简介：无

简介：摘要姚树锦教授善治各种疑难杂症，尤其在治疗肾病方面积累了丰富的临床经验。姚师认为，慢性肾小球肾炎蛋白尿的产生以脾肾两脏为中心，基本病机为脾失健运、肾失固涩的本虚证，常兼夹有瘀血、水湿的标实证。在治则治法上主张治疗水肿，重在培土；消除蛋白，以补肾固涩为要；同时还应补脏通腑，补泄通施；填补精血，气血同调；益气固表，未病先防；活血利水，气血兼顾。临证以芪苡四君子汤为主方，并随证加减。附验案一则以供参考。

简介：摘要目的利用决策树建立完全性川崎病(cKD)的辅助诊断模型，并评估其在不完全性川崎病(iKD)中的诊断价值，以利于iKD的早期准确诊断。方法采用回顾性研究方法，收集上海儿童医学中心2018年12月至2019年12月符合入组标准的患儿临床资料，共计200例，分为cKD组(51例)、iKD组(54例)和感染性发热(IF)组(95例)。以cKD和随机半数IF患儿的辅助检查指标构成训练样本数据集；以iKD和剩余半数IF患儿的辅助检查指标构成验证样本数据集，然后进行决策树算法分析，生成cKD的临床诊断决策树，将生成的决策树模型在验证样本数据集中进行验证并计算模型的检测效应值。结果本研究中共24项辅助检查指标用于构建决策树诊断模型，对其进行单因素统计分析后发现，16项指标在cKD和IF组间以及17项指标在iKD和IF组间的差异有统计学意义。在cKD与IF训练样本数据集中，构建出以红细胞沉降率>35 mm/h、N末端心房脑钠肽前体≥315 pg/ml、CD3-/CD19＋%≥21%、中性粒细胞绝对计数≥8.5×109/L为要素的辅助检查决策树模型；在iKD与IF的数据集中验证发现，该决策树模型的灵敏度为0.947，特异度为0.963，受试者工作特征曲线下面积0.959。结论基于cKD的辅助检查指标建立的决策树模型是iKD与IF有效鉴别方法之一，为iKD早期诊断提供了强有力的策略支持。

简介：摘要目的探讨睡眠质量、睡眠时间与MS的关系。方法本研究以2015年中国成人慢性病与营养监测天津地区监测人群为研究对象，采用多阶段整群随机抽样方法抽取天津市7个区42个监测点45~59岁中年人群1 388人为研究对象，对其进行睡眠质量、睡眠时间与MS关系的描述性流行病学分析，采用χ2检验、单因素logistic回归和决策树模型进行分析。结果研究对象中睡眠质量良好、一般、较差3组MS患病率分别为30.4%、37.4%和43.1%；睡眠时间充足（6.0~7.5 h）、睡眠时间不足和睡眠时间较长（<6.0 h、>7.5 h）的人群MS患病率分别为30.6%和36.5%。调整了年龄和性别的单因素logistic回归显示睡眠质量差、睡眠时间不足和睡眠时间较长都是MS的危险因素，差异均有统计学意义（P<0.05）。决策树模型筛选出性别（重要性为0.004，标准化重要性为100%）、睡眠质量（重要性为0.004，标准化重要性为99.5%）、睡眠时间（重要性为0.002，标准化重要性为38.6%）、文化程度（重要性为0.001，标准化重要性为22.3%）、盐摄入量（重要性为0.001，标准化重要性为22.2%）为MS的重要影响因素，并存在交互作用。结论睡眠质量和睡眠时间是天津市中年人群MS的重要影响因素，应关注中年人群的睡眠及健康状况，并加强对中年人的健康教育，提高其自我健康管理能力，预防控制MS及其他慢性疾病。

简介：摘要目的构建和评价基于生物标志物预测重症患者发生急性肾损伤（AKI）的决策树模型。方法前瞻性选择2017年1月至2018年6月入住南方医科大学附属小榄医院重症医学科的重症患者。记录患者临床资料，入重症监护病房（ICU）即刻测定生物标志物〔血清胱抑素C（sCys C）、尿N-乙酰-β-D-氨基葡萄糖苷酶（uNAG）〕，并记录终点指标。以2017年1月至12月收治的患者作为测试队列，采用决策树分类回归树（CART）算法，以生物标志物最佳截断值为决策节点，构建预测重症AKI的生物标志物决策树模型，采用整体精准度和受试者工作特征曲线（ROC）评估该决策树模型的预测价值。以2018年1月至6月收治的患者作为验证队列，进一步验证该决策树模型的整体精准度和预测能力。结果在测试队列研究中，共263例患者入选，其中57例（21.7%）发生重症AKI〔定义为改善全球肾脏病预后组织（KDIGO）AKI 2期及3期〕。与非重症AKI患者相比，重症AKI患者年龄更大〔岁：64（49，74）比52（41，66）〕，急性生理学与慢性健康状况评分Ⅱ（APACHEⅡ）更高〔分：23（19，28）比15（11，20）〕，罹患高血压、糖尿病等基础疾病及合并脓毒症的比例更高（64.9%比40.3%、28.1%比10.7%、63.2%比29.6%），sCys C和uNAG水平更高 〔sCys C（mg/L）：1.38（1.12，2.02）比0.79（0.67，0.98），uNAG（U/mmol肌酐）：5.91（2.43，10.68）比2.72（1.60，3.90）〕，住院病死率和90 d病死率更高（21.1%比4.4%，52.6%比13.1%），ICU住院时间更长〔d：6.0（4.0，9.5）比3.0（1.0，6.0）〕，肾脏替代治疗需求更多（22.8%比1.9%），差异均有统计学意义（均P<0.05）。ROC曲线分析显示，sCys C、uNAG预测重症AKI的ROC曲线下面积（AUC）分别为0.857〔95%可信区间（95%CI）为0.809～0.897〕和0.735（95%CI为0.678～0.788），最佳截断值分别为1.05 mg/L和5.39 U/mmol肌酐。以生物标志物最佳截断值构建的决策树模型结构直观，预测重症AKI的整体精准度为86.0%，AUC为0.905（95%CI为0.863～0.937），敏感性为0.912，特异性为0.796。在130例患者的验证队列中，该决策树模型预测重症AKI的整体精准度为81.0%，AUC为0.909（95%CI为0.846～0.952），敏感性为0.906，特异性为0.816。结论基于生物标志物预测重症患者AKI的决策树模型具有较高的准确性，直观明了，可执行性强，有助于临床医师进行判断和采取决策。

简介：