老年冠心病伴冠状动脉钙化患者糖脂代谢、血清GSDMD、IL-18水平及其风险预警模型的研究

目的研究老年冠状动脉粥样硬化性心脏病(冠心病)伴冠状动脉钙化患者糖脂代谢、血清消皮素D(GSDMD)、白介素-18(IL-18)水平变化及其风险预警模型。方法选择2022年12月至2023年10月于无为市人民医院确诊的冠心病患者350例作为观察对象。通过冠状动脉CT血管造影(CCTA)评估冠状动脉钙化积分(CACs),将患者分为CAC组(CACs≥10分,280例)及非CAC组(CACs<10分,70例)。比较两组患者基线资料。采用Logistic回归分析模型,分析冠心病CAC的独立危险因素。并据此构建列线图以及ROC曲线。结果两组在年龄、空腹血糖(FBG)、糖化血红蛋白(HbA1c)、三酰甘油(TG)、低密度脂蛋白胆固醇(LDL-C)、胰岛素抵抗(IR)、GSDMD、IL-18比较,有统计学差异(P<0.05)。经单因素筛选得出,年龄、FBG、TG、LDL-C、IR、GSDMD、IL-18可能为老年冠心病患者冠状动脉钙化的影响因素。通过Logistic回归分析得知,年龄≥65岁、高血糖、高TG、高LDL-C、高IR、高GSDMD、高IL-18为老年冠心病患者发生冠状动脉钙化的危险因素(P<0.05)。据此构建列线图模型得出,Bias-corrected预测曲线与Ideal线基本吻合,说明该模型预测患者出现冠状动脉钙化与实际风险一致性良好。该模型的决策曲线显示,其在阈值概率范围0.04~1.00之间表现出净收益率大于0的特点,超过了两条无效线。通过ROC分析显示,联合预测指标的AUC为0.888,大于单项指标的AUC,说明其对老年冠心病患者伴冠状动脉钙化有良好的区分度。结论年龄≥65岁、高血糖、高TG、高LDL-C、高IR、高GSDMD、高IL-18均为老年冠心病患者发生冠状动脉钙化的危险因素。

基于FMEA和HM的智能电能表关键元器件认定研究

智能电能表关键元器件的认定是智能电能表可靠性提升的重要途径和手段。文中根据智能电能表可靠性的要求,结合智能电能表的实际情况对智能电能表严酷度进行了定义。利用故障模式和影响分析方法(Failure Mode and Effect Analysis,FMEA)结合智能电能表实际故障调研数据,对智能电能表的严酷度和故障概率等级进行评定,在此基础上绘制危害性矩阵图,得到了智能电能表关键元器件的认定依据,进而认定了智能电能表的关键元器件,实验分析验证了结果符合实际情况。文章对智能电能表生产厂家和相关管理部分具有较好的参考价值,对提升智能电能表可靠性有积极作用。

智能电能表可靠性研究综述

智能电能表的普及以及功能复杂性的提高使其可靠性问题变得突出。智能电能表的可靠性评估方法包括基于元件应力法的可靠性预计以及可靠性加速寿命试验,而失效机理的研究可从微观层面分析智能电能表失效的内因,从而为智能电能表的质量提升提供理论依据。文章在调研分析智能电能表的运行现状基础上,分析了当前智能电能表在可靠性预计以及可靠性加速寿命试验和失效机理等方面的研究现状,总结了关于智能电能表可靠性标准规范的发展现状,探讨了未来智能电能表可靠性的发展方向。

基于Bayes和Bootstrap方法的智能电表可靠性评估

针对智能电表现场数据不能涵盖其整个生命周期、加速寿命试验应力同实际运行环境存在差异使得仅以单一数据源为依据的可靠性评估结果不够准确的问题,提出了结合Bayes和Bootstrap方法的智能电表可靠性评估方法。该方法采用Bootstrap方法处理现场数据,得到智能电表可靠性模型参数的离散分布,以该离散分布作为先验信息,采用Bayes方法结合加速寿命试验数据得到融合两种信息后的参数估计值,实现智能电表的可靠性评估。实例结果表明,该方法得到的智能电表可靠性模型在前半段贴近现场实际情况,在后半段有涵盖全生命周期的试验数据作为支撑,可用于智能电表整个生命周期的可靠性评估。