他汀类联合心血管药物治疗冠心病的临床效果及药学观察

本文主要探究对患有冠心病的疾患,为其实施他汀类+心血管药物治疗的有效性。方法 资料选取2022年1月11日至2023年1月1日本院收治冠心病患者70例,根据治疗方案的差异将其分成单一组和联合组各35例。其中单一组实施瑞舒伐他汀钙片治疗,联合组在单一组基础上加入硫酸氢氯吡格雷片治疗。2组均连续治疗、观察60日,收集并比较2组治疗前后相关数据的变化。结果 临床症状积分比较,2组干预后较之干预前呈现更优结局;且联合组干预后胸部绞痛(1.49±0.19 vs.2.72±1.03)、呼吸困难(1.05±0.83vs.2.42±0.92)、心律紊乱(1.35±0.51vs.2.85±1.23)、乏力气短(1.87±0.52vs.1.98±1.06)均比单一组呈现更优结局(P<0.05)。血脂指标比较,2组干预后较之干预前呈现更优结局;且联合组干预后总胆固醇(1.09±0.18vs.1.37±0.20)、三酰甘油(2.57±0.25vs.3.10±0.28)、低密度脂蛋白水平(2.11±0.19vs.3.13±0.26)、高密度脂蛋白水平1.16±0.42(vs.0.95±0.37)均比单一组呈现更优结局(P<0.05)。心功能指比较,2组干预后较之干预前呈现更优结局;且联合组干预后左心室射血分数(46.67±10.19vs.41.59±9.06)、左室舒张末容积(131.68±9.03vs.140.28±10.71)、左心室收缩末期容积(75.27±8.15vs.88.56±9.16 )均比单一组呈现更优结局(P<0.05)。药学满意度比较,联合组病情控制情况、治疗有效性、药物安全性均比单一组呈现更优结局(P<0.05)。结论 对患有冠心病的疾患,为其实施他汀类+心血管药物治疗该方法可行,该治疗方案对患者心功能、血脂指标有着正向调节作用,进一步提高药学效果。

荧光光谱法和ABC-RBF神经网络在多环芳烃浓度检测中的应用

多环芳烃(polycyclic aromatic hydrocarbon,PAHs)具有强致癌性,极大威胁着人类身体健康。因此,寻找一种高效、精确的多环芳烃浓度检测方法十分必要。采用FS920荧光光谱仪分析了苯并(k)荧蒽(BkF)、苯并(b)荧蒽(BbF)、苯并(a)芘(BaP)混合溶液的荧光光谱特性。发现在激发波长260~400 nm、发射波长300~500 nm范围内,混合溶液的荧光光谱重叠严重。当混合物浓度配比不同时,荧光特性也存在很大差异。针对光谱图不能直接反映混合物各组分浓度的特点,将人工蜂群(ABC)算法优化的径向基函数(RBF)神经网络应用于浓度检测中,对比分析普通RBF和ABC-RBF神经网络模型。结果表明,ABC-RBF神经网络模型预测误差相对较小,训练到95次时,均方差精度达到10^(-3)。BkF、BbF和BaP的回收率平均值分别为99.20%、99.12%和99.23%,证明此网络适用于检测多环芳烃溶液,为检测多环芳烃浓度提供了一种快速、有效的新方法。

基于三维荧光与GA-RBF神经网络对茶叶中氯菊酯农药残留的检测

采用FS920稳态荧光光谱仪对绿茶和铁观音这两种不同品种茶叶的氯菊酯溶液的荧光光谱特性进行了分析,发现这两种茶叶的荧光峰均位于λ_(ex)/λ_(em)=(390~410)/675 nm,氯菊酯的荧光峰λ_(ex)/λ_(em)=300/330nm。为了准确测定这两种茶叶中氯菊酯农药残留的含量,采用遗传算法优化的径向基函数神经网络对其进行了分析,当训练到74次时,均方差精度达到10^(-3),绿茶、铁观音的氯菊酯溶液预测样本的平均回收率分别为99.35%和98.89%,平均相对标准偏差分别为1.25%和1.21%。与建立的径向基函数神经网络模型进行了对比,结果表明三维荧光分析技术与遗传算法优化的径向基函数神经网络相结合能够较好地检测出茶叶中氯菊酯农药残留的含量,检测灵敏度大大提高,检出限范围广,可达0.004 8~24 mg/kg,远低于欧盟规定的茶叶中氯菊酯最高残留限量0.1 mg/kg,为检测农药残留提供了一种快速简便的新方法。

