-
题名非高血压的急性主动脉夹层患者临床特征分析
被引量:12
- 1
-
-
作者
弓文清
周玲
尚磊
段维勋
郑敏娟
刘丽文
-
机构
空军军医大学西京医院超声医学科
空军军医大学军事预防医学系卫生统计教研室
空军军医大学西京医院心血管外科
-
出处
《中国心血管杂志》
2018年第2期137-141,共5页
-
基金
国家自然科学基金项目(81301228)
陕西省国际合作项目(2015KW-049)~~
-
文摘
目的探讨非高血压的主动脉夹层(AD)患者的临床特征。方法将空军军医大学西京医院2007年1月至2015年12月临床确诊的1 220例AD患者分为高血压组(906例,74.3%)和非高血压组(314例,25.7%),比较两组患者的基线资料、临床特征及死亡率。结果非高血压的AD患者年龄较轻[(47.1±11.3)岁比(50.7±10.2)岁],Stanford A型患者居多(72.0%),且男性多于女性(71.7%比28.3%),农村多于城市(67.8%比32.2%)。非高血压与高血压AD患者住院死亡率差异无统计学意义(P=0.45)。与高血压组相比,非高血压AD患者的心功能减低、左心室扩大、合并心包积液、颈部血管受累的患者比例显著增加(均为P<0.05),且升主动脉和主动脉窦部内径明显增宽(P<0.05),但非高血压组的主动脉合并血栓、肾功能损伤、腹腔干和肠系膜上动脉异常及纤维蛋白降解产物异常比例少于高血压组(均为P<0.05)。结论与合并高血压的AD患者相比,非高血压的患者发病年龄较轻,以Stanford A型为主,男性和农村患者居多,心、脑受累几率明显增高,升主动脉和主动脉窦部的内径明显增宽,提示可能与主动脉壁发育异常有关。
-
关键词
动脉瘤
夹层
高血压
疾病特征
-
Keywords
Aneurysm,dissecting
Hypertension
Disease attributes
-
分类号
R543.1
[医药卫生—心血管疾病]
-
-
题名医学院校大一学生学习环境认知状况调查研究
- 2
-
-
作者
王玥
谭志军
杨喆
张玉海
尚磊
-
机构
空军军医大学军事预防医学系军队卫生统计教研室
-
出处
《中华医学教育探索杂志》
2023年第3期463-467,共5页
-
基金
陕西省高等教育学会高等教育科学研究项目(XGH19190)
陕西高等教育教学改革研究项目(19BY152)
全国医学专业学位研究生教育指导委员会研究课题(B1-YX20190302-04)。
-
文摘
目的了解医学院大一学生对学习环境的认知情况,为有针对性改善学习环境提供参考依据。方法2020年3月至4月,选取某军医大学260名大一学生,采用约翰霍普金斯大学学习环境量表(Johns Hopkins University Learning Environment Scale,JHLES)调查学生对学校学习环境的认知情况。通过方差分析和一般线性模型分析学习环境认知情况的影响因素。使用SAS 9.4软件进行统计分析。结果共回收有效问卷244份,有效回收率为93.85%(244/260)。其中包容性及安全性维度平均得分最低(2.21±1.08),同学关系维度平均得分最高(4.41±0.54)。不同性别、是否独生子女、不同父母文化程度、不同整体学习环境评价、不同学习兴趣学生量表得分差异有统计学意义(P均<0.05)。一般线性模型发现性别(P<0.05)、学习兴趣(P<0.05)、母亲文化程度(P<0.05)是学习环境认知水平的主要影响因素。结论学校应采取有针对性的措施,如进一步鼓励同学间互帮互助、增强学生学习兴趣、关注女同学与母亲文化程度较低的学生等,来改善学习环境。
-
关键词
学习环境
认知
JHLES量表
医学生
-
Keywords
Learning environment
Perception
JHLES
Medical student
-
分类号
G444
[哲学宗教—发展与教育心理学]
-
-
题名不平衡数据分类及在疾病诊断中的应用研究进展
- 3
-
-
作者
邹琼
王冲
-
机构
陕西中医药大学公共卫生学院
空军军医大学军事预防医学系军队卫生统计教研室
陕西中医药大学医学科研实验中心
-
出处
《职业与健康》
CAS
2023年第12期1719-1725,F0003,共8页
-
文摘
不同类之间数据分布的不平衡称为类间不平衡,不平衡数据中不同类别的样本数量差异很大。近年,机器学习诊断成为疾病诊断、分析和预测的流行选择,他比传统诊断方法省时,且能够直接预测引起疾病的相关因素,以减轻危害,减少个人和社会的负担。本文综述了近年常用的不平衡数据处理的机器学习方法,重点分析其在预测恶性肿瘤、心脏病、糖尿病及其并发症和其他疾病中的应用情况。
-
关键词
不平衡数据
疾病诊断
机器学习
临床预测模型
-
Keywords
Unbalanced data
Disease diagnosis
Machine learning
Clinical prediction model
-
分类号
R181.2
[医药卫生—流行病学]
-
-
题名长庆油田企业员工慢性病疾病负担分析
- 4
-
-
作者
王玥
谭志军
李翎
米海
尚磊
-
机构
空军军医大学军事预防医学系军队卫生统计教研室
中国石油长庆油田分公司行政事务管理处
-
出处
《社区医学杂志》
CAS
2021年第14期891-896,共6页
-
基金
国家自然科学基金(81703315)。
-
文摘
目的参考世界卫生组织(WHO)全球疾病负担研究测算方法,估计西北地区长庆油田在职员工主要慢性病的疾病负担结果,为我国劳动力人群开展慢性病防治提供依据。方法分别以基于个体和基于群体的方法,结合员工死亡数据库信息,以我国法定退休年龄代替期望寿命,计算长庆油田2016年员工伤残调整寿命年(DALY)、伤残寿命年(YLD)和寿命损失年(YLL)等用于评价疾病负担的指标结果。结果基于个体估计慢性病总YLD为6297.180年,YLD率为177.80年/千人。基于群体估计慢性病总YLD为5035.070年,YLD率为89.541年/千人;慢性病YLL为1708.42年,DALY合计6743.49年,DALY率为119.923年/千人,YLD占总DALY的73.36%。结论长庆油田YLD占总DALY的比例远高于一般人群,符合劳动力人群的健康特点,说明慢性病对长庆油田员工造成的疾病负担中以"带病工作"影响生产效能为主。应进一步加强重点慢性病包括高脂血症、高血压病和糖尿病的健康管理与健康促进工作,建立员工疾病监测系统,根据上述方法对员工慢性病疾病负担情况进行持续、动态评估。
-
关键词
劳动力人群
慢性病
疾病负担
伤残调整寿命年
-
Keywords
labor force
chronic diseases
burden of disease
disability-adjusted life year
-
分类号
R197
[医药卫生—卫生事业管理]
-