背景:3D打印技术可根据患者实际病情和治疗需求设计构建模型、手术导板和个性化植入体或固定物,在创伤性骨折修复中展示了巨大的应用前景。目的:综述3D打印技术在创伤性骨折中的应用。方法:检索Web of science、PubMed和中国知网数据库2...背景:3D打印技术可根据患者实际病情和治疗需求设计构建模型、手术导板和个性化植入体或固定物,在创伤性骨折修复中展示了巨大的应用前景。目的:综述3D打印技术在创伤性骨折中的应用。方法:检索Web of science、PubMed和中国知网数据库2020-2024年发表的创伤骨科领域3D打印技术应用的相关文献,英文检索词为“traumatic fracture,3D printing technology,digital model,surgical guide”,中文检索词为“创伤性骨折,3D打印技术,数字模型,手术导板”,经筛选和分析,最终纳入60篇文献进行分析。结果与结论:①创伤性骨折是各种致伤因素导致的骨骼连续性中断和完整性破坏的骨折现象,以可靠方案提高复位愈合效果,已成为骨外科相关研究领域亟需解决的热点问题;②3D打印技术是以数字模型数据为基础的,运用粉末状金属或聚合物等可黏合成型材料以立体光刻、沉积建模和光聚合物喷射等形式制造满足需求三维实体的技术,在数字骨科生物医学领域应用广泛;③3D打印技术在疾病诊断、术前规划、重建骨折三维模型、定制骨科植入体、定制固定支具及假肢、手术导板制作和骨缺损修复等方面发挥了显著的优势,可根据患者实际病情和治疗需求设计构建模型、手术导板和个性化植入体或固定物,为创伤性骨折的治疗提供了新的思路。展开更多
背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究...背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法:选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论:①分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。②人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。③共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,其中8篇涉及骨关节损伤与深卷积神经网络,1篇涉及深度学习在CT检查中检测骨质疏松从而预防脆性骨折,1篇通过人工智能识别皮肤纹理变的特征应用于骨的特征性识别的相关性研究。④今后,人工智能的研究热点将主要集中在骨关节创伤和骨质疏松引发的骨折特异性研究上,未来研究趋势主要集中在提升人工智能算法的性能上,使用人工智能新技术对骨损伤进行精准划分和快速高效诊断,尤其是针对复杂和隐匿性骨折的诊断,通过建立有限元分析模型,实现对骨创伤的更加标准化评估。展开更多
目的:评价肝素结合蛋白(HBP)联合脏器功能指标对严重创伤合并脓毒症患者预警诊断和预后预测效能评价研究。方法:回顾性分析2019年1月~2020年9月期间入住浙江大学医学院附属第二医院急诊医学科的多发伤并完成HBP检测患者184例,根据SEPSIS...目的:评价肝素结合蛋白(HBP)联合脏器功能指标对严重创伤合并脓毒症患者预警诊断和预后预测效能评价研究。方法:回顾性分析2019年1月~2020年9月期间入住浙江大学医学院附属第二医院急诊医学科的多发伤并完成HBP检测患者184例,根据SEPSIS 3.0诊断标准将患者分为脓毒症组(n=89)和非脓毒症组(n=95),追踪患者临床结局分为死亡组(n=43)和非死亡组(n=141)。连续测定患者HBP水平,比较两组HBP峰值差异,评估其诊断脓毒症的效力,以HBP峰值的中位数为界值进一步分析其与临床预后相关性,评估HBP单独及联合总胆红素(TBil)及白细胞(WBC)评估预后的效力。结果:(1)脓毒症组(n=89)与非脓毒症组(n=95)HBP的峰值(71.7±68.6 vs 52.5±56.1)无显著差异(P=0.051)。(2)184例患者中HBP峰值与WBC计数呈正相关(r=0.244,P<0.01),与TBil水平呈正相关(r=0.241,P<0.01)。(3)TBil水平、WBC计数及PCT水平独立诊断脓毒症曲线下面积(AUC)分别是:0.618、0.631和0.718,三者联合AUC为0.684,诊断敏感度为60.7%,特异度为71.6%(P<0.05)。