子宫内膜异位症诊疗现状横断面调查
这是一篇关于子宫内膜异位症,证候分布,诊疗现状,中医的论文, 主要内容为研究目的:1、调查全国范围内EMs临床证候分布、中医药诊疗技术现状和特点,为中医妇科领域行业标准、国家标准的制订提供数据支持。2、分析患者对EMs的认知度与治疗意愿,为后续科普工作提供思路,以期为EMs患者慢病管理策略提供参考。研究方法:1.运用文献研究法、小组讨论法、专家访谈法设计调查问卷。采用文献研究法、小组讨论法、专家访谈法设计调查问卷,具体内容包括:患者一般情况、月经婚育史、既往史、家族史、个人生活习惯、刻下症、诊断情况、既往诊疗情况、查体及辅助检查、本次诊治情况、疾病认知情况及治疗意愿等信息。2.采用横断面调查子宫内膜异位症患者的诊疗现状。本研究采取横断面调查的研究方法,于2020年10月～2021年12月期间,于全国多个省/直辖市/自治区的47家医院(省级、市级、县级医院)妇科,筛选符合纳入标准的EMs患者,由接受培训的临床医生通过中医妇科临床流调数据中心平台填写电子问卷。研究结果:本研究共回收2377份问卷,经审核后纳入合格问卷1895份。1.一般情况1895例患者中,41.48%患者年龄介于28岁至34岁之间,66.27%为本科及以上学历,30.82%月收入1万及以上,90.08%从事轻体力劳动,39.53%有宫腔操作史,32.24%有盆腔手术史,37.04%存在熬夜的不良作息。月经异常中以经期延长、经量增多、月经后错为主。1181例(62.32%)痛经,其中471例(39.88%)需服止痛药。31 1例次(14.73%)存在早期不良妊娠史,627例患者存在不孕情况,其中180例(28.71%)接受过辅助生殖技术(IUI或IVF-ET)。1377例(72.66%)合并子宫肌瘤,455例(24.01%)合并子宫腺肌病,448例(23.64%)合并乳腺疾病,296例(15.62%)合并子宫内膜息肉。291例(15.36%)合并甲状腺疾病。130例(6.86%)有明确的EMs家族史。子宫肌瘤、子宫腺肌病等雌激素依赖性疾病家族史占比较高,在一级亲属中达13.61%、4.78%。2.诊断情况1895例患者平均诊断年龄为31.00(27.00～36.00)岁,平均病程长达12.00(2.00～41.00)月。73.93%为临床诊断,诊断时的主要症状为痛经、不孕。235例无明显临床症状,主要依靠辅助检查诊断。疾病类型主要为卵巢型EMs占比最多,达75.67%。3.既往治疗情况1895例患者中,801例(42.27%)曾行手术治疗,629例(33.19%)曾行药物保守治疗,465(24.54%)未曾治疗。手术治疗患者中,主要进行保守性手术。包块过大为主要手术原因。手术患者中,554例(69.16%)术前未接受治疗,317例(39.58%)术后接受单纯西药治疗。325例(40.57%)术后复发。复发后,173例(53.23%)选择单纯中医治疗。中医治疗方式均以复方汤剂为主。中成药以散结镇痛胶囊和桂枝茯苓丸(胶囊)为主,中医适宜技术以中药外敷、针刺应用较多。4.辅助检查情况妇科B超应答率最高,1628例(85.91%)近3月曾做B超,1211例报告了巧克力囊肿大小,平均直径为3.90(2.60～5.40)cm。961例(50.71%)近3月曾行CA125检查,其平均值为 37.18(27.19～65.71)U/ml,613 例(32.35%)近 3 月曾行 CA199 检查,其平均值为20.31(10.70～38.37)U/ml。