优秀运动员睡眠与运动表现:问题分析、影响因素、改善策略北大核心CSCD

睡眠是运动员运动表现提升的重要非训练策略之一,科学分析影响运动员睡眠的各类因素和改善策略有助于在训练和比赛期最大化运动表现。通过对国内外相关文献的整理与总结发现,运动员群体普遍存在睡眠问题,且该问题在比赛前后更为严重。影响运动员睡眠的因素可分为运动类和非运动类,其中训练、比赛和旅行是运动员睡眠问题的主要致因。多导睡眠图、睡眠问卷/量表/日记、睡眠活动记录仪和手机App等是目前运动员睡眠的主要监测方法。睡眠问题对运动员不同运动表现有着不同程度的影响,其中对次最大强度下的重复冲刺能力、力量耐力和认知参与类运动表现影响的证据相对更为充分。增加睡眠时长、改善睡眠环境/睡前行为、营养补充、旅途调节和运动后恢复策略,是目前改善睡眠的主要手段。     

发热伴血小板减少综合征研究热点的可视化分析

[摘要]　目的　对发热伴血小板减少综合征（severe fever with thrombocytopenia syndrome, SFTS）的相关文献进行文献计量学和可视化分析，探寻近年来的研究现状、热点及趋势，为临床治疗和基础研究提供参考。方法?以Web of Science（WOS）核心合集和中国知网（China national knowledge infrastructure, CNKI）数据库为文献来源，检索2011年1月1日—2021年12月31日有关SFTS的文献，导入CiteSpace.5.7.R2软件，以国家、作者、文献共被引、关键词为节点进行可视化分析，并绘制相关图谱。结果?在WOS核心合集共检索到797篇文献，在CNKI数据库共检索到714篇文献。相关领域发文量总体呈上升趋势，中国发文量居首位，美国和日本之间机构合作密切。研究热点集中在发病机制、抗体、特异性治疗等领域。非结构蛋白、临床预后、血小板减少、SFTS感染的靶细胞等将是未来的研究重点。结论?国内外关于SFTS的研究逐渐成熟，新型布尼亚病毒、免疫功能、预后是研究重点，但是对SFTS发病机制和病毒受体尚不清楚，仍须进一步探索。     

凶险性前置胎盘合并胎盘植入"一站式"杂交手术配合

目的探讨"一站式"杂交手术救治凶险性前置胎盘患者的应用价值及重要性。 方法对多学科合作行杂交手术救治凶险性前置胎盘合并胎盘植入患者的病例进行回顾性分析，总结"一站式"杂交手术多学科医护合作和护理配合要点。 结果经过多学科默契配合下的"一站式"杂交手术以及"L"型护理配合模式，手术顺利完成，术后无并发症发生，产妇于术后第4天出院。 结论凶险性前置胎盘患者病情危重、手术难度大，通过多学科讨论会、辐射防护、安全转运、医护默契配合以及根据潜在并发症采取预见性的护理措施是"一站式"杂交手术成功的要点。     

脐带间充质干细胞分泌的外泌体对骨性关节炎模型大鼠的镇痛作用

目的观察脐带间充质干细胞分泌的外泌体对骨性关节炎模型大鼠疼痛行为、软骨修复及背根神经节(DRG)中转录激活因子3(ATF-3)及生长相关蛋白43(GAP-43)表达的影响, 并探讨外泌体治疗关节炎疼痛的可能机制。方法采用随机数字表法将54只雄性SD大鼠分为假手术组、模型组和外泌体组, 每组18只, 除假手术组外, 其余2组均于左后肢膝关节腔注射4 mg/50 μl单碘乙酸钠(MIA)建立疼痛模型, 假手术组大鼠关节腔注射50 μl生理盐水作为对照。造模14天后, 假手术组和模型组大鼠左后肢膝关节腔注射50 μl生理盐水, 外泌体组大鼠注射50 μl外泌体。于造模前1天、造模后第7、14天及给药后第7、14、28天对各组大鼠机械痛阈和热痛阈进行测定;于测试后取出相应时间点DRG, 采用免疫蛋白印迹法检测ATF-3及GAP-43表达情况;并取出相应时间点各组大鼠膝关节, 采用苏木素伊红(HE)染色检测软骨修复情况。结果与模型组比较, 外泌体组在给药后第7天时, 机械痛阈值及热痛阈值均明显增加, 直到给药后第28天时差异均具有统计学意义(P<0.05);DRG水平ATF-3蛋白表达显著...     

基于超声影像组学的乳腺癌预测模型的诊断性能研究

目的评估并比较基于不同机器学习算法建立的乳腺癌超声影像组学预测模型的诊断性能。 方法回顾性收集2017年1月至2019年4月就诊皖南医学院第一附属医院、有明确病理结果的乳腺肿块病例828例，以2018年8月31日为节点将其分为训练集（526例）和验证集（302例），提取肿块的超声影像组学特征并进行特征筛选，运用k最近邻（kNN）、逻辑回归（LR）、朴素贝叶斯（NB）、随机森林（RF）和支持向量机（SVM）5种机器学习算法分别建立预测模型，使用重复交叉验证方法做内部验证，计算比较各模型的敏感度、特异度、阳性预测值（PPV）和阴性预测值（NPV），并实施外部验证，绘制ROC曲线并比较ROC曲线下面积（AUC）以评价模型的鉴别诊断性能，绘制校准曲线评价模型校准度。 结果从提取的109个影像组学特征中筛选出19个特征建立了5种机器学习算法模型。在内部验证中，5种模型的敏感度、特异度、PPV、NPV比较，总体差异均有统计学意义（P均＜0.001）。LR模型的特异度、PPV、NPV中位数分别为0.769、0.816、0.778，3项指标均高于其他4种模型；敏感度中位数为0.824，高于kNN、RF和SVM模型。此外，SVM模型的特异度、PPV、NPV中位数分别为0.706、0.774、0.759，虽均低于LR模型，但均高于其他3种模型。在外部验证中，LR、SVM、RF、kNN和NB的AUC依次为0.890、0.832、0.821、0.746和0.703，其中LR与SVM的AUC差异有统计学意义（P=0.012）；此外，各模型在校准性能上表现并不一致，LR和SVM模型的校准曲线显示乳腺癌实际概率与预测概率之间的一致性较好。 结论以超声影像组学特征为基础，运用不同机器学习算法建立的乳腺癌超声预测模型，均表现出较高的诊断性能，其中LR模型表现最为突出；选择合适的机器学习算法有助于进一步提高预测模型的诊断性能，提供更加准确的量化预测结果。