期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
血液嗜碱性粒细胞CD16和CD32在慢性气道炎症性疾病中的表达及其临床意义 被引量:5
1
作者 吴久纯 耿诗洋 +3 位作者 谷芳秋 何韶衡 张慧云 刘敬禹 《解放军医学杂志》 CAS CSCD 北大核心 2021年第12期1213-1219,共7页
目的探讨血液嗜碱性粒细胞CD16和CD32在哮喘-慢性阻塞性肺疾病重叠(ACO)、慢性阻塞性肺疾病(COPD)中的表达及其临床意义。方法选取2019年12月-2020年12月就诊于锦州医科大学附属第三医院的COPD、ACO患者及招募的健康志愿者作为研究对象... 目的探讨血液嗜碱性粒细胞CD16和CD32在哮喘-慢性阻塞性肺疾病重叠(ACO)、慢性阻塞性肺疾病(COPD)中的表达及其临床意义。方法选取2019年12月-2020年12月就诊于锦州医科大学附属第三医院的COPD、ACO患者及招募的健康志愿者作为研究对象,分别设为COPD组、ACO组及健康对照组。收集研究对象的性别、年龄、病史、发病年龄、体重指数(BMI)及吸烟史等一般资料并采集外周静脉血,采用流式细胞仪检测嗜碱性粒细胞富集群中CD16和CD32的表达情况,ELISA法检测血浆中肿瘤坏死因子-α(TNF-α)的表达水平。结果与健康对照组相比,ACO组、COPD组外周血单个核细胞群中CD16^(+)CCR3^(+)细胞、CD16^(+)CD123^(+)HLA-DR^(-)细胞、CD16^(+)CCR3^(+)CD123^(+)HLA-DR^(-)细胞比例增高(P<0.05),COPD组单个核细胞群中CD32^(+)CD123^(+)HLA-DR^(-)细胞、CD32^(+)CCR3^(+)CD123^(+)HLA-DR^(-)细胞比例增高(P=0.003,P=0.030),ACO组粒细胞群中CD32^(+)CD123^(+)HLA-DR^(-)细胞、CD32^(+)CCR3^(+)CD123^(+)HLA-DR^(-)细胞比例降低(P=0.019,P=0.031)。ACO组粒细胞群中CCR3^(+)细胞和CCR3^(+)CD123^(+)HLA-DR^(-)细胞的CD32平均荧光强度(MFI)较健康对照组降低(P=0.006,P=0.047)。ACO组血浆TNF-α表达水平较健康对照组升高,差异有统计学意义(P=0.036)。结论嗜碱性粒细胞源CD16和CD32可能在ACO、COPD发病过程中发挥重要作用,TNF-α可能参与了ACO的发病,为后续ACO和COPD的临床治疗提供了新的靶点。 展开更多
关键词 哮喘-慢性阻塞性肺疾病重叠 慢性阻塞性肺疾病 嗜碱性粒细胞 CD16 CD32 肿瘤坏死因子-Α
在线阅读 下载PDF
基于人工智能随访预测肺结节增长的影响因素研究 被引量:5
2
作者 吴久纯 李甜 +3 位作者 李晓东 卓越 张玉娇 刘敬禹 《中国全科医学》 CAS 北大核心 2022年第17期2115-2120,共6页
背景肺癌的发病率和死亡率均居世界首位,5年生存率不到20%,对于早期肺癌的筛查有多种方式,其中人工智能(AI)极大提高了早期肺癌的检出率,但目前仍存在对不典型肺结节如何有效管理以尽早发现早期肺癌的问题,探究肺结节增长的影响因素对... 背景肺癌的发病率和死亡率均居世界首位,5年生存率不到20%,对于早期肺癌的筛查有多种方式,其中人工智能(AI)极大提高了早期肺癌的检出率,但目前仍存在对不典型肺结节如何有效管理以尽早发现早期肺癌的问题,探究肺结节增长的影响因素对指导临床管理具有重要意义。目的探讨AI随访肺结节增长的影响因素及临床应用价值。方法回顾性选取2019年4月就诊于锦州医科大学附属第三医院的175例肺结节患者作为研究对象,根据AI分类分为实性结节组82例和磨玻璃结节(GGN)组93例。收集研究对象的一般资料,并利用AI计算收集肺结节相关影像学信息,定期随访以观察不同肺结节的增长情况,应用多因素Cox比例风险回归分析探讨肺结节增长的影响因素。结果实性结节组的实性占比、平均CT值高于GGN组(P<0.001)。多因素Cox比例风险回归分析结果显示,结节平均直径〔HR=2.185,95%CI(1.079,4.425),P=0.030〕、结节体积〔HR=1.001,95%CI(1.000,1.001),P=0.022〕、恶性概率〔HR=2.232,95%CI(1.036,4.806),P=0.040〕及表面征象〔HR=2.125,95%CI(1.006,4.489),P=0.048〕是实性结节增长的影响因素;平均直径〔HR=2.458,95%CI(1.053,5.739),P=0.038〕、体积〔HR=1.001,95%CI(1.000,1.002),P=0.010〕、实性占比〔HR=1.022,95%CI(1.002,1.041),P=0.030〕、恶性概率〔HR=2.386,95%CI(1.174,4.850),P=0.016〕及表面征象〔HR=3.026,95%CI(1.492,6.136),P=0.002〕、平均CT值〔HR=1.002,95%CI(1.000,1.003),P=0.045〕是GGN增长的影响因素。结论肺结节增长受原始结节大小、平均CT值、有无表面征象及恶性概率等多种因素影响,建议临床医师结合AI计算的肺结节增长影响因素确定有效随访时间,以尽早发现肺结节增长并及时采取治疗措施。 展开更多
关键词 肺结节 人工智能 肺肿瘤 磨玻璃结节 随访 危险因素
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部