缓解期炎症性肠病病人的护理进展

炎症性肠病(IBD)是一种病因尚不明确的慢性非特异性肠道炎症性病症,包括溃疡性结肠病和克罗恩病,对缓解期IBD病人的护理,从缓解期IBD病人的教育、就业、心理、营养、生育和感染等方面进行综述,分析吸烟和接种两个有争议的因素对缓期解IBD病人的影响。

青年黄疸259例临床分析

目的探讨18—44岁青年黄疸患者的临床表现与病因的构成。方法收集我院2009年1月-2011年11月以黄疸为首发表现入院的青年患者的临床资料，统计患者病因构成与临床表现、性别、严重程度的关系，并与中老年人群中的黄疸病因构成进行比较。结果可引起青年黄疸的疾病较多，其中最常见的病因依次为病毒性肝炎、胆石病、药物性肝病、自身免疫性肝病等。病毒性肝炎、胆石病、败血症、肝衰竭等疾病伴有的临床症状和体征较多，重度黄疸主要见于肝炎及肿瘤患者。结论青年黄疸的病因以常见病、多发病为主，黄疸的病因构成有其自身的特点。

大鼠远段结肠体外运动模式的实验研究

目的:探索大鼠体外远段结肠的运动模式及其特征。方法:用时空图记录35只SD大鼠离体远段结肠的运动模式和药物干预下的神经源性和肌源性特征。结果:在大鼠远段结肠中观察到节律性运动复合波、微小波、分节运动和长距离收缩运动(LDC),LDC到达远段结肠与其他运动模式形成不同组合。河豚毒素和利多卡因阻断远段结肠LDC,改变节律性运动复合波,促进微小波活动,进而引发分节运动;继之加入的氯贝胆碱诱发长时程LDC样运动和强有力的远段结肠逆向收缩。L-硝基精氨酸可阻断LDC,改变远段结肠的运动复合波形式。结论:大鼠远段结肠参与LDC发生,尚可见节律性运动复合波、微小波、分节运动和逆向收缩。

基于深度学习的放大蓝激光成像和放大窄带成像模式下早期胃癌识别模型的诊断效果对比

目的研制基于深度卷积神经网络的放大蓝激光成像(ME-BLI)和放大窄带成像(ME-NBI)模式下早期胃癌识别系统,比较2种模式下模型的性能差异,并探讨模型训练方式对准确度的影响。方法回顾性收集ME-BLI和ME-NBI下的胃良性病灶和早期胃癌的内镜图像,共收集5个数据集和3个测试集:数据集1包括2024张非癌和452张早期胃癌ME-BLI图片,数据集2包括2024张非癌和452张早期胃癌ME-NBI图片,数据集3是数据集1和2的合集(共4048张非癌、904张早期胃癌ME-BLI和ME-NBI图片),数据集4在数据集2的基础上增加62张非癌和2305张早期胃癌ME-NBI图片(共2086张非癌和2757张早期胃癌ME-NBI图片),数据集5在数据集3的基础上增加62张非癌和2305张早期胃癌ME-NBI图片(共4110张非癌、3209张早期胃癌ME-BLI和ME-NBI图片);测试集A包括422张非癌和197张早期胃癌ME-BLI图片,测试集B包括422张非癌和197张早期胃癌ME-NBI图片,测试集C是测试集A和测试集B的合集(共844张非癌、394张早期胃癌ME-BLI和ME-NBI图片)。根据5个数据集分别构建5个模型,分别评估其在3个测试集中的表现。通过以病灶为单位的视频测试,比较ME-NBI和ME-BLI模式下早期胃癌识别模型在临床环境下的性能差异,并与4名资深内镜医师进行比较。主要终点指标为早期胃癌的诊断准确度、灵敏度和特异度。采用卡方检验进行统计学分析。结果模型1在测试集A的表现最佳,准确度、灵敏度、特异度分别为76.90%(476/619)、63.96%(126/197)、82.94%(350/422);模型2在测试集B的表现最佳,准确度、灵敏度和特异度分别为86.75%(537/619)、92.89%(183/197)、83.89%(354/422);模型3在测试集B中的表现最佳,准确度、灵敏度和特异度分别为86.91%(538/619)、84.26%(166/197)、88.15%(372/422);模型4在测试集B的表现最佳,准确度、灵敏度和特异度分别为85.46%(529/619)、95.43%(188/197)、80.81%(341/422);模型5在测试集B的表现最佳,准确度、灵敏度和特异度分别为83.52%(517/619)、96.95%(191/197)、77.25%(326/422)。根据图片识别早期胃癌,模型2~5的准确度均高于模型1,差异均有统计学意义(χ^(2)=147.90、149.67、134.20、115.30,P均<0.01);模型2和3的灵敏度和特异度均高于模型1,模型2的特异度低于模型3,差异均有统计学意义(χ^(2)=131.65、64.15、207.60、262.03、96.73,P均<0.01);模型4和5的灵敏度均高于模型1~3,模型4和5的特异度均低于模型1~3,差异均有统计学意义(χ^(2)=151.16、165.49、71.35、112.47、132.62、153.14,176.93、74.62、14.09、15.47、6.02、5.80,P均<0.05)。以病灶为单位的视频测试结果显示,医师1~4的平均准确度为68.16%;模型1~5的准确度分别为69.47%(66/95)、69.47%(66/95)、70.53%(67/95)、76.84%(73/95)和80.00%(76/95)。模型1~5之间、模型1~5与医师1~4之间的准确度比较差异均无统计学意义(P均>0.05)。结论基于深度学习的ME-BLI早期胃癌识别模型具有较好的准确度,但诊断效果略差于ME-NBI模型;ME-NBI联合ME-BLI早期胃癌识别模型的诊断效果优于单独模式下的模型;增加ME-NBI图片数量,尤其是早期胃癌图片,可以提高ME-NBI模型的灵敏度,但特异度有所下降。