将本研究所采集AMH水平与文献[9]进行配对样本T检验,发现30-34岁及35-39岁区间EMs患者的AMH水平低于健康女性,差异具有统计学意义(T=-1.98,P=0.048;T=-3.09,P=0.002)。5.本次治疗情况1895例患者中,1215例(64.12%)采用单纯中医治疗。1592例(84.01%)选择药物保守治疗,303例(15.99%)选择手术治疗,术式多为卵巢巧克力囊肿剥除术。诊疗目标为缓解疼痛783例,其中576例(73.56%)采用单纯中医治疗。诊疗目标为辅助怀孕545例,其中301例(55.23%)采用单纯中医治疗。另外,76例建议采用IVF-ET辅助怀孕。辅助生殖原因以不孕病程长、年龄因素、输卵管因素为多。诊疗目标为控制包块875例,其中564例(64.46%)采用单纯中医治疗。诊疗目标为抑制复发340例,其中237例(69.71%)采用单纯中医治疗。中医证候以气滞血瘀证占比最高,达841例(44.38%),其次为气虚血瘀证、寒凝血瘀证、肾虚血瘀证,分别达323例(17.04%)、264例(13.93%)、245例(12.93%)。治疗以单纯中医治疗比例高,治疗手段以传统中药汤剂为主,用药以活血化瘀消癥、疏肝健脾为主,痛经者辅以温经止痛之品,有生育需求者辅以健脾补肾之品。332例(17.52%)使用中成药,以散结镇痛胶囊、桂枝茯苓丸(胶囊)为多。209例(11.03%)使用中医适宜技术,以中药外敷、针灸、中药保留灌肠为多。6.认知情况患者对本病认知度较高,单个问题正确率在44.1 7%～88.60%之间。对慢病管理认知度最高,对遗传倾向、恶变倾向、生育危害认知度较低,认知渠道主要是与妇科医生面对面交流及微信公众号、APP等新媒体。7.治疗意愿1895例患者,对于诊疗机构的选择,超半数患者倾向选择综合性三甲医院(1503例)、中医院(1176例)、妇幼保健院(976例)。就治疗方法而言,1759例患者选择中医治疗,其中1635例倾向选择中药汤剂、1219例倾向选择中成药。结论:1.子宫内膜异位症人群特征EMs发病偏于高学历、高收入、轻体力劳动人群,与宫腔操作史、盆腔手术史、熬夜可能存在一定相关性。其伴随的痛经、不孕、早期不良妊娠等临床症状严重影响患者生活质量及生殖健康。同时EMs与雌激素依赖性疾病、甲状腺疾病、乳腺疾病易于共病,与雌激素依赖性疾病可能存在一定家族聚集性。纳入患者中大多数EMs患者CA125仅轻度升高,CA199正常或轻度升高。30-39岁EMs患者AMH水平低于健康女性,提示EMs可能使卵巢储备功能下降。2.子宫内膜异位症诊断情况EMs诊断年龄集中于育龄期,诊断方式以临床诊断为主,诊断时临床症状主要为痛经、不孕,疾病类型主要为卵巢型EMs。一部分患者无明显临床症状,通过辅助检查发现本病,提示常规查体的重要性。3.子宫内膜异位症治疗情况相当一部分患者在临床诊断EMs后未用药物干预,包块增大后行保守手术,术后复发率高。复发后大多选择药物保守治疗,且中医治疗应用比例较高。中医疗法在EMs治疗中应用广泛,不同治疗时机、不同诊疗目标分层下治疗手段均以传统中药汤剂为主,辨证分型以气滞血瘀为主,因临床表现不同而略有差异。以痛经为主要临床表现的患者,寒凝血瘀型比例略升高。有生育需求者,肾虚血瘀型比例略升高。以盆腔包块为主要临床表现及术后抑制复发者,气虚血瘀型比例较高。用药以活血化瘀消癥、疏肝健脾为主,痛经者辅以温经止痛之品,有生育需求者辅以健脾补肾之品。4.子宫内膜异位症认知度及治疗意愿调查我国妇产科医生对患者的科普教育较为重视,患者对本病认知度较高。但对生殖健康影响、遗传聚集性特性、恶变倾向的宣教有待加强。患者中医药治疗接受度良好,治疗方法倾向于较为传统的中药复方汤剂,对于中医适宜技术接受度一般。
