吴煜治疗癌性疼痛经验介绍

目的介绍吴煜教授治疗癌性疼痛的经验。癌性疼痛是肿瘤患者最常见的症状,吴教授将癌痛的病机总结为"不通则痛"和"不荣则痛"。在治疗方面首辨虚实,立足于"通",灵活运用风药、虫类药、重镇安神之品,并结合现在药理研究辨病选药,在减轻疼痛,改善其生活质量等方面取得了满意的临床疗效。     

事件相关电位在疼痛领域中的研究进展和应用

疼痛是一种常见的临床症状,不仅会给病人的身心带来巨大压力,还会给社会造成巨大负担。疼痛在神经中枢的产生传导及调节等过程相对复杂,而对疼痛的研究方法有很多,其中事件相关电位(event-related potentials, ERPs)应用神经电生理方法在研究疼痛神经机制方面发挥重要作用;在不同感觉通道下,通过不同类型的刺激诱发中枢事件相关电位变化,对不同性质的疼痛病因及疼痛发展变化的诊断具有重要意义,因而对于疼痛治疗和恢复具有较高指导作用,在临床中将有更大的应用空间。本文就近年事件相关电位在疼痛领域中的研究进展和应用进行概述。     

舒适护理对改善甲状腺术后患者疼痛及负面情绪的效果分析

目的探讨舒适护理在缓解甲状腺手术患者术后疼痛及改善负面情绪的作用。方法将接受甲状腺手术的80例患者按照随机数字法分为2组,每组40例。2组均予以常规护理,观察组在常规护理的基础上联合实施心理、环境、体位、疼痛等舒适护理。比较护理前后2组患者的焦虑、抑郁改善状况及术后切口疼痛评分和对护理工作满意情况。结果入院时2组患者抑郁及焦虑评分差异无统计学意义(P0.05)。护理后2组患者的抑郁及焦虑评分均较护理前均有所改善,且观察组改善效果优于对照组,差异有统计学意义(P0.05)。术后第3天观察组患者切口疼痛评分低于对照组,差异有统计学意义(P0.05)。出院时对患者及家属通过护理工作满意度调查反馈表的发放进行调查,结果显示,观察组患者及家属对护理工作满意度高于对照组,差异有统计学意义(P0.05)。结论在甲状腺手术患者围术期积极开展心理、环境、体位、疼痛等舒适护理,可改善患者负面情绪,缓解术后疼痛感,利于患者顺利康复和护患关系的和谐。     

如何预防肛周脓肿

@无中生有:我有个朋友肛周疼痛,因为难为情没及时就诊,自己吃了消炎药无济于事,去医院后,确诊为肛周脓肿,竟要住院做手术。请问为什么会有这个病?有没有办法预防?     

TCGA数据库4种消化系统癌症分子特征的比较北大核心CSCD

目的:探索4种消化系统癌症(DSCs)分子特征的异同及分子特征同临床基本特征的关系。方法:基于生物信息学方法从TCGA数据库中获取食管癌(ESCA)、胃癌(STAD)、直肠癌(READ)、结肠癌(COAD)4种DSCs的分子特征,包括基因突变、拷贝数变异、基因表达以及甲基化,结合MIF算法、差异分析筛选出癌症驱动基因、差异甲基化基因(DMGs)以及差异表达基因(DEGs),并利用富集分析、生存分析、相关性分析比较4种癌症类型中分子特征的异同,进一步探索分子特征同临床基本特征的关系。结果:4种癌症类型具有相似的分子特征,包括:突变频率与基因表达、甲基化水平相关性很低,线性关系均不明显;MaxMIF软件获得的30个癌症驱动基因中均仅有少数几个基因具有预后效果,包括ESCA 2个、STAD 2个、READ 1个、COAD 1个;拷贝数变化数据在癌症组织样本和正常组织样本中的分布并不均匀;DEGs中仅有少部分基因具有预后效果,包括食管癌(29/829)、胃癌(0/394)、直肠癌(71/606)、结肠癌(50/591),并且KEGG通路均富集于“神经活性的配体-受体相互作用”。另外,4种癌症类型之间具有不同的癌症驱动基因、具有预后效果的DEGs,以及DMGs。结论:经分析得到4种DSCs分子特征的异同点有助于了解整个DSCs,并有望为深入理解DSCs的分子特征及相应的分子靶向治疗方案的设计提供有效的依据。     

住院癌症患者衰弱风险预测模型的构建与验证

目的 调查住院癌症患者发生衰弱的危险因素，构建风险预测模型并检验预测效果。方法 选取广州市2所三级甲等医院住院癌症患者570例，分为建模集422例和验证集148例。采用一般资料调查表、Fried衰弱表型、安德森症状评估量表、医院焦虑抑郁量表、中文版失志量表、营养风险筛查2002、Barthel指数量表进行调查，同期收集患者的白细胞介素-6、C-反应蛋白等实验室指标，应用logistic回归分析筛选衰弱的独立危险因素，构建风险预测模型。结果 住院癌症患者衰弱发生率为33.7%,衰弱的影响因素分别为：造口、营养状况、抑郁、神经心理症状群、消化道症状群、D-二聚体、白细胞介素-6。建模集和验证集ROC曲线下面积为0.788、0.735;Brier得分为0.205,校准斜率为0.625,决策曲线分析表明模型具有一定的临床可用性。结论 住院癌症患者衰弱发生率较高，构建的列线图预测模型具有较好的风险预测价值，可有效识别和筛选住院癌症衰弱高危人群。