目的研究中医体质类型对老年宫颈癌患者腹腔镜子宫切除术全麻复合硬膜外阻滞应激反应的影响。方法选取2021年1月—2022年12月收治的老年宫颈癌患者420例,均在全麻复合硬膜外阻滞下顺利完成腹腔镜子宫切除术,中医体质类型平和体质140例...目的研究中医体质类型对老年宫颈癌患者腹腔镜子宫切除术全麻复合硬膜外阻滞应激反应的影响。方法选取2021年1月—2022年12月收治的老年宫颈癌患者420例,均在全麻复合硬膜外阻滞下顺利完成腹腔镜子宫切除术,中医体质类型平和体质140例、阴虚体质140例、阳虚体质140例,比较不同体质类型的患者的麻醉情况以及麻醉前5 min、麻醉后30 min、术后6 h生命体征、应激反应情况,麻醉情况包括瑞芬太尼用量、丙泊酚用量、麻醉诱导时间、苏醒时间,生命体征指标体温、心率、呼吸频率,应激反应指标去甲肾上腺素、肾上腺素以及皮质醇水平。结果3组患者的瑞芬太尼用量、丙泊酚用量、麻醉诱导时间比较差异均无统计学意义(P>0.05),平和体质患者苏醒时间更短(P<0.05)。麻醉前5 min 3组患者体温、呼吸频率、心率差异无统计学意义(P>0.05),麻醉后30 min 3组患者体温、呼吸频率、心率值均有所降低,术后6 h基本恢复正常,3组间差异均无统计学意义(P>0.05)。3组麻醉前5 min去甲肾上腺素、肾上腺素以及皮质醇水平差异均无统计学意义(P>0.05),麻醉后30 min 3组以上指标均明显升高,术后6 h明显降低,平和体质患者在麻醉后30 min、术后6 h时去甲肾上腺素、肾上腺素以及皮质醇水平显著优于阴虚体质、阳虚体质患者(P<0.05)。结论平和体质的老年宫颈癌患者能够更好地调控腹腔镜子宫切除术全麻复合硬膜外阻滞应激反应,利于患者的术后康复。展开更多
现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该...现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该方法在嵌入层融合字粒度、词粒度表示向量以扩充特征内容;其次,在改进双向门控循环单元网络基础上,结合降噪自编码器和注意力机制设计一种特征提取混合模型Bi-GRU-DAE-Attention,实现特征降噪和语义增强;最后,将鲁棒性强的特征向量输入到分类器中实现用户画像生成。实验表明,该用户画像生成方法在医疗和互联网两个画像数据集上的分类准确率高于其他基线方法,并通过消融实验验证了各个模块的有效性。展开更多
文摘目的研究中医体质类型对老年宫颈癌患者腹腔镜子宫切除术全麻复合硬膜外阻滞应激反应的影响。方法选取2021年1月—2022年12月收治的老年宫颈癌患者420例,均在全麻复合硬膜外阻滞下顺利完成腹腔镜子宫切除术,中医体质类型平和体质140例、阴虚体质140例、阳虚体质140例,比较不同体质类型的患者的麻醉情况以及麻醉前5 min、麻醉后30 min、术后6 h生命体征、应激反应情况,麻醉情况包括瑞芬太尼用量、丙泊酚用量、麻醉诱导时间、苏醒时间,生命体征指标体温、心率、呼吸频率,应激反应指标去甲肾上腺素、肾上腺素以及皮质醇水平。结果3组患者的瑞芬太尼用量、丙泊酚用量、麻醉诱导时间比较差异均无统计学意义(P>0.05),平和体质患者苏醒时间更短(P<0.05)。麻醉前5 min 3组患者体温、呼吸频率、心率差异无统计学意义(P>0.05),麻醉后30 min 3组患者体温、呼吸频率、心率值均有所降低,术后6 h基本恢复正常,3组间差异均无统计学意义(P>0.05)。3组麻醉前5 min去甲肾上腺素、肾上腺素以及皮质醇水平差异均无统计学意义(P>0.05),麻醉后30 min 3组以上指标均明显升高,术后6 h明显降低,平和体质患者在麻醉后30 min、术后6 h时去甲肾上腺素、肾上腺素以及皮质醇水平显著优于阴虚体质、阳虚体质患者(P<0.05)。结论平和体质的老年宫颈癌患者能够更好地调控腹腔镜子宫切除术全麻复合硬膜外阻滞应激反应,利于患者的术后康复。
文摘现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该方法在嵌入层融合字粒度、词粒度表示向量以扩充特征内容;其次,在改进双向门控循环单元网络基础上,结合降噪自编码器和注意力机制设计一种特征提取混合模型Bi-GRU-DAE-Attention,实现特征降噪和语义增强;最后,将鲁棒性强的特征向量输入到分类器中实现用户画像生成。实验表明,该用户画像生成方法在医疗和互联网两个画像数据集上的分类准确率高于其他基线方法,并通过消融实验验证了各个模块的有效性。