基于不同训练方法的2种人工智能系统在染色放大内镜下识别早期胃癌的能力比较

目的比较随机裁剪图片深度卷积神经网络识别模型(DCNN-C)和整张图片深度卷积神经网络识别模型(DCNN-W)2种基于不同训练方法的人工智能系统在染色放大内镜下辅助识别早期胃癌的能力。方法回顾性收集武汉大学人民医院内镜中心窄带成像和蓝激光成像2种染色放大内镜模式下的早期胃癌或非癌图片和视频片段,用于DCNN-C和DCNN-W的训练集和测试集。比较DCNN-C和DCNN-W在图片测试集中,以及DCNN-C、DCNN-W和3名高年资内镜医师(平均水平)在视频测试集中识别早期胃癌的能力。统计学方法采用配对卡方检验和卡方检验。观察者间的一致性以Cohen′s Kappa统计系数(Kappa值)表示。结果在图片测试集中,DCNN-C诊断早期胃癌的准确度、灵敏度、特异度、阳性预测值分别为94.97%(1133/1193)、97.12%(202/208)、94.52%(931/985)、78.91%(202/256),分别高于DCNN-W的86.84%(1036/1193)、92.79%(193/208)、85.58%(843/985)、57.61%(193/335),差异均有统计学意义(χ^(2)=4.82、4.63、61.04、29.69,P=0.028、=0.035、<0.001、<0.001)。在视频测试集中,高年资内镜医师诊断早期胃癌的准确度、特异度和阳性预测值分别为67.67%、60.42%、53.37%,分别低于DCNN-C的93.00%、92.19%、87.18%,差异均有统计学意义(χ^(2)=20.83、16.41、11.61,P<0.001、<0.001、=0.001);DCNN-C诊断早期胃癌的准确度、特异度和阳性预测值分别高于DCNN-W的79.00%、70.31%、64.15%,差异均有统计学意义(χ^(2)=7.04、8.45、6.18,P=0.007、0.003、0.013);高年资内镜医师诊断早期胃癌的准确度、特异度、阳性预测值与DCNN-W比较差异均无统计学意义(均P>0.05);高年资内镜医师、DCNN-W和DCNN-C诊断早期胃癌的灵敏度分别为80.56%、94.44%、94.44%,差异均无统计学意义(均P>0.05)。一致性分析结果显示,高年资内镜医师与金标准的一致性一般至中等(Kappa值=0.259、0.532、0.329),DCNN-W与金标准的一致性中等(Kappa值=0.587),DCNN-C与金标准的一致性极高(Kappa值=0.851)。结论当训练集相同时,DCNN-C识别早期胃癌的能力优于DCNN-W和高年资内镜医师,DCNN-W与高年资内镜医师水平相当。