工作要求-自主-社会支持（job demand-control-support model,DC）模式[1]和付出-回报失衡（Effort-Reward-Imbalance Model ERI）模式[2]在职业紧张评估中广泛应用,其中高要求、低自主和高付出、低回报分别提示职业紧张度高和付出回报...工作要求-自主-社会支持（job demand-control-support model,DC）模式[1]和付出-回报失衡（Effort-Reward-Imbalance Model ERI）模式[2]在职业紧张评估中广泛应用,其中高要求、低自主和高付出、低回报分别提示职业紧张度高和付出回报失衡。研究显示护士职业紧张、付出回报失衡对护士的身心健康存在影响[3],而目前缺乏关于三级医院护士的相关研究,展开更多
文摘工作要求-自主-社会支持（job demand-control-support model,DC）模式[1]和付出-回报失衡（Effort-Reward-Imbalance Model ERI）模式[2]在职业紧张评估中广泛应用,其中高要求、低自主和高付出、低回报分别提示职业紧张度高和付出回报失衡。研究显示护士职业紧张、付出回报失衡对护士的身心健康存在影响[3],而目前缺乏关于三级医院护士的相关研究,
文摘目的将颅内动脉责任斑块在3D-高分辨率血管壁成像(three-dimensional high-resolution vessel wall imaging,3D-HRVWI)的影像组学特征与斑块内出血(intraplaque hemorrhage,IPH)联合,构建颅内动脉粥样硬化性卒中患者复发的预测模型,从而帮助临床对高风险人群采取针对性的干预措施以降低未来卒中复发的风险。材料与方法回顾性分析2021年11月至2023年8月接受HRVWI检查的脑卒中患者病例296例,在296例患者的平扫序列T1WI和增强序列CE-T1WI图像中测量责任斑块的影像学特征,并勾画斑块、提取影像组学特征,通过特征相关性分析和基于L1正则化的特征筛选(linear models penalized with the L1norm,L1 Based)筛选组学特征,所有数据按7∶3比例随机分为训练组和测试组。在训练组中,将筛选出的责任斑块的放射组学特征用于构建用于预测卒中复发的影像组学模型,将斑块组学特征与IPH构建联合模型,并在测试组中评估其性能。使用受试者工作曲线(receiver operating curve,ROC)和曲线下面积(area under the curve,AUC)评估各模型的预测效能,采用DeLong检验比较AUC之间的差异,最后建立列线图可视化模型。结果参与者平均年龄为66岁,包括207例男性参与者(69.9%)和89例女性参与者(30.1%),其中卒中复发患者58例(19.6%)。单因素和多因素分析显示,临床特征和责任斑块的放射学特征中只有IPH[优势比(odds ratio,OR)=8.577,95%CI:4.374~16.818]是卒中复发的独立危险因素。在CE-T1WI序列和T1WI序列中分别提取了2153个责任斑块的放射组学特征,经过特征筛选后,CE-T1WI数据中保留了4个放射组学特征,T1WI数据中保留了6个放射组学特征。在训练组中,IPH的AUC为0.757(0.693~0.814),斑块组学特征的AUC为0.770(0.707~0.826),联合模型的AUC为0.866(0.811~0.909)。在测试组中,IPH的AUC为0.750(0.647~0.836),斑块组学特征的AUC为0.819(0.723~0.892),联合模型的AUC为0.880(0.794~0.939)。DeLong检验结果显示,在训练组和测试组中,联合模型的表现优于IPH模型(P<0.05)。结论颅内动脉责任斑块的3D-HRVWI影像组学特征联合IPH在预测颅内动脉粥样硬化性卒中患者复发中具有良好效能,优于独立的IPH模型。
文摘目的研究急性缺血性脑卒中(acute ischemic stroke,AIS)患者的血清中糖蛋白非转移性黑色素瘤蛋白B(glycoprotein non-metastatic melanoma protein B,GPNMB)浓度和神经功能损伤程度以及预后的关系,筛选潜在生物标志物,为临床诊治提供参考。方法选择2023年6月至2024年3月在南通大学第二附属医院神经内科住院治疗的105例AIS患者作为样本群。入组患者按照入院24 h美国国立卫生研究院脑卒中量表(National Institutes of Health Strobe Scale,NIHSS)评分划分为轻度组(n=42)和中重度组(n=63),以改良Rankin量表(Modified Rankin Scale,mRS)评价出院后3个月功能恢复情况,将样本细分为预后良好组(n=34)和预后不良组(n=71),采用ELISA法检测血清GPNMB蛋白浓度,分析血清GPNMB蛋白浓度与NIHSS、mRS评分的相关性,并用二元Logistic回归模型评估血清GPNMB蛋白浓度对AIS神经功能损害的预测价值和预后评估价值。结果中重度神经功能损伤及预后不良患者血清GPNMB蛋白浓度明显低于轻度及预后良好组(P<0.05),血清GPNMB蛋白浓度与NIHSS评分呈显著负相关(r=-0.196,P<0.05),与mRS评分也呈显著负相关趋势(r=-0.334,P<0.05)。多变量回归分析显示,GPNMB依然是AIS的关键独立危险因素(P<0.05),根据受试者工作特征曲线得出的评估结果表明,血清GPNMB蛋白浓度在预测神经功能损伤以及不良预后方面的有诊断价值(灵敏度达到55.6%,特异度为81.8%,准确率是63.81%,P<0.05)。结论血清GPNMB蛋白浓度降低同AIS患者神经功能损害的程度存在明显的正相关联系,很有可能会成为衡量病情严重程度和长期转归情况的重要生物指标。
