脊柱关节炎患者服药依从性及相关因素分析

目的探讨脊柱关节炎(spondyloarthritis,SpA)患者的服药依从性并分析相关影响因素。方法选取2018—2023年于首都医科大学附属北京积水潭医院门诊初次就诊且符合入选标准的患者为研究对象。采用中文版风湿病药物治疗依从性调查问卷开展调查。依从性的评判标准:<60分定义为依从性不佳,≥60分定义为依从性良好。结果共纳入435例患者,其中304例(69.9%)依从性不佳,131例(30.1%)依从性良好。相较于依从性良好组,依从性不佳组患者的年龄更大(30岁比25岁,P<0.001)、诊断延迟时间更长(5年比2年,P<0.001)、病程更长(9年比3年,P<0.001)、合并炎症性肠病的比例更高(7.2%比0.8%,P=0.006);红细胞沉降率(23 mm/h比20 mm/h,P=0.009)、C-反应蛋白(13.1 mg/L比11.1 mg/L,P=0.005)和Bath强直性脊柱炎疾病活动评分(2.4比2.0,P=0.044)更高。多因素分析显示,服药依从性不佳的影响因素为合并炎症性肠病(OR=10.525,P=0.024)、病程(OR=1.081,P<0.001)、发病年龄(OR=1.058,P=0.012)和CRP(OR=1.019,P=0.002)。结论SpA患者的服药依从性不佳,尤其是合并炎症性肠病、发病晚、病程长以及CRP升高的患者。

医疗服务机器人研究进展综述

伴随着科学技术的进步与临床需求的增加,医疗机器人得到迅速发展并对医疗事业起到极大的推动作用。服务机器人是医疗机器人的一个分支,主要面向医疗服务与辅助需求,已经在许多医疗场景下应用并取得了示范效应。该研究先简述医疗服务机器人的发展情况,再概述机器人关键技术与临床应用情况,最后指出医疗服务机器人当前面临的挑战与方向,并对其在医疗领域的进一步发展提出展望。

基于极限梯度提升算法的前列腺增生与前列腺癌鉴别诊断

目的利用机器学习方法构建前列腺增生与前列腺癌的鉴别诊断模型,辅助临床医生进行穿刺术决策。方法利用中国人民解放军总医院第一医学中心2009年至2018年的前列腺增生与前列腺癌住院患者基本信息、既往史、临床信息等数据,分别利用Logistic回归和极限梯度(XGBoost)方法构建鉴别诊断模型,并利用灵敏度、特异性、准确率、AUC值和ROC曲线评估模型效果。结果Logistic回归和XGBoost方法构建的模型性能与单因素tPSA(P<0.001)、fPSA(P<0.001)、f/tPSA(P<0.001)分析差异均具有统计学意义。利用前列腺体积、f/tPSA、tPSA、fPSA、尿白细胞、无机磷等15个重要变量构建XGBoost模型,得到测试集的灵敏度、特异性、准确率、AUC值分别为0.835、0.815、0.826、0.903。结论多因素XGBoost模型较单因素(f/tPSA、tPSA、fPSA)预测模型和Logistic回归模型更优,具有更好的鉴别诊断能力,且对tPSA为4~10ng/mL的患者也具有一定的鉴别能力。

系统性硬化症合并抗中性粒细胞胞浆抗体相关性血管炎一例并文献复习

1临床资料患者,女性,53岁,主因“双手皮肤紧硬26年,咳嗽7年,血肌酐升高1个月余”来诊。1995年下半年双手遇冷后变白、变紫,逐渐出现双手指对称性肿胀及关节疼痛、手足皮肤增厚,1996年就诊于中国人民解放军总医院第一医学中心门诊,完善检查(具体不详)后诊断“系统性硬化症”,口服青霉胺0.2 g/d,病情稳定。2014年7月出现咳嗽、白痰,伴喘憋,当地胸部CT示:肺间质病变,加“醋酸泼尼松30 mg/d、羟氯喹(0.2 g 2次/d)、环磷酰胺100 mg/d”治疗,后自行停药。