-1)、4.63 mg·L^(-1)。结论:肾功能不全者利奈唑胺谷浓度及PNU^(-1)42300浓度更高。利奈唑胺谷浓度>12.10 mg·L^(-1)、PNU^(-1)42300浓度>4.63 mg·L^(-1)时LIT发生风险增加。