硝苯地平与利托君治疗先兆早产的临床效果评价

目的 探索分析先兆早产孕妇予以硝苯地平、利托君治疗的效果。方法 将90例先兆早产孕妇作为研究对象,以数字随机法分为对照组和研究组,各45例。对照组予以利托君进行治疗,研究组予以硝苯地平进行治疗。比较两组孕妇治疗后宫缩抑制情况,治疗过程中不良反应发生情况,药物起效时间以及妊娠延长时间,妊娠结局及新生儿情况。结果 研究组宫缩总抑制率为84.44%,略高于对照组的75.56%(P>0.05)。研究组治疗过程中不良反应发生率仅为4.44%,显著低于对照组的17.78%(P<0.05)。研究组药物起效时间(2.53±0.51)h以及妊娠延长时间(26.43±2.82)d均明显优于对照组的(2.82±0.49)h、(27.94±3.78)d(P<0.05)。研究组保胎成功率高达95.56%,显著超过对照组的82.22%(P<0.05);两组新生儿体重无显著差异(P>0.05);研究组1 min Apgar评分(9.68±0.25)分显著超过对照组的(9.24±0.32)分(P<0.05)。结论 针对先兆早产孕妇予以硝苯地平、利托君治疗,均可以有效抑制宫缩、延长分娩时间、改善妊娠以及新生儿结局,较之于利托君,硝苯地平效果更好、安全性更高,值得推广应用。

基于MapReduce改进离散型萤火虫算法和多重分形的属性约简方法

针对大数据环境下属性约简问题,提出基于MapReduce改进离散型萤火虫算法(IDGSO)和多重分形(MFD)的属性约简方法.首先,通过对萤火虫个体的移动方式进行离散化改进,引入迁徙策略和高斯变异策略,避免陷入局部最优,并提出改进离散型萤火虫算法.然后,将IDGSO结合MFD应用于属性约简中.最后,针对大数据环境下属性约简问题,采用MapReduce编程模式,实现对IDGSO和MFD的并行化.在UCI数据集和实际气象数据集上的实验表明,文中算法约简性能较优,运行效率较快,具有较好的有效性和可行性.

融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法

属性选择是数据挖掘领域用于降低数据特征维度的预处理方法.针对大数据环境下高维数据的属性约简问题,提出了融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法.首先,引入了参数控制的位置更新策略、对蚂蚁个体与种群进行交叉变异、重新定义阻塞机制的信息素更新,提出了并行改进的二元蚁群算法MRIBACO.其次,以并行二元蚁群算法作为离散解空间的搜索策略,结合分形维数提出了属性选择模型.在6个UCI数据集上的实验结果表明,较其他方法计算效率更优,同时表明了其有效性与稳定性.

腹腔镜子宫肌瘤剔除术对患者子宫微循环及再妊娠结局的影响

探讨腹腔镜子宫肌瘤剔除术对患者子宫微循环及再妊娠结局的影响。方法:选取我院56例子宫肌瘤患者,按中心抽样随机法分组(研究组、对照组),23例/组,选取时间2018年3月至2020年3月。对照组行传统开腹子宫肌瘤剔除术,研究组行腹腔镜子宫肌瘤剔除术,对收集的各项数据进行统计分析后,对比两组具体治疗情况及妊娠结局。结果:研究组并发症发生率、不良妊娠结果发生率低于对照组(P<0.05);住院、术后排气、手术、再次妊娠间隔时间均短于对照组、出血量低于对照组(P<0.05);治疗后子宫微循环指标优于对照组(P<0.05)。结论:腹腔镜子宫肌瘤剔除术是子宫肌瘤优质的手术治疗方法,在再次妊娠结局、控制子宫微循环等方面均有体现,值得推广应用。