基于Bert-wwm-ext与损失优化的多头选择中医知识联合抽取
这是一篇关于联合抽取,Bert-wwm-ext,损失优化,语料库构建,中医的论文, 主要内容为中医理论知识体系结构庞大,实体和实体间关系错综复杂,需采用合适的技术手段对该领域知识加以组织和存储,以便能灵活地运用到日常生活之中。相较于关系型数据库,知识图谱则更加适合中医理论知识的组织与存储。而准确高效的实体关系抽取则是构建高质量知识图谱的重要基础。本文以自建Co NER&RE-TCM语料库为基础,以形成高性能的多头选择联合抽取模型为目标,围绕多头选择模型中字向量语义表征能力弱、类别不均衡数据集适应能力弱等问题,开展理论与实验工作。首先,对中医非结构化及半结构化文本数据进行实体和实体间关系标注,构建用于实体关系抽取的中医领域标注语料库Co NER&RE-TCM,并分析库中实体关系特征,为中医领域实体关系联合抽取模型的研究工作奠定基础。其次,针对多头选择模型存在的文本语义表征及特征提取能力弱的问题,提出一种增强中文文本语义表征及特征提取能力的方法,并构建了相应模块。该模块中,以Bert-wwm-ext预训练模型作为嵌入层增强中文文本语义表征能力、以Bi GRU网络与残差网络作为混合编码层增强特征提取能力。再次,针对中医知识文本数据中关系类别不均衡的问题,提出基于损失优化的类别不均衡适应能力增强方法。该方法在关系分类层后采用自设阈值的方式,将有效关系类样本自动划分为充分可分类关系和未充分可分类关系,并在后续仅计算未充分可分类关系的损失,让模型更专注于未充分可分类关系的学习,以缓解因关系类别不均衡造成的关系抽取准召率低的问题。最后,在Ubuntu18.04操作系统下,通过Tensorflow框架构建基于Bert-wwm-ext与损失优化的多头选择中医知识联合抽取模型,在语料库Co NER&RE-TCM上开展实体关系联合抽取实验,并分析实验结果。
东莞市中医预防保健服务系统的设计与实现
这是一篇关于中医,治未病,预防保健,J2EE,ORACLE的论文, 主要内容为目前,我市尚未建立全市统一的中医预防保健服务系统,大部分医疗机构也没有有关中医预防保健的系统,还在使用纸质建档,手工录入信息,手工计算体质得分等,费时费力,加重医生工作量,各医疗机构数据不能共享、交换,导致重复录入大量的数据,卫生行政部门也不能进行数据的统计与分析,了解辖区内医疗机构开展服务情况和居民的体质情况,严重阻碍了我市中医预防保健事业的发展。本文在进行东莞市中医预防保健服务系统的研究与设计过程中,综合东莞市中医预防服务实际业务和当前流行技术进行综合考虑,确定使用J2EE技术、Oracle数据库技术对东莞市中医预防保健服务系统进行实现。东莞市中医预防保健服务系统在设计与实现的过程中,本人的工作内容主要有以下几个方面:(1)调研市卫生计生局中医科、市中医院、试点社区卫生服务中心等机构,制定了系统的实施方案,组织专家对需求分析报告,系统实施方案进行论证;(2)完成项目管理,数据库技术、信息检索技术、网络技术等关键技术的学习;(3)完成了相关文献得阅读,主要是与中医预防保健相关的健康档案标准、体质辨识流程、体质辨识报告格式等;梳理中医预防保健的业务流程;(4)完成了系统概要设计、详细设计,完成了健康档案维护、普通人群中医健康管理、老年人中医院健康管理、儿童中医健康管理、微信体质辨识等各功能模块的编码、测试,并在试点单位进行了试点运行;本文研究的东莞市中医预防保健服务系统已经在东莞市中医院及33家社区卫生服务中心得到应用,系统功能完善且操作友好。通过系统的建设,完善了各级中医机构及其它医疗卫生机构的“治未病”中医预防保健服务功能,构建了多元化的中医预防保健服务格局,建立了我市的“治未病”中医预防保健服务体系,满足了我市居民日益增长的、多层次、多样化的预防保健服务需求。