大气环境中PM_(2.5)在线监测及评价理论研究

基于光散射法研制了一种PM_(2.5)在线监测系统,运用该系统对PM_(2.5)质量浓度进行实时监测。鉴于PM_(2.5)在空气质量评价中仅作为一个参考指标,专门针对PM_(2.5)的评价机制研究较少,将层次分析法与模糊评价法相结合,对一段时间内PM_(2.5)的浓度进行评价,得到时段内空气PM_(2.5)的质量状况。模糊评价法可很好地反映评价等级划分的模糊性和连续性,层次分析法能够将复杂的系统进行定量处理,评价结果符合实际情况。

三维荧光光谱结合Zernike图像矩快速鉴别掺伪芝麻油

为了实现对掺伪芝麻油的快速鉴别,应用FS920荧光光谱仪测定样品的三维荧光光谱数据。将三维荧光光谱图视为灰度图,在没有任何预处理的前提下,直接应用Zernike图像矩提取三维光谱灰度图的特征信息,然后采用类平均法对特征信息进行聚类分析,从定性角度实现掺伪芝麻油的鉴别,并解析其组成成分。最后应用广义回归神经网络(GRNN)对掺伪样本的成分进行定量分析。聚类分析能够以很高的辨识率来识别掺伪芝麻油,并能够正确解析其组成成分。定量模型预测了2组掺伪样本中各成分的相对体积,其平均相对误差分别为2.23%,8.00%,9.70%和9.70%。分析结果表明,Zernike矩能够有效提取光谱的特征信息,光谱数据的Zernike矩特征结合聚类分析以及GRNN模型能够获得良好的定性和定量分析结果,为掺伪芝麻油的鉴别提供了一种新的方法。

基于tri-PLS模型的油类混合物三维荧光光谱及其成分的研究

提出了一种光谱重叠的多种矿物油混合物组分含量测定的新方法。将偏最小二乘方法(PLS)推广至三维扩展(tri-PLS),不需要解决特征值问题。利用该方法对柴油、汽油和煤油混合物的三维荧光光谱进行研究,根据样本序列、激发波长、发射波长构造出三维数据矩阵,结合浓度矩阵应用tri-PLS法建立校正模型,对实验样本进行预测,实验结果表明tri-PLS方法的建模精度比常用的平行因子法优越。

药剂师参与处方管理对促进医院多重用药患者药物合理应用的效果

本文重点讨论本医院多重用药患者,对其应用药剂师参与处方管理的可行性。方法 资料选取2021年6月3日至2022年6月3日收治患者60例,根据患者入院顺序将其分成参照组和观察组各30例。其中参照组应用常规管理进行干预,观察组应用处方管理进行干预,2组均干预1个月。干预结束后,收集并观察各组数据存在的差异。结果 观察组药师沟通能力(88.56±2.20vs.71.09±2.78)、药师管理效率(92.36±3.15vs.75.98±3.02)、药师专业知识(91.39±3.43vs.76.21±2.77 )、药师责任感(91.29±3.82vs.77.86±2.96)、药物使用安全(93.51±3.19 vs.78.30±2.57)均比参照组呈现更高数值(P<0.05)。观察组药物用法正确(91.10±3.42vs.78.06±3.47)、药物类型正确(92.51±3.20 vs.80.12±3.31 )、药物数量正确(90.76±3.37 vs.77.82±2.30)、药物禁忌(93.35±3.07vs.78.32±3.60)、其他注意事项(92.86±2.25 vs.76.72±3.31)均比参照组呈现更高数值(P<0.05)。观察组用药安全性(89.21±3.55vs.72.78±3.20)、用药经济性(93.01±2.27vs.75.19±2.53)、用药依从性(91.76±3.51vs.75.52±3.08)均比参照组呈现更高数值(P<0.05)。结论 对医院多重用药患者应用药剂师参与处方管理具备较高的推广价值,其能够提高药学服务质量及处方质量,对建立良好医患关系有着积极影响。

