简介:摘要:儿童用药是一个重要而复杂的领域,需要特别的关注和防控措施。本文旨在探讨儿童用药指导与用药错误防控对策,以保障儿童的健康和安全。我们首先介绍了儿童用药的挑战,包括生理和代谢的差异,以及药物剂量和剂型的问题。接着,我们强调了正确的用药指导对于儿童的重要性,包括用药时间、剂量和途径的合理选择。同时,我们提出了一些关键的用药错误防控对策,如建立规范的用药记录系统、提高医护人员的用药知识和技能,以及家长和监护人的参与和监督。最后,我们强调了儿童用药安全的重要性,呼吁医疗机构、医生和家庭共同努力,确保儿童在用药过程中得到充分的关注和保护。
简介:摘要目的探讨不同机器学习的影像组学模型预测三阴性乳腺癌(TNBC)新辅助治疗远期复发转移风险的价值。方法回顾性分析2011年8月至2017年5月上海复旦大学附属肿瘤医院和上海交通大学医学院附属瑞金医院的150例接受新辅助化疗和手术切除后经病理组织学证实的TNBC患者临床及影像资料。将上海复旦大学附属肿瘤医院的109患者作为训练组,将上海交通大学医学院附属瑞金医院的41例患者作为验证组。基于治疗前动态对比增强MRI(DCE-MRI)提取的影像组学特征,并加入时间域特征,训练组使用最小绝对收缩和选择算子交叉验证法和递归特征消除法进行特征筛选。采用6种(逻辑回归、线性判别分析、K最近邻、朴素贝叶斯、决策树和支持向量机)具有监督学习的不同机器学习算法来预测远期复发转移的能力,使用ROC、准确率以及F1度量值评价6种算法的优劣,并通过验证组进行验证。结果支持向量机算法在基于15个影像组学特征的复发转移模型中预测效果最好,具有最高的曲线下面积(训练组为0.917,验证组为0.859)、准确率(训练组为87.5%,验证组为82.9%)以及F1度量值(训练组为0.800,验证组为0.741)。15个影像组学特征中,时间域特征为12个、空间域特征为3个。结论加入时间域特征的DCE-MRI机器学习影像组学模型有助于预测TNBC新辅助化疗的远期预后,为临床决策及随访管理提供支持。