植入式心律转复除颤器手术前后患者确定感、焦虑与性格乐观状态的研究

【摘要】 目的 研究比较植入式心律转复除颤器（ICD）作为心源性猝死的一级预防（primary prevention，PP）和二级预防（secondary prevention，SP），在植入前、植入后1周以及植入后1个月对患者情绪的不同影响。方法 选择15例患者应用植入式心律转复除颤器作为心源性猝死的PP，15例患者应用植入式心律转复除颤器作为心源性猝死的SP，应用描述性横断面调查法，利用Mishel 疾病不确定感量表（Mishel’s Uncertainty in Illness Scale，MUIS C），特质状态焦虑量表（State Trait Anxiety Inventory，STAI） 和 生活目标量表（the Life Orientation Test，LOT R），通过晤谈行半结构访问。结果 在植入式心律转复除颤器植入前，两组患者的MUIS C分值都较高（PP = 67.67 ± 13.36；SP = 70.27 ± 6.80，P = 0.507）； LOT R分值为PP = 15.67 ± 3.8，SP = 16.47 ± 3.6，P = 0.557；STAI分值为PP = 37.40 ± 10.0，SP = 37.73 ± 13.6，P = 0.940。在植入式心律转复除颤器植入后1个月，PP患者的MUIS C分值明显低于SP患者（PP = 62.33 ± 4.17，SP = 67.87 ± 4.61，P = 0.002）。结论 利用植入式心律转复除颤器作为SP的患者护理时更应该引起护士的重视。

     

Matlab优化设计在饲料配方上的应用

介绍了优化设计的概念和过程.采用建立数学模型,编写程序文件,运行程序,分析结果的方法,举例阐述Matlab优化工具箱在优化设计饲料配方上的应用.     

用于混合介质的阻火器爆炸级别探讨

石化企业燃料气经常是含氢的气体混合物，目前对含氢气体混合物的爆炸级别以及用于含氢气体燃料气阻火器防爆等级存在不同的看法。根据国家和行业标准，认为对于含氢气体混合物燃料气，应当选择ⅡC级的防爆阻火器。     

一种新型材料的LB膜及非线性光学特性研究

研究了一种包含西佛氏碱和萘酰亚胺的新型材料的LB膜的制备 ,并采用π A等温曲线和紫外 可见吸收谱对其LB膜的制备特性进行了表征。单分子膜的崩溃压力在 30mN/m左右 ,对应的单分子的面积约为 1.8nm2 。π A等温线的固相区较为陡峭 ,在空气 水界面上 ,能形成了较好的单分子膜 ,并可以较好的转移到固体基板上 ,转移比可保持在 1± 0 .1的范围内。采用二次谐波产生的方法研究了LB单层膜的二阶非线性光特性。测量了二次谐波强度随基频光入射角的变化关系 ,其二次谐波信号的最大值在约 6 0°的入射角处。这种化合物具有较大的二阶非线性极化率。它的二阶非线性光特性起源于由苯乙烯形成的共轭π 电子体系     

入射角和杂质吸收对一维光子晶体反射镜的影响

利用复折射率的方法和膜系设计软件TFcalc分别研究了入射角和杂质吸收对一维光子晶体反射镜反射谱和透射谱的影响.结果表明:随着入射角的增大,一维光子晶体反射镜的禁带中心位置蓝移,禁带宽度减小.入射角小于60°时,带隙势阱深度几乎不变,大于60°后带隙势阱深度变化较大.当入射角无限接近90°时,P偏振光的带隙几乎消失,S偏振光的带隙几乎保留.杂质吸收对于一维光子晶体的反射谱和透射谱显著影响时的临界消光系数值分别是0.001和0.0003.高折射率介质层的杂质吸收对光谱的影响较小.     

药学干预在骨科Ⅰ类切口围手术期抗菌药物应用中的效果评价

目的:探讨药学干预抗菌药物使用在骨科Ⅰ类切口围术期的效果。方法:通过医院His系统分别抽取我院2017年4月份(干预前)和2018年4月份(干预后)骨科Ⅰ类切口病历63份、65份,对药学干预前后骨科Ⅰ类切口手术围术期预防用抗菌给药时机、药物品种、用法用量、用药疗程等情况进行对照分析,分析其药学干预前后预防性使用抗菌药物的合理性。结果:干预后,我院骨科Ⅰ类切口手术围术期防性应用抗菌药物选药、用法用量、疗程合理性由对照组的92.1%、90.5%、79.4%、77.8%分别上升为96.9%、96.9%、90.84%、87.6%,差异有统计学意义(P 0.05)。结论:我院采取的药学干预措施对提高骨科Ⅰ类切口手术围术期预防性应用抗菌药物的合理用药水平和管理水平有促进作用。     

基于图注意力网络和简单循环单元的化合物-蛋白质交互预测

现有基于深度学习的化合物-蛋白质交互预测方法未考虑数据的内部协变量偏移及序列数据的长距离依赖.针对此问题,文中提出基于图注意力网络和简单循环单元的化合物-蛋白质交互预测方法.利用图注意力网络-门控循环单元学习化合物分子的图级表示,利用多层简单循环单元学习氨基酸子序列的特征向量表示,结合多层前馈网络预测化合物-蛋白质的交互作用.实验表明,文中方法在2个公开数据集上的各项评估指标都有所提升,由此验证方法的有效性.