水质痕量石油类污染物分类识别方法

基于水质中石油类污染物的强荧光特性,构建了荧光检测实验系统,分别以50种不同浓度的汽油、柴油、煤油和机油的水溶液为测量样本,分析了其荧光特性.由于四者荧光峰位置相似,很难直接识别,提出了一种运用神经网络进行模式识别的新方法,将主成分分析法(PCA)和可拓神经网络(ENN)相结合对输入矢量进行降维并进行分类识别.结果表明,该方法与ENN和PCA-BP算法相比,迭代数由265降低到60;识别离差平方和由0.236 5降到0.014 5;识别效率由72.50%提升到96.25%;识别精度可达10-6级别.PCA-ENN算法具有较高的识别精度和识别效率,同时也可用于水质中其它痕量有机物质的光谱识别.

基于三维荧光与BLLS/RBL同时检测蜂蜜中3种喹诺酮类抗生素

采用三维荧光光谱法实现对蜂蜜中的3种喹诺酮类抗生素(氟甲喹、恩诺沙星和左氧氟沙星)残留样本的数据测量,对所得光谱消除了二级瑞利散射和拉曼散射的干扰,采用小波优化集合经验模态分解(EEMD)的方法消除光谱噪声,完成了预处理过程。采用双线性最小二乘/残差双线性(BLLS/RBL)算法分别对预处理前后的样本进行定性、定量检测。结果表明:经预处理后可以准确地解析出样本中各组分光谱,且与原光谱有着极高的相似度。定量分析中,氟甲喹、恩诺沙星和左氧氟沙星的预测平均加标回收率RA分别为94.99%,100.20%,103.20%;均方根误差RMSE分别为4.03,0.21,0.29μg/L;灵敏度SL分别为3.2×10^(3),3.5×10^(4),3.3×10^(4)μg/L;检测下限L_(out)分别为2.08,0.18,0.19μg/L;优于未经预处理的结果。

三维荧光光谱结合Tchebichef矩快速鉴别掺伪芝麻油

应用FS920荧光光谱仪测定样品的三维荧光光谱数据,直接利用Tchebichef矩提取三维光谱灰度图的特征信息,然后对其进行聚类分析,最后通过逐步回归建立样本中各成分的线性模型。聚类分析能够准确识别掺伪芝麻油,并正确解析其组成成分,得到的线性模型相关系数R>0.99。研究表明,Tchebichef矩能够有效提取光谱的特征信息,应用于掺伪芝麻油鉴别可获得良好的定性和定量分析结果。

基于荧光光谱的五维数据处理方法

石油是一种成分复杂的混合物,通过常规的检测方法很难对其进行定性识别。本文用汽、煤、柴油的混合物来模拟环境中的油类污染物。汽、煤、柴油在特定波长范围的激发下可以发出含有物质自身信息的荧光,根据朗伯-比尔定律可知荧光强度与物质浓度成正比,利用该性质对特定物质进行识别。通过FS920稳态荧光光谱仪对样本进行测量,将实验所得的三维数据拓展为五维数据,提出了一种将展开偏最小二乘耦合到残差四线性的五维数据处理方法,同时采用五维平行因子法和该算法分解数据,实现了对汽、煤油的定量分析,并恢复出了其激发和发射光谱。结果表明,展开偏最小二乘法的分析效果更好。

基于三维荧光光谱的Krawtchouk图像矩算法在多环芳烃定量分析中的应用

以多环芳烃中的芴和苊为研究对象,提出一种将三维荧光光谱技术与Krawtchouk图像矩、广义回归神经网络相结合的定量分析的方法。利用FS920荧光光谱仪获取样品的三维荧光光谱数据,得到对应的三维光谱灰度图。直接计算三维光谱灰度图的Krawtchouk矩,将得到的Krawtchouk矩经平均影响值筛选后作为广义回归神经网络的输入,建立多环芳烃(PAHs)的定量模型。预测8组混合溶液的测试样本,芴和苊的平均相对误差分别为0. 98%和2. 15%。研究结果表明,Krawtchouk矩经过筛选后预测结果更为准确,该方法能够有效提取光谱的特征信息,简单、准确的预测PAHs的浓度。

