个性化预测血液透析医院感染风险的Nomogram模型建立及护理对策

目的:通过建立Nomogram模型个性化预测血液透析医院感染的风险因素并探究护理对策。方法:选取医院血液净化中心2017年5月—2020年5月收治的150例血液透析病人为研究对象,其中发生医院感染病人54例,未发生医院感染96例,回顾性分析病人的临床资料,采用Logistic回归分析法筛选出血液透析病人发生医院感染的独立风险因素。利用R软件对筛选出的独立风险因素建立列线图预测模型,并对模型的预测性及准确度进行验证。结果:Logistic回归分析显示年龄[OR=3.652,95%CI(1.491,8.948)]、低蛋白血症[OR=4.096,95%CI(1.478,11.355)]、肾炎[OR=5.797,95%CI(2.136,15.732)]、置管时间[OR=4.856,95%CI(1.882,12.535)]、置管部位数[OR=10.911,95%CI(4.004,29.739)]为血液透析医院发生感染的独立危险因素(P<0.05)。基于该5项风险因素,建立预测血液透析病人发生医院感染的列线图模型,Calibration验证结果显示预测值与实测值曲线重合度较高,表明该预测模型较实测准确度优良;同时Bootstrap内部验证结果显示,C-index指数高达0.897[95%CI(0.796,0.913)],提示该模型精准度和区分度较好。结论:通过建立风险模型,筛选出的风险因素显示年龄、低蛋白血症、肾炎、置管时间及置管部位数均可能影响血液透析病人发生感染的概率,针对这些风险采取相应的护理对策,可降低医院感染发生率,对病人的预后及保障生命健康有重要的意义。

CT图像处理中肝脏分割技术研究进展

医学图像处理(image processing)技术在医学疾病诊疗领域具有越来越重要的作用,可以很好的解决癌症早筛中病症不明显诊断困难的难题,通过图像处理技术可以对疾病进行精确的确诊。其中器官分割是图像处理技术的基础技术,其分割结果直接影像更深入的图像处理。本文介绍CT图像处理中肝脏分割技术的研究进展,包括基于无监督、弱监督学习的分割算法和基于监督学习的分割算法两大方面,并介绍了近年迅速发展的人工智能技术在医疗领域中的应用,尤其是人工智能在CT图像分割领域中的应用进展,同时展望了人工智能在医学影像学中的应用前景。

脐动脉和大脑中动脉相关血流指标在臀位外倒转术宫内窘迫及出生结局中的预测价值

目的探讨胎儿脐动脉(umbilical artery,UA)和大脑中动脉(middle cerebral artery,MCA)相关血流指标在臀位外倒转术(external cephalic version,ECV)宫内窘迫及出生结局中的预测价值。方法选取2018年9月至2020年9月深圳市第七人民医院收治的100例于超声监测下成功完成臀位ECV单胎臀位孕晚期(≥36周)妇女作为研究组,同期选取100例单胎头位孕晚期健康妇女作为对照组,对比两组胎儿宫内窘迫发生率、剖宫产率和出生结局(新生儿死亡率、新生儿窒息率和Apgar评分);采用Spearman法分析血流参数指标与Apgar评分的关系;根据是否发生胎儿窘迫将研究组分为窘迫组和无窘迫组,对比两组胎儿UA和MCA血流参数[血流搏动指数(pulsatility index,PI)、血流阻力指数(resistance index,RI)和收缩/舒张比(systolic/diastolic ratio,S/D)]差异,并绘制受试者工作特征(receiver operating character,ROC)曲线分析其预测胎儿窘迫的临床价值。结果研究组和对照组中均无新生儿死亡和新生儿窒息出现。对照组和研究组宫内窘迫发生率、剖宫产率和Apgar评分比较,差异无统计学意义(P>0.05)。窘迫组和无窘迫组UA-RI、MCA-RI比较,差异无统计学意义(P>0.05);窘迫组UA-PI和UA-S/D均高于无窘迫组,而窘迫组MCA-PI和MCA-S/D均低于无窘迫组,差异均有统计学意义(P<0.05)。经Spearman相关分析,UA-RI、MCA-RI与1 min Apgar评分和5 min Apgar评分无明显相关性(P>0.05);UA-PI和UA-S/D与1 min Apgar评分和5 min Apgar评分呈负相关(P<0.05);MCA-PI和MCA-S/D与1 min Apgar评分和5 min Apgar评分呈正相关(P<0.05)。绘制ROC曲线分析,UA-PI和UA-S/D均可预测臀位ECV后宫内窘迫(P<0.05),尤以两者联合效果最佳;MCA-PI和MCA-S/D均可预测ECV术后宫内窘迫(P<0.05),尤以两者联合效果最佳;但UA-PI+UA-S/D和MCA-PI+MCA-S/D在预测臀位ECV术后宫内窘迫效能上差异无统计学意义(P>0.05)。结论胎儿UA和MCA相关血流指标不仅可预测臀位ECV术后宫内窘迫的发生,还与臀位ECV术后新生儿Apgar评分密切相关。