利用Seq2Seq和图网络的中药推荐方法研究研究
这是一篇关于中医,深度学习,表示学习,图卷积神经网络,Transformer的论文, 主要内容为随着人工智能的发展,互联网医疗等概念被提出。将中医与人工智能结合起来,充分利用深度学习的优势,扩大中医的应用场景(如辅助诊疗、疾病风险评估、远程会诊等)成为当前的研究热点。本文就如何将深度学习算法应用到中医辅助诊疗任务中做深入研究。本文的任务是中药推荐。中药推荐是中医在人工智能背景下的主要任务。通过分析病人症状并结合辨证论治等相关理论,给出精准药方,辅助中医师临床诊疗,具有重要的应用意义。基于这一点,本文主要做了以下三方面的工作:(1)针对中医实体表示学习,本文提出了基于超网络模型的中医实体表示方法。该方法首先根据中医数据构建症状-中药知识图谱;接着利用超网络模型分别对头结点特征以及关系特征生成对应的卷积过滤器,使前者对关系卷积,后者对实体卷积;最后通过将关系映射到实体语义空间构建头实体和尾实体的联系。实验表明,该方法能够有效提高链接预测的准确率。(2)针对中药推荐任务,本文基于图卷积神经网络提出了一种融合多图特征的中药推荐方法。该方法引入了一种简化的图卷积神经网络,这个网络通过去掉对图卷积操作影响不大的非线性操作以及减少冗余的权重矩阵从而达到简化图卷积神经网络的效果。利用多层神经网络并引入多头注意力机制实现对中药和症状节点特征的融合。实验结果表明,本文提出的方法能够有效提升中药推荐的准确率。(3)针对中药推荐任务,本文提出了基于Transformer的中药推荐方法。该方法通过将中医师临床诊疗过程看作是序列生成序列的过程,并将Transformer应用到中药推荐任务上。此外,将(1)部分方法作为预训练方法来处理数据稀疏问题。实验结果验证了该方法在中药推荐任务上的有效性。
中医实体表示学习与中药推荐技术
这是一篇关于中医,异质图,知识图谱,主题模型,表示学习,推荐系统的论文, 主要内容为中医是我国传统医学,在医疗保健领域发挥了重要的积极作用。近年来,以机器学习为代表的人工智能技术飞速发展,为中医实现现代化、信息化、智能化带来了机遇。利用机器学习技术开发中药推荐模型,即实现根据一组症状,智能化地输出一组中药,可以帮助医生在中医临床实践中更准确、更科学地制定医疗决策,同时促进中医更好发展。目前主流的中药推荐方法多以主题模型为基础,仅利用症状、中药间的共现信息,不能很好的建模二者的联系。因此,将中医领域知识引入中药推荐任务,可以更好地建模症状、中药之间的关联,从而提升中药推荐模型的性能。本文深入对如何融合中医领域知识以更好地进行中药推荐这个问题展开研究。首先利用知识图谱技术,建模、组织多源异构的中医领域知识,以便高效利用;进一步提出基于中医异质图的表示学习方法以获得更有效的中医实体表示,支撑中药推荐任务;最后提出融合中医实体表示和中药配伍知识的主题模型,以进行中药推荐任务,实现中医临床诊断的智能化。本文主要工作总结如下:·建立了信息丰富的中医领域知识图谱。利用知识图谱技术,基于多源异构数据,以自顶向下的模式构建中医领域知识图谱,实现对中医领域知识的统一组织;·提出了中医异质图表示学习算法(TCM Entity Enembedding Model Based on Heterogeneous Network,简称为TCME)。