新生儿G6PD筛查数据在新生儿G6PD缺乏症筛查室内质量控制中应用

目的:探讨用新生儿G6PD(葡萄糖-6-磷酸脱氢酶)筛查数据在新生儿G6PD筛查室内质量控制应用的可能性。方法:采用新生儿G6PD筛查数据质控方法对新生儿G6PD筛查数据进行室内质控并评价其效果。结果:应用新生儿G6PD筛查数据进行室内质量控制能够达到满意的效果,其中运用均值进行质控比中位数的效果更好,>2.6U/gHb筛查数据的均值作质控好于包括≤2.6U/gHb以下筛查数据的均值。结论:应用新生儿G6PD筛查数据进行室内质控是可行的,且经济实用,能有效避免日常工作中的失控现象,值得推广。

新生儿TSH筛查数据在新生儿TSH筛查室内质量控制中应用

【目的】探讨用新生儿TSH筛查数据在新生儿筛病筛查室内质量控制应用的可能性。【方法】采用新生儿TSH筛查数据质控方法对新生儿疾病筛查数据进行室内质控并评价其效果。【结果】应用新生儿TSH筛查数据进行室内质量控制能够达到满意的效果,其中运用均值作质控比中位数的效果更好,<9 mU/L筛查数据的均值作质控好于包括>9 mU/L以上筛查数据的均值。【结论】应用新生儿TSH筛查数据进行室内质控是可行的,且经济实用,能有效避免日常工作中的失控现象。

QuEChERS-气相色谱-四极杆飞行时间质谱筛查大米中有机磷阻燃剂残留

基于QuEChERS⁃气相色谱⁃四极杆飞行时间质谱(GC⁃Q⁃TOF/MS)建立了大米中21种有机磷阻燃剂(OPFRs)的筛查方法,并对不同地区大米样品中的OPFRs残留情况进行分析。首先对21种OPFRs混合标准溶液(含量为0.1μg/g)进行GC⁃Q⁃TOF/MS全扫描(扫描范围m/z 50~450),之后对21种OPFRs的裂解机理进行研究,获得化合物的保留时间、同位素丰度比、特征碎片分子式以及精确质量数等信息,建立OPFRs的标准谱库;采用QuEChERS方法对大米样品进行提取和净化,选择DB⁃5MS UI色谱柱,在优化的升温程序条件下,21种OP⁃FRs在16 min内可完成色谱分离;在特征碎片离子数量≥2、精确质量窗口为±2×10^(-5)(±20 ppm)、保留时间偏差为±0.2 min、离子丰度偏差小于20%的条件下,利用解卷积软件对样品全扫描数据进行分析,实现了大米样品中21种OPFRs的筛查。结果表明,对于烷基类和芳香类OPFRs,将加标水平从2 ng/g提升至10 ng/g时,检出率可分别提升22%和25%;在2 ng/g的加标水平下,氯化类OPFRs中仅磷酸三(2⁃氯异丙基)酯(TCIPP)未被检出,说明该类OPFRs即使在低浓度情况下也相对容易被确认。采用所建立的分析方法对不同地区的实际大米样品进行测定,共检出11种OPFRs,其中磷酸三甲酯(TMP)、磷酸三(异丁基)酯(TiBP)、磷酸三(3,5⁃二甲基苯基)酯(T35DMPP)的检出率最高,且不同地区大米样品中的OPFRs种类存在一定差异。本方法利用GC⁃Q⁃TOF/MS技术实现了大米样品中OPFRs的鉴定,为复杂基质样品中OPFRs的准确筛查提供了参考。

干血片苯丙氨酸筛查数据在室内质量控制中的应用

目的通过对新生儿苯丙氨酸筛查数据进行质量控制相关指标分析并评价其效果,探讨新生儿遗传代谢病筛查中苯丙氨酸(phenylanlanine,Phe)数据在室内质控应用的可能性。方法计算连续共20批次每批次样本数据的均数(x-)、中位数(M)及去除>2s的数据的x--2s、M-2s,求x-和s及变异系数(CV)。结果应用均值作质控其效果优于中位数,差异具有统计学意义(P均<0.01),但在是否剔除≥2mg/dL筛查数据的均数作质控图差异无统计学意义(P均>0.05)。结论应用新生儿Phe筛查数据进行室内质控能够达到满意的效果,该方法是可行的,且经济实用,能有效避免日常工作中的失控现象,是室内质控品质控的一个补充,值得推广。