帕金森病患者的中枢电生理表现

目的研究帕金森病(Parkinson’s disease,PD)患者大脑皮层的活动状态,以制定个体化治疗方案,并为帕金森病发病机制的研究提供依据。方法招募不同临床表现的PD患者16名,其中静止性震颤者7名,运动迟缓者9名,Hoehn-Yahr分期2-3期,根据统一帕金森病评定量表-Ⅲ(unified Parkinson’s disease rating scale-Ⅲ,UPDRS-Ⅲ)中单侧肢体得分结果将每组患者肢体分为症状重侧和症状轻侧,所有患者四肢均行皮层运动阈值(motor threshold,MT)、运动诱发电位(motor evoked potential,MEP)、中枢传导时间(central motor conduction time,CMCT)检测,对比组间各检测值有无明显差异。结果静止性震颤组症状较重侧上肢MT与运动迟缓组比较差异有统计学意义(P<0.05),症状较轻侧MT、MEP潜伏期、波幅以及CMCT两组间差异均无统计学意义(P>0.05)。结论不同临床表现的PD患者皮层MT不同,皮层兴奋性的不同可能是导致PD不同临床表现的原因之一。

语文教学要注重提升学生阅读和写作素养

随着我国教育改革的不断深入,"学生核心素养"被提到一个空前的高度。2017年底,教育部发布了高中阶段各学科学生的学科核心素养。那么,小学阶段应该培养学生哪些核心素养呢?我认为,语文学科素养最重要的就是阅读和写作素养。如何培养学生的阅读素养呢?笔者认为产生兴趣、循序渐进、掌握方法是一条根本途径。如何培养学生的写作素养呢?笔者认为写作习惯和写作方法至为重要,我着重从这两方面入手提升学生写作能力。

基于EMD和数学形态学的多环芳烃光谱去噪

基于多环芳烃中苯并[k]荧蒽(BkF)的强荧光特性,构建了荧光检测实验系统,并制备了10个不同浓度的BkF甲醇溶液样品,分析了样品荧光特性。为了更好地进行定性和定量分析,采用经验模态分解(EMD)改进阈值法结合数学形态学对荧光光谱信号进行去噪处理,并与EMD阈值去噪法进行对比。结果表明,提出的方法使去噪后的荧光光谱更加平滑,荧光强度与样品浓度的线性相关系数更高,达到0.99746;信噪比有所提高;原始信号与去噪后信号的均方误差由0.0053降低至0.0012。提出的方法去噪效果显著,有效地提高了光谱的分析精度,为荧光光谱预处理提供了一种新方法。

基于U-PLS/RQL的油类混合物三维荧光导数光谱研究

以汽油、煤油和柴油的混合溶液为研究对象,将柴油作为干扰物,分析混合溶液中汽油和煤油的含量,提出了一种通过分析三维荧光光谱数据测量油类混合物成分及含量的新方法。该方法结合展开偏最小二乘法(UPLS)与残差四线性分析(RQL)处理三维荧光一阶导数光谱。利用Savitzky-Golay多项式拟合微分法分别对油类混合物光谱数据的x轴和y轴求偏导,并将三维荧光光谱扩展为五维导数光谱,再通过U-PLS/RQL建立该四阶数据的校正模型,对预测样品进行分析,使光谱数据得到合理的分解与识别。预测相对误差减小到5.0%以下,预测精度高于三阶多元校正法。

荧光光谱法结合BLLS/RBL用于快速检测水中喹诺酮类抗生素

为了快速检测水环境中的喹诺酮类抗生素,将三维荧光光谱法结合双线性最小二乘/残差双线性算法(BLLS/RBL),用于检测水中的氟甲喹(FLU)、恩诺沙星(ENR)和左氧氟沙星(LVFX)。该方法不仅可以准确解析出光谱重叠现象严重的三种抗生素,而且与平行因子方法(PARAFAC)相比,可以得出更可靠的定量预测结果。BLLS/RBL预测的FLU、ENR和LVFX的平均回收率分别为98.46%、99.10%、101.69%,均方根误差(RMSE)为4.33、0.33、0.26μg·L^-1,灵敏度(SEN)为2.8×10^3、3.5×10^4、5.5×10^4,检测限(LOD)为0.72、0.06、0.03μg·L^-1。实验结果表明,三维荧光光谱结合BLLS/RBL是一种可靠的水中喹诺酮类抗生素的检测方法。