衰弱量表在老年冠心病患者衰弱评估中的应用及其影响因素分析

目的:探讨三种衰弱评估量表对于老年冠心病患者衰弱病情评估的相关性及其影响因素。方法:选择2015年5月到2016年10月在老年医学中心确诊的120例冠心病患者作为研究对象,收集患者的临床资料,用Fried衰弱评分、临床衰弱量表(CFS)、爱特蒙特衰弱量表(EFS)对每位患者进行衰弱评估,将三种量表的评估结果进行相关性分析。结果:Fried评分、CFS评分与EFS评分判定为衰弱患者分别为6例、8例与14例,发生率为5.0%、6.7%和11.7%,组间对比无统计学意义,P>0.05。直线相关分析显示Fried评分与CFS评分、EFS评分呈正向相关性(P<0.05),对于冠心病患者衰弱评估具有一致性。对于冠心病衰弱程度评估中CFS评分与EFS评分之间比较差异无统计学意义(P>0.05)。Cox回归分析显示文化水平、心功能分级、居住情况与睡眠障碍为Fried评分的主要影响因素(P<0.05)。结论:三种衰弱评估量表对于冠心病患者衰弱病情评估具有一致性,但具有不同的临床应用价值;患者的文化水平、心功能分级、居住情况与睡眠障碍与衰弱的发生有相关性。

与脂肪,瘦质量相关的人体测量指标与糖尿病前期病变的相关性

目的评估脂肪质量(FM),瘦质量(LM),体型指数(ABSI),脂肪-瘦质量比值(FyM)是否与葡萄糖代谢紊乱(GMD)的糖尿病前期病变有关。方法纳入符合条件的健康人群和新诊断GMD的患者240例,平均年龄(58.57±13.5)岁;其中男149例,女91例。通过75 g口服葡萄糖耐量试验(OGTT试验)分为以下组:①正常糖耐量(NGT);②空腹血糖受损(IFG)+糖耐量异常(IGT);③IGT;④IFG。使用人体成分分析仪测量所有受试者的体质量、腰围(WC)、FM和LM,测算体质指数(BMI)、ABSI、FyM。结果NGT组受试者BMI、腰围WC、总体脂和FyM、ABSI更低,空腹血糠(FBG)和餐后2小时血糖(2hPG)水平也更低。不同糖尿病前期病变的个体在BMI、WC和体脂方面差异无统计学意义。IFG患者的体脂和FyM低于IFG+IGT组,ABSI和FyM与糖尿病前期病变各类型之间相关性均高于其他人体测量指标。结论与其他人体测量指标相比,FyM和ABSI与糖尿病前期病变的所有类型:IGT、IFG、IGT+IFG的患病均有较强的相关性,ABSI和FyM均为患IGT、IFG和IFG+IGT的影响因素,对糖尿病前期病变具有更好的预测性。

阿德福韦酯致低磷骨软化症一例

1病例介绍 患者男，51岁。因“全身多处进行性疼痛6^＋个月，加重10^＋d”于2012年7月27日入院。6个余月来，患者腰背部、双下肢远端进行性疼痛加重，疼痛为持续性针刺样感，难以忍受，夜间无法入睡，行动困难。

补充外源性神经生长因子对大鼠心肌梗死后延迟再灌注的影响

探讨外源性神经生长因子(NGF)在大鼠心肌梗死后延迟再灌注治疗中的作用及机制。通过建立大鼠心梗延迟再灌注模型,构建重组腺病毒Ad-NGF基因并进行基因转染,使大鼠心梗延迟再灌注后体内NGF持续高表达。在术后第3、7、和/或14、28天检测NGF蛋白表达、微血管增生数量,观察心肌细胞凋亡情况、心脏结构及功能的变化。我们发现,给予NGF治疗的过表达组,NGF各时间点含量均高于对照组(P<0.01),凋亡率均低于模型对照组(P<0.01或P<0.05);过表达组新生微血管数量在第14天、28天明显高于模型对照组(P<0.01,P<0.05)。超声心动图记录第28天时模型对照组左室舒张/收缩末期内径测值明显高于过表达组(P<0.05),左室舒张/收缩末期容积测值明显高于过表达组(P<0.01),即模型对照组心脏结构改变明显;第14天和第28天时过表达组左室射血分数、短轴缩短率均明显高于模型对照组(P<0.01),即过表达组心功能较模型对照组明显改善。因此我们认为,外源性NGF通过促进血管增生和抑制心肌细胞凋亡等途径改善了大鼠心肌重塑及心脏功能。

血尿患者诊断的循证实践

目的针对近期收治的1例老年血尿患者诊断方法的选择,检索当前最佳证据,为临床诊断提供依据。方法全面检索PubMed、EMbase、The Cochrane Library,查找与老年血尿患者诊断相关证据,对所获得的证据进行分析评价,检索时限截至2014年11月。结果 CT对老年血尿患者的诊断有较高的特异性和敏感性。结论对于不明原因老年血尿患者可以选择CT扫描以确定病变部位。

基于焦点损失函数的嵌套长短时记忆网络心电信号分类研究

心电图(ECG)可直观地反映人体心脏生理电活动,在心律失常检测与分类领域中具有重要意义。针对ECG数据中类别不平衡对心律失常分类带来的消极作用,本文提出一种用于不平衡ECG信号分类的嵌套长短时记忆网络(NLSTM)模型。搭建NLSTM学习并记忆复杂信号中的时序特征,利用焦点损失函数(focal loss)降低易识别样本的权重;然后采用残差注意力机制(residual attention mechanism),根据各类别特征重要性修改已分配权值,解决样本不平衡问题;再采用合成过采样技术算法(SMOTE)对麻省理工学院与贝斯以色列医院心律失常(MIT-BIH-AR)数据库进行简单的人工过采样处理,进一步增加模型的分类准确率,最终应用MIT-BIHAR数据库对上述算法进行实验验证。实验结果表明,所提方法能有效地解决ECG信号中样本不平衡、特征不突出的问题,模型的总体准确率达到98.34%,较大地提升对少数类样本的识别和分类效果,为心律失常辅助诊断提供可行的新方法。