(4)死亡预后相关分析显示:高HBP水平组患者死亡率要显著高于低水平组(30.4%vs 16.3%,P<0.05);WBC计数值也是死亡组显著高于非死亡组(17.5±6.9 vs 12.8±4.7,P<0.01),尤其合并脓毒症者,该值有显著差异(P<0.01)。HBP峰值、TBil水平、WBC计数、SOFA评分及APACHE-II评分对预测脓毒症死亡预后的AUC分别是:0.618、0.603、0.719、0.823及0.811,HBP联合TBil及WBC评估脓毒症预后的AUC为0.750,评估的敏感度为74.4%,特异度为74.5%(P<0.05)。(5)三者联合评估在预测脓毒症预后效力上与人工评分差异无统计学意义(P>0.05)。结论:HBP、TBil及WBC三者联合用于评估多发伤患者发生脓毒症风险的预测效力较高,对于合并脓毒症的外伤患者死亡风险预测具有较高的临床指导价值。展开更多
文摘背景:人工智能在医疗领域的发展日益迅速,在骨创伤领域的应用研究不断增多。文章旨在通过文献计量学分析,分析近年来人工智能在骨创伤领域中的研究热点,并预测未来的研究趋势。目的:总结人工智能技术在骨创伤领域的应用发展历程、研究现状、热点和未来发展趋势,以期为今后的研究提供新的见解。方法:选择Web of Science核心集数据库中,时间跨度设为自建库至2023年8月,检索人工智能、机器学习、深度学习应用于骨创伤相关的文献420篇。通过人工筛选,导出与文章相关的文献共202篇,采用Citespace软件进行国家、机构、被引期刊和引文分析等的合作和关键词的共现等可视化分析。结果与结论:①分析筛选后纳入的202篇文献,总体发文量呈上升趋势,且在未来研究潜力巨大。研究中心性最高和发文量排名第一的国家均为美国。加州大学(美国)是发文量最多的研究机构。②人工智能在骨创伤研究中最常用的前5个关键词是深度学习、人工智能、骨密度、机器学习、诊断,中心性最高的关键词为骨密度,关键词数量最多的为深度学习。③共被引频次前10位的参考文献分别从多个方面介绍了人工智能技术应用于骨创伤领域诊断的可行性研究,其中8篇涉及骨关节损伤与深卷积神经网络,1篇涉及深度学习在CT检查中检测骨质疏松从而预防脆性骨折,1篇通过人工智能识别皮肤纹理变的特征应用于骨的特征性识别的相关性研究。④今后,人工智能的研究热点将主要集中在骨关节创伤和骨质疏松引发的骨折特异性研究上,未来研究趋势主要集中在提升人工智能算法的性能上,使用人工智能新技术对骨损伤进行精准划分和快速高效诊断,尤其是针对复杂和隐匿性骨折的诊断,通过建立有限元分析模型,实现对骨创伤的更加标准化评估。
文摘目的:评价肝素结合蛋白(HBP)联合脏器功能指标对严重创伤合并脓毒症患者预警诊断和预后预测效能评价研究。方法:回顾性分析2019年1月~2020年9月期间入住浙江大学医学院附属第二医院急诊医学科的多发伤并完成HBP检测患者184例,根据SEPSIS 3.0诊断标准将患者分为脓毒症组(n=89)和非脓毒症组(n=95),追踪患者临床结局分为死亡组(n=43)和非死亡组(n=141)。连续测定患者HBP水平,比较两组HBP峰值差异,评估其诊断脓毒症的效力,以HBP峰值的中位数为界值进一步分析其与临床预后相关性,评估HBP单独及联合总胆红素(TBil)及白细胞(WBC)评估预后的效力。结果:(1)脓毒症组(n=89)与非脓毒症组(n=95)HBP的峰值(71.7±68.6 vs 52.5±56.1)无显著差异(P=0.051)。(2)184例患者中HBP峰值与WBC计数呈正相关(r=0.244,P<0.01),与TBil水平呈正相关(r=0.241,P<0.01)。(3)TBil水平、WBC计数及PCT水平独立诊断脓毒症曲线下面积(AUC)分别是:0.618、0.631和0.718,三者联合AUC为0.684,诊断敏感度为60.7%,特异度为71.6%(P<0.05)。(4)死亡预后相关分析显示:高HBP水平组患者死亡率要显著高于低水平组(30.4%vs 16.3%,P<0.05);WBC计数值也是死亡组显著高于非死亡组(17.5±6.9 vs 12.8±4.7,P<0.01),尤其合并脓毒症者,该值有显著差异(P<0.01)。HBP峰值、TBil水平、WBC计数、SOFA评分及APACHE-II评分对预测脓毒症死亡预后的AUC分别是:0.618、0.603、0.719、0.823及0.811,HBP联合TBil及WBC评估脓毒症预后的AUC为0.750,评估的敏感度为74.4%,特异度为74.5%(P<0.05)。(5)三者联合评估在预测脓毒症预后效力上与人工评分差异无统计学意义(P>0.05)。结论:HBP、TBil及WBC三者联合用于评估多发伤患者发生脓毒症风险的预测效力较高,对于合并脓毒症的外伤患者死亡风险预测具有较高的临床指导价值。
