目的研究体外冲击波联合滑膜炎颗粒治疗湿热痹阻型膝骨关节炎(knee osteoarthritis,KOA)的临床疗效。方法前瞻性研究2020年9月~2021年8月就诊于石家庄市中医院骨科门诊的70例KOA患者,按照随机数字表法将其分为对照组和治疗组,每组各35...目的研究体外冲击波联合滑膜炎颗粒治疗湿热痹阻型膝骨关节炎(knee osteoarthritis,KOA)的临床疗效。方法前瞻性研究2020年9月~2021年8月就诊于石家庄市中医院骨科门诊的70例KOA患者,按照随机数字表法将其分为对照组和治疗组,每组各35例。对照组患者给予滑膜炎颗粒治疗,治疗组患者给予体外冲击波联合滑膜炎颗粒治疗,治疗4周后,对两组患者的血清炎性指标[C反应蛋白(C reactive protein,CRP)、白细胞介素(interleukin,IL)-1、IL-6、IL-8]、疼痛视觉模拟量表(visual analog scale,VAS)评分、西大略和麦克马斯特大学骨关节炎指数(The Western Ontario and McMaster Universities Osteoarthritis Index,WOMAC)评分、肿胀程度、中医证候评分等进行比较。结果最终纳入KOA患者65例,其中对照组33例,治疗组32例。治疗后,两组患者的VAS评分、WOMAC评分、中医证候评分、CRP、IL-1、IL-6、IL-8较治疗前均降低(P<0.05);治疗后,治疗组患者的WOMAC评分、中医证候评分、膝关节肿胀程度、CRP、IL-1、IL-6、IL-8均低于对照组,差异有统计学意义(P<0.05)。结论体外冲击波联合滑膜炎颗粒治疗KOA,可以明显缓解疼痛,改善关节功能,减轻关节肿胀,降低炎性细胞因子。展开更多
[目的]探索并建立一个中风痰瘀滞络证的临床预测诊断模型,可应用于互联网医疗等现代大环境。[方法]对2021年6月至2022年2月上海市浦东新区浦南医院中医科收治的新发脑卒中有偏瘫后遗症的患者305例进行病史采集,给予中医证型诊断。将病例...[目的]探索并建立一个中风痰瘀滞络证的临床预测诊断模型,可应用于互联网医疗等现代大环境。[方法]对2021年6月至2022年2月上海市浦东新区浦南医院中医科收治的新发脑卒中有偏瘫后遗症的患者305例进行病史采集,给予中医证型诊断。将病例以7:3的比例区分为训练集及验证集,运用R语言进行LASSO回归筛选疾病研究因子,以二元Logistic回归建立模型,并予区分度、校准度验证,以列线图形式展示模型。[结果]30个研究因子经过筛选后留下9个因子建立模型,模型区分度:训练集曲线下面积(area under curve,AUC)0.942,95%可信区间(0.906,0.979);验证集AUC 0.951,95%可信区间(0.895,1.000)。校准度:Hosmer-Lemeshow指数(H-L)训练集P=0.47,验证集P=0.39。模型以列线图进行可视化展示。[结论]该诊断模型有较好的诊断效能,可在多种无法进行望诊、切诊的情况下给予辨证参考。展开更多
文摘目的研究体外冲击波联合滑膜炎颗粒治疗湿热痹阻型膝骨关节炎(knee osteoarthritis,KOA)的临床疗效。方法前瞻性研究2020年9月~2021年8月就诊于石家庄市中医院骨科门诊的70例KOA患者,按照随机数字表法将其分为对照组和治疗组,每组各35例。对照组患者给予滑膜炎颗粒治疗,治疗组患者给予体外冲击波联合滑膜炎颗粒治疗,治疗4周后,对两组患者的血清炎性指标[C反应蛋白(C reactive protein,CRP)、白细胞介素(interleukin,IL)-1、IL-6、IL-8]、疼痛视觉模拟量表(visual analog scale,VAS)评分、西大略和麦克马斯特大学骨关节炎指数(The Western Ontario and McMaster Universities Osteoarthritis Index,WOMAC)评分、肿胀程度、中医证候评分等进行比较。结果最终纳入KOA患者65例,其中对照组33例,治疗组32例。治疗后,两组患者的VAS评分、WOMAC评分、中医证候评分、CRP、IL-1、IL-6、IL-8较治疗前均降低(P<0.05);治疗后,治疗组患者的WOMAC评分、中医证候评分、膝关节肿胀程度、CRP、IL-1、IL-6、IL-8均低于对照组,差异有统计学意义(P<0.05)。结论体外冲击波联合滑膜炎颗粒治疗KOA,可以明显缓解疼痛,改善关节功能,减轻关节肿胀,降低炎性细胞因子。
文摘[目的]探索并建立一个中风痰瘀滞络证的临床预测诊断模型,可应用于互联网医疗等现代大环境。[方法]对2021年6月至2022年2月上海市浦东新区浦南医院中医科收治的新发脑卒中有偏瘫后遗症的患者305例进行病史采集,给予中医证型诊断。将病例以7:3的比例区分为训练集及验证集,运用R语言进行LASSO回归筛选疾病研究因子,以二元Logistic回归建立模型,并予区分度、校准度验证,以列线图形式展示模型。[结果]30个研究因子经过筛选后留下9个因子建立模型,模型区分度:训练集曲线下面积(area under curve,AUC)0.942,95%可信区间(0.906,0.979);验证集AUC 0.951,95%可信区间(0.895,1.000)。校准度:Hosmer-Lemeshow指数(H-L)训练集P=0.47,验证集P=0.39。模型以列线图进行可视化展示。[结论]该诊断模型有较好的诊断效能,可在多种无法进行望诊、切诊的情况下给予辨证参考。