除颤时间与心脏性猝死除颤复苏成功率的相关性分析

目的:研究除颤时间与心脏性猝死患者除颤复苏成功率的相关性。方法:选取2015年2月至2017年6月于我院接受除颤复苏治疗的心脏性猝死患者120例为研究对象。分析除颤时间与除颤复苏成功以及心功能舒张早期充盈峰速度(E峰)、左室射血分数(LVEF)、左心室舒张末期内径(LVEDD)以及E/舒张晚期充盈峰速度(A)水平的相关性。结果:电除颤时间2 min患者的复苏成功率为60.00%(21/35),显著高于电除颤时间2~5 min、5~10 min以及10 min患者的34.21%(13/38)、11.11%(3/27)、0.00%(0/20),而电除颤时间2~5 min患者的复苏成功率又显著高于电除颤时间5~10 min患者,差异均有统计学意义(均P0.05)。电除颤时间2 min、2~5 min、5~10 min以及10 min患者的E峰、LVEF、LVEDD以及E/A水平呈逐渐下降趋势,差异均有统计学意义(均P0.05)。Pearson相关性分析结果显示心脏性猝死患者除颤时间与除颤复苏成功率、E峰、LVEF、LVEDD以及E/A均呈负相关关系(r=-0.593,P=0.000;r=-0.476,P=0.001;r=-0.523,P=0.000;r=-0.502,P=0.000;r=-0.469,P=0.001)。结论:除颤时间与心脏性猝死患者除颤复苏成功率呈负相关关系,即除颤时间越早,患者复苏成功率越高。     

基于精神影像和人工智能的抑郁症客观生物学标志物研究进展

抑郁症是当今社会上造成首要危害且病因和病理机制最为复杂的精神疾病之一,寻找抑郁症的客观生物学标志物一直是精神医学研究和临床实践的重点和难点,而结合人工智能技术的磁共振影像(magnetic resonance imaging,MRI)技术被认为是目前抑郁症等精神疾病中最有可能率先取得突破进展的客观生物学标志物.然而,当前基于精神影像学的潜在抑郁症客观生物学标志物还未得到一致结论 .本文从精神影像学和以机器学习(machine learning,ML)与深度学习(deep learning, DL)等为代表的人工智能技术相结合的角度,首次从疾病诊断、预防和治疗等三大临床实践环节对抑郁症辅助诊疗的相关研究进行归纳分析,我们发现:a.具有诊断价值的脑区主要集中在楔前叶、扣带回、顶下缘角回、脑岛、丘脑以及海马等;b.具有预防价值的脑区主要集中在楔前叶、中央后回、背外侧前额叶、眶额叶、颞中回等;c.具有预测治疗反应价值的脑区主要集中在楔前叶、扣带回、顶下缘角回、额中回、枕中回、枕下回、舌回等.未来的研究可以通过多中心协作和数据变换提高样本量,同时将多元化的非影像学数据应用于数据挖掘,这将有利于提高人工智能模型的辅助分类能力,为探寻抑郁症的精神影像学客观生物学标志物及其临床应用提供科学证据和参考依据.