基于UPLC-Q-TOF-MS^(n)的化妆品中40种性激素非法添加分析方法及筛查数据库的建立

目的建立基于UPLC-Q-TOF-MS^(n)的化妆品中40种性激素非法添加分析方法及筛查数据库。方法色谱柱为Agilent SB-C_(18)(2.1 mm×50 mm,1.8μm),正离子模式以0.1%甲酸水溶液-乙腈为流动相,负离子模式以水-乙腈为流动相,梯度洗脱,流速0.2 mL·min^(-1),柱温35℃;采用电喷雾电离源(ESI),采集模式为Scan MS及Targeted MS/MS,将40种性激素的精确质量数、保留时间、二级质谱图导入PCDL软件建立筛查数据库。结果采用所建立的数据库方法快速筛查100批化妆品,1批育发类产品检出少量黄体酮。结论本研究所建立的40种性激素分析方法和筛查数据库具有简便、快速、灵敏和准确的特点,适合化妆品中非法添加性激素的高通量筛查和准确定性。

UPLC-MS/MS同时测定固体饮料中9种甜味剂及筛查数据库的建立

为保障进出口食品安全,提升固体饮料中常用甜味剂的筛查效率,为口岸监管执法提供快速、准确的实验结果,保证贸易和供应顺畅,本研究建立了固体饮料中9种甜味剂的超高效液相色谱-串联质谱测定方法(UPLC-MS/MS)。试样经甲醇-水(1∶1,体积比)提取后,采用HLB固相萃取小柱净化,采用ACQUITY UPLC BEH C18柱(2.1×100mm,1.7μm)进行分离,多反应选择离子检测。本实验利用超高效液相串联质谱仪的动态多重反应监控模式,在同一分析时间下快速扫描完成9种甜味剂的筛选,针对疑似检出的阳性物质以触发式多重反应监控模式,得到二级质谱图,通过自建数据库的比对得到匹配相似度值以作为定性确认。方法学验证结果表明,所有化合物均得到良好的线性关系,标准曲线回归系数(r)均大于0.9995,回收率范围为72.4%~103.4%,精密度在0.8%~5.4%之间。本方法简单、快速、灵敏度高,并具有良好的精密度与准确度,能满足固体饮料中甜味剂测定的要求。

基于过程学习数据的预警制度的探索

本文阐述了现行的学业预警制度的内容及其不足;并对现阶段学生学习中存在的几类共性问题进行了分析;提出通过各项过程学习数据,主动筛查发现学生存在的学习问题,发掘出更多维度的预警指标,搭建一个基于全过程学习数据的学习预警平台,以补充和完善现有的学业预警制度,落实帮扶具体措施,促进学生培养目标的达成,提升人才培养质量。

基于遗传算法的网络资源数据挖掘技术

为了提高数据挖掘的水平,避免挖掘成果中存在噪声信息对技术应用造成影响,本文引进遗传算法,设计了一种针对网络资源的全新数据挖掘技术。通过算法对目标资源数组的迭代,锁定目标密集区域,确定网络资源数据挖掘方向;根据不同网络资源类型设定数据挖掘规则,提取规则与多个数据挖掘行为端口进行对接;在输出网络资源挖掘子集结果后,进行数据的清洗与筛查删除数组中的冗余值,优化数据挖掘效果。实验证明,该挖掘技术不仅可以实现对网络资源的深度挖掘,还可以保证挖掘后的结果具有较强的连续性,在一定程度上解决挖掘结果存在噪声的问题。

密度聚类算法电力工程数据完整性分析

电力工程数据分析与应用,是实现大规模电力工程缺失数据筛选、进行形态分析的基础。文章针对电力工程缺失数据筛选困难的问题,提出了一种基于密度聚类算法的分析方法,该方法通过电力工程数据收集、预处理、提取数据个性化特征以及进行密度聚类算法分析等步骤,实现了电力工程缺失数据的高速筛查和形态分析。文章通过智能仪表、智能终端数据同步性验证,认为所提出的基于密度聚类算法的电力工程数据完整性分析方法能够有效实现缺失数据筛查和形态分布解读,对于全面提升电力我国电力工程数据完整性和用电情况分析具有较好的指导意义。

