目的:基于FAERS数据库对老年患者应用布洛芬和对乙酰氨基酚的上市后药品不良事件(ADE)报告进行信号挖掘.方法:使用OpenVigil 2.1平台,提取FAERS数据库中65岁以上老年患者使用布洛芬/对乙酰氨基酚的上市后ADE报告,采用报告比值比法和贝叶斯法进行数据挖掘,进一步分析筛选出的中强信号及强信号.结果:老年患者中,布洛芬信号最强的ADE为暂时性耳聋,对乙酰氨基酚信号最强的ADE为自杀既遂.重点系统中,布洛芬在肾脏及泌尿系统疾病、胃肠系统中检出较多强信号;对乙酰氨基酚在肝胆系统疾病、呼吸系统、精神病类检出较多强信号.结论:在新型冠状病毒感染居家治疗期间,对于低烧或者有呼吸系统、肝胆系统、肾脏及泌尿系统、心脏系统等严重基础疾病的老年患者,慎用布洛芬和对乙酰氨基酚.对于高烧不退的老年患者且有肾脏及泌尿系统、胃肠系统等基础疾病者,使用布洛芬的风险大于对乙酰氨基酚;而对于有肝胆系统、呼吸系统、精神病、心脏器官疾病等基础疾病者,使用对乙酰氨基酚的风险大于布洛芬.

目的 研究糖尿病、遗传易感性与阿尔茨海默病风险之间的关联,并进一步探讨潜在的遗传易感性/糖尿病交互作用及对阿尔茨海默病风险的影响.方法 基于英国生物数据库,最终有211643例年龄≥60岁的参与者被纳入在本研究中,在基线数据对比后,采用Kaplan?Meier风险曲线和Cox比例风险模型分析不同因素对阿尔茨海默病风险的影响.结果 COX比例风险模型表明,年龄越大、社会剥夺指数越高、受教育程度越低、患有心脏病、脑梗死、糖尿病及高血压的参与者有更高的阿尔茨海默病风险.同时,在低AD?GRS(阿尔茨海默病遗传风险评分)和高AD?GRS参与者中,不合并糖尿病能够抵消遗传风险对阿尔茨海默病的风险.结论 本研究结果表明随着AD?GRS增加及合并糖尿病,阿尔茨海默病风险越高.同时,在低AD?GRS和高AD?GRS参与者中,不合并糖尿病能够抵消遗传风险对阿尔茨海默病的风险.

Objective To discuss how to implement the application of medical image data on transfer learning based on MATLAB.Methods Taking MIMIC-CXR for example, 500 X-ray images of positive and the same number negative pleural effusion were randomly selected as the total data set, and the MATLAB software transfer learning method based on the ResNet network model was used for multiple training, calculating the AUC value to evaluate the accuracy of the model training for pleural effusion image classification.Results The pleural effusion imaging test set and training set used in this study were evenly distributed. Some training models had an accuracy rate of 80%, and the loss rate dropped to below 20%. The highest accuracy rate in training with 250 iterations was up to 100%, which took about 2 minutes and 38 seconds. Based on the prediction results of image data transfer learning obtained in this model training, the highest AUC value was 93.53%.Conclusion The transfer learning method of the ResNet network model can realize the effective combination and enhance-ment of model construction and medical imaging data training, and the model has good predictive performance, which provides a certain basis for clinicians in the early diagnosis of pleural effusion.

随着人口老龄化的不断增加,包括阿尔茨海默病在内的痴呆症患病率也在增加.阿尔茨海默病已经被世界卫生组织确认为优先的公共卫生事件[1].同时,阿尔茨海默病患者会遭受多种睡眠障碍的困扰[2].本文的目的主要是针对睡眠行为与阿尔茨海默病关系的研究进展进行一个简要的综述,以加深读者对睡眠行为与阿尔茨海默关系的理解.

