贡嘎蝠蛾幼虫拟青霉病病原生物学特性研究

特产研究2008,30(2):14-16研究了在不同温度、不同酸碱度和不同光照条件下贡嘎蝠娥幼虫拟青霉病病原菌的生     

玄参总三萜提取工艺的研究

目的采用正交设计方法优选玄参总三萜的提取工艺。方法选择乙醇浓度、回流次数、料液比和回流时间4个影响因素，每个因素取三个水平，采用L9（3^4）正交实验设计，以齐墩果酸作为考察指标，优选玄参总三萜的提取工艺。结果根据因素的显著性影响，优选出总三萜的最佳提取条件为：12倍药材量的60％乙醇溶液，1．5h回流提取3次。结论此法简单易行，可提高玄参总三萜的提取率。     

青蒿种子带菌检测及药剂消毒处理

种子2008,27(1):23-25采用平皿法对Q9等18个青蒿(Artemisia annua L.)种子样品进行了带菌检测,并研究了3种杀菌荆对青蒿带菌种子样品的消毒处理效果。结果表明,青蒿种子外部和内部携带的主     

一种大鼠蛛网膜下腔出血动物模型的建立

目的:建立一种成年大鼠蛛网膜下腔出血(SAH)模型。方法:使用立体定位仪在显微操作下行枕大池两次注射静脉血建立大鼠SAH模型。术后第一天,4%多聚甲醛灌注后取脑。脑组织用异戊烷-液氮快速冰冻并-80℃低温保存,行冰冻切片。MASSON染色观察蛛网膜下腔。结果:(1)动物模型实验成功率为83.33%;(2)MASSON染色显示脑膜的结构保存良好,蛛网膜下腔有大量的血细胞。结论:此实验为研究SAH提供了较好的动物模型。     

不同种类肝病患者胃镜表现对比分析

目的：观察不同种类肝病患者胃镜表现。方法：各种肝病患者384例,分析其胃镜下消化道黏膜损害的特征表现。结果：肝病致消化道黏膜的损害可独立发生,也可多种形式重叠发生;门脉高压性胃病多发生在胃底、胃体;消化性溃疡多发生在胃窦及十二指肠球部;门脉高压性胃病胃黏膜改变的范围与静脉曲张程度呈正相关（P〈0.01）;消化道黏膜的损害与肝炎的病理类型无明显关系（P〉0.05）。结论：不同肝病造成的消化道黏膜损害是复杂的。     

三腔双囊管压迫止血的护理体会

肝硬化所致的食管胃底静脉破裂出血患者因出血量大、出血速度快，往往致死率较高。我科一般采用注射用生长抑素24h持续泵入，外加扩容、输血对症支持治疗，多数患者经治疗后能较快控制出血，当药物不能控制出血时，则需置入三腔管，通过局部压迫达到止血目的。     

HIV-1感染中B细胞的活化Ⅱ细胞间相互作用和对细胞因子的需求

HIV-1感染除导致进行性T 细胞功能缺陷外,还伴有明显的B 细胞功能失调。感染者血循环中含有大量活化的B 细胞,能自发产生主要针对HIV-1的特异性抗体,但对有丝分裂原刺激的应答和抗体同忆反应均降低。这种现象可能与HIV-1诱导的自身免疫损伤及AIDS 患者中B 细胞瘤发病率的升高有关。此外,活化的B 细胞还能产生大量IL-6和TNF-α,从而可能对感染者体内HIV-1的扩散有一定促进作用。为进一步解释这一现象,作者采用外周     

9种机器学习模型预测幕上深部自发性脑出血早期血肿扩张及预后不良的比较

目的 比较9种机器学习模型对幕上深部自发性脑出血（SICH）患者发生早期血肿扩张及预后不良情况的预测性能。方法 回顾性研究。纳入2015年1月—2019年5月4家医院幕上深部SICH患者420例。其中男275例、女145例,年龄25~90（61.0±12.9）岁。420例患者按照7∶3的比例,采用完全随机法分为训练集294例和验证集126例。患者在72 h内复查CT,若血肿体积比初始体积增长>6 mL或>33%,判定存在早期血肿扩张。采用改良的Rankin评分量表（mRS）评估预后,以mRS>3分判定为预后不良。比较训练集和验证集的基线资料。采用随机森林、极限梯度提升算法（XGboost）、梯度爬升决策树、自适应提升算法、朴素贝叶斯、logistic回归、支持向量机、K近邻、多层感知机9种机器学习算法对早期血肿扩张及预后不良分别构建预测模型;在训练集中,依据各模型的灵敏度和特异度绘制受试者操作特征曲线,采用3折交叉验证取曲线下面积（AUC）,比较各模型对早期血肿扩张及预后不良情况的预测性能,并在验证集测试模型的可靠性。结果 训练集和验证集患者基线资料比较差异均无统计学意义（P值均>0.05）。420例患者中,早期脑血肿扩张的患者有117例（27.86%）;399例患者获随访,其中预后不良的患者有210例（52.63%）。预测早期血肿扩张：训练集中,9种机器学习模型的AUC为0.590~0.685,其中以XGboost模型最高,AUC为0.685±0.024;在验证集中,XGboost模型AUC为0.686[95%可信区间（CI）0.578~0.721]。预测预后不良：9种机器学习模型的AUC为0.703~0.852,其中logistic回归模型最高,AUC为0.852±0.041;而在验证集中,logistic回归模型AUC为0.894（95%CI 0.862~0.912）。结论 9种机器学习算法模型中,XGboost对幕上深部SICH早期血肿扩张的预测性能最佳,而logistic回归模型对预后不良的预测性能最高;对于不同临床结局的预测,应选用合适的机器学习模型。