基于机器学习的战现场伤员预警模型建立与评价

目的为实现战现场对重伤伤员进行预警的需求,以达到分诊前移并指导救治顺序,提高救治效率。方法本研究从某军队医院急诊数据库和美国建立的一个对外开放的多参数临床重症监护数据库(Medical Information Mart for Intensive CareⅢ,MIMICⅢ)中分别收集1469、1464名患者数据,根据战现场可行性与科学性分析筛选出7个代表性的指标作为训练模型的输入特征,基于XGBOOST进行特征权重排序筛选出最优特征组合,并进一步分析所选取的特征对预测结果的影响程度。利用随机森林、支持向量机、朴素贝叶斯、XGBOOST、多层感知机5种方法构建重伤伤员预警模型,并对预警模型进行性能评价。结果通过实验显示,心率、收缩压与重伤预警组的关联最密切(分别为0.272、0.206),从而揭示相互之间存在阶梯级关系、构建三个阶梯级传递给后续机器学习方法,得到多层感知机性能显著高于其他方法,仅心率、收缩压精确率就达到了91.40%,其他模型精确率均在80%以上,这些表现良好的模型在外部验证中也有一定的泛化能力。结论基于战现场环境,通过采用不同类型的阶梯特征构建模型是可行的,该模型可以在重伤伤员发生前快速预警,并在救治人员到达前辅助做出救援决策,上述研究对降低战现场死亡率、改善预后有一定的实用价值。

从“生理状态监测”到“战士医疗”的再认识

目的解读美军“生理状态监测”和“战士医疗”的理念及作用范畴,对我军一线救治能力建设提供思路。方法基于概念的演变,采用概括、归纳、演绎等方法,对二者的逻辑关系和区别点进行了探讨。结果二者在作用对象、作用范畴、作用效果等方面均不同:“生理状态监测”指对作战人员的感知而“战士医疗”指对伤员的护理,二者是一脉相承的关系。“生理状态监测”的精度高、范围广是提高“战士医疗”时效性的前提和基础,“生理状态监测”的监测指标需要“战士医疗”专业性的指导和判断。结论需通过概念的演变掌握一线救治理念的发展及其寓意,从而有效指导实践。

硫酸镁联合硝苯地平治疗妊高征的效果及安全性评价

目的:分析采用硝苯地平与硫酸镁联合治疗妊高征的临床效果以及用药安全性。方法:2016年6月-2018年6月收治孕妇80例,均有妊娠期高血压。根据随机数字表法分为两组,各40例。对照组给予硫酸镁治疗,试验组给予硝苯地平、硫酸镁联合治疗。将两组临床治疗效果进行综合评价和对比。结果:试验组不良反应发生率低于对照组,治愈率高于对照组,差异有统计学意义(P<0.05)。结论:在妊高征治疗中,可采取硝苯地平联合硫酸镁治疗,治疗效果显著,值得临床应用和推广。

我军战斗减员预计模型研究现状及思考

我军历来重视战斗减员预计的研究,构建了集团军山地进攻作战减员预计模型、城市进攻战斗减员模拟预计模型等经典模型,但是相比外军尤其是美军仍然存在差距。笔者着眼现代战争特点,结合当前我军的主要战斗减员预计模型,从影响因素、数据挖掘、模型构建等方面分析我军战斗减员预计存在的难点并提出对策建议,以期为后续战斗减员预计相关研究提供参考依据。