城乡居民基本养老保险基金管理风险排查分析

城乡居民基本养老保险基金是居民社会保险的生命线,基金安全关乎广大参保人员的切身利益,基金管理风险影响社会的和谐与稳定。为确保城乡居民基本养老保险高质量发展,需要扎实推进城乡居民基本养老保险基金风险防控工作,强化监督约束机制,全面提升风险防控水平,加强业务经办管控,切实维护城乡居民基本养老保险基金运转安全。

化妆品非法添加成份检测流程优化研究

目的:提高化妆品非法添加成份检测效率和准确性。方法:对广东省药品检验所2010~2020年2.2万批次化妆品检测情况进行回顾分析,总结非法添加成份检测经验。结果与结论:整理形成功效宣称类别非法添加份清单,建立疑似非法添加成份化妆品检测流程并对其进行优化研究,形成信息排查-检测-高分辨筛查优化组合的检测模式,可作为监管科学研究的方向。

西北中海拔地区卒中风险因素分析

目的分析我国近年来中海拔高度地区脑卒中风险因素特点,为制定更有针对性的卒中防控策略提供参考。方法基于2017-2020年国家脑卒中高危人群筛查和干预项目产生的兰州和西宁中海拔地区人群数据,分析缺血性卒中和出血性卒中的发病特点。单因素分析比较两地区各类人群的相对卒中风险,并将全部相关因素(如性别、年龄、教育程度、疾病史、生活习惯等)纳入多元Logistic回归分析。结果近年来中海拔地区的卒中发病率较低,单因素和多因素分析结果显示,卒中的危险因素有高血压、糖尿病、房颤、短暂性脑缺血发作史、吸烟、缺乏运动(P<0.001)等;海拔是卒中发生的保护因素(P=0.01)。结论中海拔地区的卒中发病率较低;除传统风险因素外,运动等生活习惯可能对西北高原地区卒中发生产生影响。

建筑能耗监测平台的数据检验

针对建筑能耗监测平台的数据质量问题,提出了校验能耗数据完整性、正确性,以及总表、分表,分项、子项间逻辑关系的方法,并根据《国家机关办公建筑和大型公共建筑能耗监测系统分项能耗数据采集技术导则》要求,总结归纳了能耗监测平台必备的建筑基础信息,以及和表计、分项计量记录格式和内容。

基于机器学习的低剂量胸部CT肺结节分类和预后随访的研究

目的研究基于机器学习的影像组学方法对胸部低剂量CT(LDCT)图像中肺结节进行分类并预测随访过程中形态变化的可行性。方法建立两个回顾性队列,采集LDCT图像和肺CT筛查报告和数据系统(Lung-RADS)结构式报告中结节大小、位置、性质,随访过程中形态变化等信息,用于建模。在队列1中,首先使用深度学习算法在718个连续病例中检出肺结节,经专家清洗后得到有效直径为4~20 mm的肺结节,分为实性结节(n=317)、纯磨玻璃结节(n=185)、混合型磨玻璃结节(n=57)和钙化结节(n=128)。利用梯度提升树(GBDT)算法进行肺结节分类建模,通过交叉验证算法选择最优的GBDT分类器建模参数,然后利用最优参数建立肺结节分类模型,并验证其效能。在队列2中,仅选择初诊患者LDCT中结节分类最高为Lung-RADS 3类的病例(n=116),在12个月内再次行LDCT检查,且部分进行了>12个月的随访。根据随访结果将Lung-RADS 3类结节分为:有风险的活动性结节(n=56)和无风险的非活动性结节(n=60)。利用多变量非平衡调整逻辑回归算法(IALR)进行肺结节生长预测建模,并验证其效能。结果基于影像组学特征根据GBDT算法建立肺结节分类模型,平均ROC曲线下面积(AUC)为0.80(纯磨玻璃结节AUC=0.91,钙化结节AUC=0.90,实性结节AUC=0.81,混合型磨玻璃结节AUC=0.57)。预测Lung-RADS 3类肺结节变化的模型,其ROC曲线AUC为0.69,敏感性、特异性及准确性分别为62.3%、64.1%和62.6%。结论基于机器学习的LDCT肺结节分类有较高的准确性,对Lung-RADS 3类结节预后随访的效能仍需进一步研究。