经皮冠状动脉介入治疗前后β-血小板球蛋白浓度变化研究

目的:探讨经皮冠状动脉介入治疗(PCI)前后β-血小板球蛋白(β-TG)浓度变化及其临床意义。方法:87例行PCI的患者分为不稳定型心绞痛组(40例)和稳定型心绞痛组(47例)。对照组35例为冠状动脉造影正常患者。ELISA法测定β-血小板球蛋白(β-TG)浓度。结果:β-血小板球蛋白(β-TG)浓度水平在PCI术后即刻较术前下降,随后逐渐升高,术后6h达到峰值。不稳定型心绞痛组β-血小板球蛋白(β-TG)浓度在术前及峰值水平均较稳定型心绞痛组升高。对照组患者β-血小板球蛋白(β-TG)浓度在冠状动脉造影前后无显著性变化。结论:血小板激活状态与斑块稳定性密切相关,血小板活性在PCI前后有动态改变,与PCI术后心肌损伤相关。

抑郁症对STEMI患者经皮冠状动脉介入治疗(PCI)前后血小板活化影响研究

目的:探讨抑郁症对急性ST段抬高型心肌梗死(STEM I)经皮冠状动脉介入治疗(PCI)前后血小板活化影响。方法:209例行PCI的患者分为抑郁症组(72例,包括持续性抑郁患者31例和一过性抑郁患者41例)和非抑郁症组(137例)。对照组35例为冠状动脉造影正常患者。分别于术前1天内和术后3个月通过BECK抑郁自评问卷(BD I)进行心理测评。取外周血,以β-血小板球蛋白(β-TG)作为血小板活化标志物,ELISA法测定浓度。结果:PCI组术前β-血小板球蛋白(β-TG)浓度水平较对照组明显升高,术后下降,持续抑郁症组β-TG浓度较非抑郁症组升高。对照组β-血小板球蛋白(β-TG)浓度在冠状动脉造影前后无显著性变化。结论:血小板活性在PCI前后有动态改变,在合并持续抑郁症患者中,血小板的活化程度较高。

不稳定型心绞痛合并抑郁症患者血小板活化及舍曲林治疗研究

目的:比较不稳定型心绞痛病人与同时合并抑郁症的不稳定型心绞痛病人的血小板活化状态,以及后者在舍曲林(血清素再摄取抑制剂)治疗前后血小板活化状态的改变,以β-血栓球蛋白(β-TG)血浆浓度作为血小板活化的血浆标志物。方法:不稳定型心绞痛病人(UA组)78例被分为两组:A组40例确诊为不稳定型心绞痛不伴抑郁症;B组为38例,确诊为不稳定型心绞痛伴抑郁症(其中B组随机分为B1,B2两组,各为19例,分别给予标准药物治疗及联合舍曲林药物治疗)。以42例健康人为对照,以β-TG作为血小板活化功能检测的标志物,分别在治疗前测量(A组,B组)以及治疗4周后测量(B组)β-TG浓度。结果:血浆β-TG浓度A组(16.4±3.2 IU/ml)和B组(治疗前为19.8±2.7 IU/ml)比健康组(10.4±2.7 IU/ml)明显升高,具有统计学意义(p<0.05),并且不稳定型心绞痛合并抑郁症组病人β-TG浓度值较单纯不稳定型心绞痛病组升高,差异有统计学意义P<0.01);舍曲林治疗前后β-血栓球蛋白(β-TG)血浆浓度变化(治疗后为21.6±3.3 IU/ml)具有统计学意义(p<0.05)。结论:不稳定型心绞痛合并抑郁症组病人中,血小板的活化程度高于单纯不稳定型心绞痛病人,且舍曲林治疗可减轻血小板活化程度。

联合抗阻-耐力运动与单纯耐力运动对STEMI患者生存质量影响的研究

目的比较联合抗阻运动-耐力运动与单纯耐力运动对经皮冠状动脉介入(PCI)治疗术后的急性ST段抬高型心肌梗死(STEMI)患者生存质量的影响。方法 62例PCI术后的STEMI患者随机分为耐力运动组(30例)和联合运动组(32例)。除予以常规治疗外,耐力运动组进行规律慢跑,联合运动组在慢跑基础上联合抗阻运动,随访12个月。两组患者在出院时,运动6个月时及运动后12个月,以《健康状况问卷-简表36》(SF-36)进行生存质量评价,并测定左室舒张末期内径(LVEDD)。结果两组患者出院时生存质量评分和LVEDD比较差异无统计学意义(P>0.05)。运动6个月时及运动结束12个月后,两组患者的SF-36评分比较差异有统计学意义(t=2.1659、2.2174,P=0.0343、0.0304)。结论联合抗阻运动与耐力运动可进一步改善STEMI患者PCI术后生存质量。

系统性红斑狼疮合并腹痛外科治疗二例分析

系统性红斑狼疮一部分患者可表现为胃肠道症状,我院收治2名以腹痛为临床表现的患者,均行急诊手术治疗,1人最终死亡。急诊腹痛患者,特别是女性患者,应该考虑到自身免疫性疾病的可能。

基于文本信息补充的图像描述模型

基于encoder-decoder的深度神经网络在图像描述任务中获得了很好的表现,LSTM解决梯度消失的良好能力使其成为解码器的主流。LSTM的门控机制较好地解决了RNN的长期依赖问题,但该机制对信息的筛选导致信息缺失,使得LSTM隐藏单元表达能力不足,出现LSTM输入信息缺失、预测信息不充分问题。为解决这两个问题,提出两种基于文本信息补充的图像描述模型:输入信息补充(IIS)模型通过信息提取函数提取更多的文本信息作为输入,解决LSTM输入信息缺失问题;输出信息补充(OIS)模型通过信息提取函数提取多个时间步的隐藏单元信息进行预测,解决LSTM预测信息不充分问题。实验证明,在AI CHALLENGER测试集中,两种模型均显著地提高了各项评价指标。