简介:摘要目的分析内镜下逆行性胆胰管造影术(ERCP)后3 h血清淀粉酶和脂肪酶水平对ERCP术后胰腺炎(PEP)的预测价值。方法回顾性分析武汉大学人民医院2017年6月至2018年12月行ERCP患者的临床资料,包括性别、年龄、手术操作、合并疾病、术后3 h和24 h的血清淀粉酶和脂肪酶水平等,分析PEP发生的危险因素。用受试者工作特征(ROC)曲线确定术后3 h血清淀粉酶和脂肪酶对PEP预测的临界值。结果共纳入491例患者,其中29例发生PEP。PEP组与非PEP组患者比较,女性[75.9%(22/29)比49.1%(227/462)]、胰管造影[65.5%(19/29)比32.0%(148/462)]、胰管插管[27.6%(8/29)比11.7%(54/462)]、合并冠心病[17.2%(5/29)比4.5%(21/462)]患者所占比例较高,差异均有统计学意义(χ2=7.79、13.63、6.25、6.42,均P<0.05),logistic回归分析显示胰管插管是PEP的独立危险因素(OR=3.574,95%CI:1.315~9.713,P<0.05)。术后3 h血清淀粉酶和脂肪酶预测PEP的ROC曲线下面积分别为0.897(95%CI:0.842~0.951,P<0.01)和0.915(95%CI:0.881~0.948,P<0.01),二者差异无统计学意义(Z=0.550,P>0.05)。淀粉酶水平临界值为1.0倍正常上限时,预测PEP的敏感度为93.1%;临界值为3.0倍正常上限时,预测PEP的特异度为93.3%。脂肪酶水平临界值为2.5倍正常上限时,预测PEP的敏感度为93.1%;临界值为6.0倍正常上限时,预测PEP的特异度为91.3%。结论ERCP后3 h血清淀粉酶和脂肪酶均是预测PEP的理想指标,且具有相似的临床价值。
简介:摘要目的构建基于深度学习的人工智能内镜超声(endoscopic ultrasonography,EUS)胆管扫查辅助分站系统,以期辅助医师学习多站成像技术,提高操作水平。方法回顾性收集武汉大学人民医院和武汉协和医院2016年5月—2020年10月522例EUS视频资料,基于视频截取图像,获得来自武汉大学人民医院的3 000张白光胃镜、31 003张超声胃镜图像和来自武汉协和医院的799张超声胃镜图像,用于EUS胆管扫查系统的模型训练和模型测试。模型包括:白光胃镜图像过滤模型,标准站图像与非标准站图像区分模型和EUS胆管扫查标准图像分站模型,用以将标准图像分为肝窗、胃窗、球窗、降窗。然后从测试集中随机抽取110张图像进行人机大赛,比较专家、高级内镜医师与人工智能模型对胆管扫查多站成像每个站点识别的准确度。结果白光胃镜图像过滤模型准确率为100.00%(1 200/1 200),标准站图像与非标准站图像区分模型准确率为93.36%(2 938/3 147),EUS胆管扫查标准图像分站模型在内部测试集中各分类的准确率分别为肝窗97.23%(1 687/1 735),胃窗96.89%(1 681/1 735),球窗98.73%(1 713/1 735),降窗97.18%(1 686/1 735);外部测试集中准确率分别为肝窗89.61%(716/799),胃窗92.74%(741/799),球窗90.11%(720/799),降窗92.24%(737/799)。人机大赛中,模型分站的正确率为89.09%(98/110),高于内镜医师[85.45%(94/110),74.55%(82/110),85.45%(94/110)],接近专家水平[92.73%(102/110),90.00%(99/110)]。结论本研究构建了一种基于深度学习的EUS胆管扫查系统,可以较为准确地实时辅助内镜医师进行标准多站扫查,提高EUS完整性及操作质量。
简介:摘要:近年来社会用电需求的不断增大,电力工程建设数量也逐渐增多。随着电力建设市场经济格局的变化,电力企业呈现不断增加的趋势,国有电力企业在市场竞争中的优势不再明显,国家也不会持续出台特殊的优化政策,电力企业保证自身发展状态,打破市场竞争局限已经成为工作重点。因此,对于电力企业来说,保证自身市场竞争力是生产经营中的关键,而成本管控则是生产经营中非常重要的因素。然而,不同电力企业自身的实际情况有所差异,在成本管控及管理工作中的重点各不相同。因此,企业在展开科学合理的成本管控工作时,可从自身实际情况进行分析,综合事前、事中、事后成本管控的原则,制定与自身实际情况相吻合的成本管控策略,为以后成本管控工作的优化升级提供经验。