简介:摘要目的评价脉压变异度变化值(ΔPPV)和每搏量变异度变化值(ΔSVV)预测压力控制容量保证通气(PCV-VG)模式下患者容量反应性的准确性。方法择期全身麻醉下行胃肠肿瘤手术患者60例,性别不限,年龄18~64岁,BMI 18.5~23.9 kg/m2,ASA分级Ⅰ或Ⅱ级,麻醉诱导后手术开始前,采用PCV-VG模式进行机械通气,监测VT 6 ml/kg时脉压变异度(PPV6)和每搏量变异度(SVV6)。然后进行VT负荷试验(TVC),即将VT由6 ml/kg增加至8 ml/kg,维持1 min后监测VT 8 ml/kg时PPV8和SVV8。计算TVC前后PPV和SVV变化值(ΔPPV和ΔSVV)。完成TVC后将VT调回6 ml/kg进行补液试验,以补液后CI增加幅度≥15%为容量反应阳性标准,绘制各指标预测患者容量反应性的受试者工作特征(ROC)曲线。结果PPV6、SVV6、PPV8、SVV8、ΔPPV和ΔSVV预测患者容量反应性的ROC曲线下面积(95%置信区间)分别为0.57(0.43~0.72)、0.62(0.47~0.76)、0.83(0.73~0.87)、0.76(0.64~0.88)、0.95(0.90~1.00)和0.91(0.86~0.99);PPV8、SVV8、ΔPPV和ΔSVV的诊断临界值分别为10.5%、13.5%、4.5%和5.5%;灵敏度分别为75%、78%、88%和85%;特异度分别为88%、87%、95%和98%。结论PCV-VG模式下,ΔPPV和ΔSVV均可准确预测患者容量反应性。
简介:目的:通过对志愿者观看3D影片之后的脑电信号进行主成分分析,选取最能代表立体视觉疲劳度的主成分,运用BP神经网络对疲劳等级进行建模,提高对疲劳度等级的预测准确度。方法:采集15名志愿者观看五部不同3D影片前后的脑电信号,先对脑电信号进行疲劳度分级并选取特征通道;再对特征通道的脑电信号进行主成分分析选取影响最大的特征主成分,利用BP神经网络进行建模,根据建立的模型对立体视觉引起的疲劳等级进行预测,将预测结果与已知的疲劳等级进行对比。结果:根据文献中的疲劳等级将实验结果分成三个等级;据累计贡献率超过90%选取的前四个主成分建立的预测模型,准确度达95.4%。结论:运用主成分分析和BP神经网络的方法对立体视觉疲劳度进行预测,预测准确度较高,与直接根据脑电特征参数建立模型的方式相比简便和准确,这一方法对立体视觉引起的疲劳度分级及预测提供了新的思路。
简介:摘要目的探讨6 h内不同血糖变异指标对脓毒性休克患者短期预后的预测价值。方法采用回顾性研究方法,收集2014年12月至2019年12月入住南京医科大学附属南京医院重症监护病房(ICU)的133例脓毒性休克患者的临床资料。以患者入住ICU治疗期间是否死亡为观察节点,死亡患者纳入死亡组,否则纳入存活组。收集患者一般资料,包括性别、年龄、基础疾病、感染部位、机械通气时间、ICU住院时间、是否使用连续性肾脏替代治疗(CRRT);记录患者入ICU时初始血糖(GLUadm)、平均动脉压(MAP)、血肌酐(SCr)、降钙素原(PCT)及24 h内急性生理学与慢性健康状况评分Ⅱ(APACHEⅡ);同时收集患者接受6 h集束化治疗期间每2 h监测1次的血糖水平,并计算6 h内血糖差值(GLUdif)、平均血糖(GLUave)、血糖标准差(GLUsd)及血糖变异系数(GLUcv)。采用多因素Logistic回归法分析影响脓毒性休克患者短期预后的因素;绘制受试者工作特征曲线(ROC曲线),评估血糖变异指标对脓毒性休克患者短期预后的预测效能。结果133例患者ICU住院期间存活87例,死亡46例。与存活组相比,死亡组患者入ICU时SCr及24 h内APACHEⅡ评分更高〔SCr (μmol/L):208.5(143.0,286.5)比172.0(91.0,234.0),APACHEⅡ评分(分):30.28±6.67比24.03±5.90,均P<0.05〕,ICU住院时间更短〔d:4.00(2.00,10.25)比9.00(4.00,13.00),P<0.01〕;而两组患者性别、年龄、基础疾病、感染部位、机械通气时间、CRRT比例及入ICU时MAP、PCT等基线资料比较差异均无统计学意义。与存活组相比,死亡组患者6 h内GLUsd及GLUcv均明显升高〔GLUsd(mmol/L):2.33(1.95,3.14)比2.02(1.66,2.52),GLUcv:(31.00±7.06)%比(23.31±10.51)%,均P<0.05〕;而两组患者6 h内GLUadm、GLUdif及GLUave比较差异均无统计学意义。多因素Logistic回归分析显示,24 h内APACHEⅡ评分及6 h内GLUsd、GLUcv是影响脓毒性休克患者短期预后的独立危险因素〔APACHEⅡ评分:优势比(OR)=1.173,95%可信区间(95%CI)为1.095~1.256,P=0.000;GLUsd:OR=1.465,95%CI为1.038~2.067,P=0.030;GLUcv:OR=1.089,95%CI为1.043~1.138,P=0.000〕。ROC曲线分析显示,6 h内GLUsd及GLUcv均可用于脓毒性休克患者短期预后的评估,其中6 h内GLUcv的ROC曲线下面积(AUC)大于APACHEⅡ评分(0.765比0.753),6 h内GLUsd的AUC接近于APACHEⅡ评分(0.629比0.753);且6 h内GLUsd联合6 h内GLUcv的诊断价值较二者单独诊断价值更大(AUC:0.809比0.629、0.765),敏感度为97.8%,特异度为66.7%。结论6 h内GLUsd联合GLUcv可以用于预测脓毒性休克患者的短期预后。
简介:非线性生态数学离散模型的持续生存性和全局稳定性等动力学的研究中,大多学者采用建立LiaPunov函数或者对特定模型进行直接分析以及数值模拟等方式,仅能较为普遍地刻画生态系统的一般性,选用差分方程更能准确地描述种群性态,因此将差分多项式系统的吴方法应用于两种群离散Lotka-Volterra模型的精确求解,并对所得解结构进行分析,为生态学研究提供可靠依据,即分析随着时间的推移种群是持续生存还是走向灭绝.