目的 探讨影响直肠和直肠乙状结肠交界处腺癌术后患者预后的危险因素.方法 采用SEER*Stat软件从SEER数据库提取2010—2015年直肠和直肠乙状结肠交界处腺癌术后患者的数据,使用R软件4.0.3版本进行统计学分析,利用"survival"包中的"coxph"函数对变量进行影响直肠和直肠乙状结肠交界处腺癌术后患者预后的单因素回归分析,并对差异具有统计学意义的变量采用Cox回归模型进行多因素分析.结果 本研究共纳入23176例术后直肠和直肠乙状结肠交界处腺癌患者.单因素分析结果显示,年龄、性别、种族、TNM分期、化疗、放疗、骨转移、肺转移、肝转移均为影响直肠和直肠乙状结肠交界处腺癌术后患者预后的重要临床因素,差异具有统计学意义(P<0.05).Cox多因素回归分析显示,年龄、性别、种族、TNM分期、化疗、骨转移、肺转移、肝转移是影响患者预后的独立因素,差异具有统计学意义(P<0.05).结论 影响直肠和直肠乙状结肠交界处腺癌术后患者的危险因素包括性别、年龄、种族、TNM分期、化疗、骨转移、肺转移、肝转移,但当前对于该部位腺癌的研究较少,因此未来仍需对术后直肠和直肠乙状结肠交界处腺癌进一步深入研究.

临床医生诊断、检查患者病症常需借助超声、X射线、CT、MRI等医学成像技术手段,但查阅医学影像需要专业的知识基础,且阅片任务重,重复性高.随着计算机视觉技术的不断发展和进步,医学图像的自动分析已成为人工智能技术辅助医生诊断、治疗患者的主要方式之一.本文将介绍一个可促进医疗智能化技术发展的大型胸部X射线影像数据库——MIMIC-CXR.该数据库收集了2011～2016年间贝斯以色列女执事医疗中心急诊科的65379例患者的227835项影像学研究,同时包含了针对每项研究的放射学文本报告.本文旨在介绍MIMIC-CXR影像数据库的基本数据内容,以及其转化的MIMIC-CXR-JPG数据库的主要结构,同时探索将深度学习技术应用于MIMIC-CXR影像可能的研究方式.

本文基于对陕西、浙江两省部分三甲医院前期调研,以西安交通大学第一附属医院为实例,研究了新型冠状病毒肺炎疫情期间医院肿瘤科放疗部门患者入院排程问题.该问题的核心是基于现有的医疗服务资源,设计一种最优的排程方法 ,尽量减少疫情防控期间放疗前等待时间及患者来院次数,从而最大程度降低患者院内交叉感染概率.本文结合国内医疗实践提出一个混合整数规划模型,并采用标准线性求解器CPLEX进行求解,数值实验表明本文所提出的运筹学方法 相比医院原有的手动排程方法 效率更高,患者流失数量更少,并能够有效地识别制约服务效率提升的瓶颈资源.

目的 分析1990 ～ 2017年全球膀胱癌的发病率和死亡率变化趋势及年龄、时期、出生队列对膀胱癌发病率和死亡率的影响.方法 提取全球疾病负担2017(GBD 2017)数据库中1990～2017年膀胱癌年龄标准化发病率(ASIR)和死亡率(ASDR)的数据,采用联结点回归模型描述膀胱癌发病率和死亡率的趋势变化,建立年龄-时期-队列模型,分析全球膀胱癌发病率及死亡率的年龄、时期、出生队列效应.结果 1990～2017年间,膀胱癌的ASIR和ASDR均有轻微下降.ASIR从1990年的6.42/10万下降到2017年的6.04/10万,年平均变化率为[-0.9％,95％CI(-1.0％,-0.8％)],ASDR从1990年的3.15/10万下降到2017年的2.57/10万,年平均变化率为[-0.4％,95％CI(-0.4％,-0.3％)].年龄-时期-队列模型结果显示随着年龄的增加,膀胱癌发病率和死亡率的风险增大;随着出生队列的推移,膀胱癌的发病率和死亡率的风险降低;而时期对膀胱癌的发病率和死亡率的影响较小.结论 全球膀胱癌的发病率和死亡率呈下降趋势,但随着全球人口老龄化进程加快,膀胱癌的发病人数和死亡人数仍不容乐观,应积极采取对策应对老龄化的不利影响.

重症医学是研究危及生命的病理生理状态的发生、发展规律及其诊治方法的一级临床学科,近年来得到了迅速的发展.研究者通过对重症病房提供的大量医疗诊断、监护数据信息的深度挖掘和分析,有助于了解重症患者的个人状态、用药与疾病之间的相互作用关系,为疾病的诊断与治疗提供科学参考.儿科重症监护数据库(Paediatric Intensive Care database,简称PIC数据库),是由浙江大学医学院附属儿童医院开发的一个完全公开的单中心、中英双语数据库,是一个专门针对儿科重症患者的数据存储库,包含0～18岁的非成年患者在多个ICU的诊断、检测以及监护数据.本文旨在介绍PIC数据库的主要架构、数据库的申请、搭建以及提取数据开展研究的基本方法.