针对中医信息异质性的建模、中医实体高阶联通性的建模等中医实体表示学习的主要问题,提出TCME模型,获取基于异质图的中医实体向量,更好地支撑中药推荐任务;·提出了融合中医实体表示的基于主题模型的中药推荐算法(TCM Entity Em-bedding Enhanced Topic Moldel,简称为 TCMETM)。创新性地将中 医实体向量表示引入中药推荐任务,更好地建模症状与中药的关联;同时引入中医配伍知识,提出 HC-TCMETM 模型(Herbal compability TCMETM),使中药推荐结果更加有效且合理。
中医临床知识图谱推理及智能应用技术研究
这是一篇关于知识图谱,处方推荐,中医,辅助诊疗的论文, 主要内容为医学人工智能的核心目标是实现临床辅助诊疗,进而协助提升临床诊疗能力。由于医学知识图谱具有丰富的领域知识,对临床诊疗往往起到关键作用,因此,知识图谱及其推理应用研究在医学人工智能中具有重要地位。中医临床诊疗过程是一个演绎推理的过程,因此基于知识图谱进行辅助诊疗至关重要。而这一研究存在如下几方面问题:(1)知识图谱的构建是一个系统工程,现有的医学知识图谱还有待不断扩展,存在不完整性问题;(2)在辅助诊疗过程中,医学知识图谱的应用往往缺少理论知识与临床案例的关联;(3)现有的辅助诊疗系统大多基于数据挖掘的方法,从大量的原始病例中挖掘隐含的知识,不能有效的利用中医书籍中的理论知识,从而不能从根本上理解看病的过程和实际内涵。为解决以上问题,本文从以下三个方面开展研究工作:(1)针对医学知识图谱不完整的问题,提出了基于门控张量分解的知识图谱补全方法Gate TD,用于医学知识图谱的补全。该方法在张量分解的基础上引入GRU门控机制,有效捕获实体-关系之间的交互,并使得关系向量在不同的头实体条件下具有不同的向量表示。本章在四个标准数据集上进行了知识图谱补全的实验,在FB15k数据集上相比基线方法取得了显着的性能提升。该实验结果表明,Gate TD通过GRU来增强知识共享,有助于更有效的建模。将该方法应用于医学知识图谱的补全,对于医学知识图谱的推理工作具有重大的实际意义和学术价值。(2)针对理论知识与临床案例缺少关联的问题,提出了基于分析学习的临床案例诊疗规律分析方法。首先通过实体对齐的方式形成知识图谱中的理论知识(症状、中药)与临床数据(症状、中药)的衔接,在此基础上基于分析学习的方法对目标概念(药症关系)进行学习,从而以临床病例的疗效为依据实现对理论知识的评价及筛选。这一方法具有较高的可靠性和可解释性,对于领域数据的构建及诊疗规律的发现具有重大的实际意义,同时为中医临床辅助决策支持提供基础。(3)针对中医辅助诊疗系统不能有效利用理论知识的问题,提出了基于多策略学习的处方推荐方法,以中医知识图谱和临床数据为基础,实现中医临床辅助决策支持。相比于机器学习的多标签分类方法、网络映射方法以及基线的知识图谱补全方法,该多策略学习的处方推荐方法取得了最佳的性能,其Precision@10=0.259,Recall@10=0.238,F1@10=0.248。这一结果充分表明,知识图谱由于其内部丰富的语义关联,为处方推荐过程提供了潜在的信息来源,使得推荐结果具有更高的精确性、多样性和可解释性。因此,知识图谱在辅助诊疗领域具有极大的应用价值及学术意义。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码客栈 ，原文地址：https://m.bishedaima.com/lunwen/48459.html
