Гиподинамия это что: Гиподинамия: последствия и профилактика — ГБУЗ «Крыловская ЦРБ» МЗ КК
Страница не найдена | КГБУ СО «Ачинский центр адаптации»
1. Вы удовлетворены качеством и полнотой информации о работе нашего учреждения (адрес, телефон, график работы, порядок обращения и проч.)
и о порядке (перечне) предоставления социальных услуг, предоставляемой
по телефону, на официальном сайте в сети «Интернет», при личном обращении?
Полностью удовлетворен
Чем-то удовлетворен, чем-то нет
Совсем не удовлетворен
Затрудняюсь ответить
2. Считаете ли Вы доступными условия оказания социальных услуг в нашем учреждении, в том числе для инвалидов и других маломобильных групп граждан?
Определённо да
Скорее да, чем нет
Скорее нет, чем да
Затрудняюсь ответить
3. Как Вы можете охарактеризовать благоустройство и содержание помещения (чистота, свежесть воздуха, тепло) учреждения и территории, на которой оно расположено?
На высоком уровне
На среднем уровне
На низком уровне
Затрудняюсь ответить
4.
Вы удовлетворены компетентностью (профессионализмом) персонала (социальных работников) при предоставлении социальных услуг?
Полностью удовлетворен
Чем-то удовлетворен, чем-то нет
Совсем не удовлетворен
Затрудняюсь ответить
5. Считаете ли Вы, что работники учреждения вежливы, доброжелательны
и внимательны?
Да
Скорее да
Скорее нет
Нет
Затрудняюсь ответить
6. Приходилось ли Вам или Вашим родственникам ожидать предоставления социальных услуг в нашем учреждении дольше срока, установленного
при назначении услуг?
Да, всегда
Да, такое было несколько раз
Нет, услуги всегда оказываются в назначенное время
Затрудняюсь ответить
7. Удовлетворяют ли Вас следующие условия предоставления социальных услуг в нашем учреждении?
| условия предоставления услуг | Да | Нет | Не могу оценить |
|---|---|---|---|
| порядок оплаты социальных услуг | ⅓ | ⅔> | |
| оперативность решения вопросов | ⅓ | ⅔> | |
| периодичность прихода социальных работников на дом | ⅓ | ⅔> | |
| предоставление социально-бытовых, парикмахерских и гигиенических услуг | ⅓ | ⅔> | |
| питание | ⅓ | ⅔> | |
| мебель, мягкий инвентарь | ⅓ | ⅔> | |
| жилое помещение | ⅓ | ⅔> |
8.
Изменилось ли качество Вашей жизни (жизни Ваших родственников)
в положительную сторону в результате получения социальных услуг в нашем учреждении?
Определённо да
Скорее да, чем нет
Скорее нет, чем да
Определённо нет
Затрудняюсь ответить
9. Посоветуете ли Вы своим родственникам или знакомым, нуждающимся
Определённо да
Скорее да, чем нет
Скорее нет, чем да
Определённо нет
Затрудняюсь ответить
10. Напишите, чем именно Вы остались довольны или недовольны
при обращении в наше учреждение?
Чем Вы остались довольны?
Чем Вы остались недовольны?
Гиподинамия — что это такое? Лекция врача
Рубрика: Библиотека-филиал №12
Дата: .
27 августа в 11.00 библиотека имени А.П. Чехова приглашает на лекцию-презентацию «Профилактика гиподинамии», организованную ГБУЗ ЯО «Областной центр медицинской профилактики» в рамках акции «Здоровая Ярославия» ко Дню физкультурника.
Врач консультативно-оздоровительного отдела Марина Александровна Белоусова расскажет о том, чем вредна гиподинамия и как правильно заниматься ее профилактикой.
А делать это необходимо! Ведь гиподинамия — не просто недостаток движения, но уже — нарушение функций организма (опорно-двигательного аппарата, кровообращения, дыхания, пищеварения) при ограничении двигательной активности, снижении силы сокращения мышц.
А во всем виноват технический прогресс! Да-да, тот самый, который облегчил жизнь человека и дал возможность людям достичь невероятных высот, полететь в космос, покорить глубины… И он же причина того, что доля физического труда в жизни человека уменьшилась в 150–200 раз, а летальность от сердечно-сосудистых патологий увеличилась примерно в 6 раз. В общем, как пел Валерий Леонтьев:
Это минимум движенья, минимум движенья,
Всех надежд крушенье, всех надежд крушенье,
Это сокращенье, наших сокращенье лет.
Кто-то скажет: но я пожилой человек, мне трудно заниматься спортом, бегать по утрам; у меня нет возможности посещать спортзал.
Но ведь никто и не призывает бить рекорды. Просто пройдите лишние несколько сотен метров, выйдя из транспорта на остановку раньше; поднимитесь на один-два этажа не на лифте, а пешком; предпочтите телевизору неспешную прогулку… И вы сами удивитесь, насколько лучше вы станете себя чувствовать: по данным некоторых исследований, возрастание двигательной активности приводит к понижению уровня заболеваемости примерно на 45%. А там, кто знает, может быть, и до бега по утрам дойдет!
Опять же, вспомним песню «Гиподинамия»:
Последний шанс судьба тебе даёт,
А ну смелей вперёд
И в зной, и в дождь, и в снег.
Последний шанс тебе даёт судьба,
Да здравствует ходьба
И ежедневный бег!
Марина Александровна расскажет, как лучше бороться с гиподинамией, с чего начинать, также даст полезные советы по сохранению здоровья у людей всех возрастов, в том числе и представителей старшего поколения. Сколько должно быть движения? Как увеличить свою подвижность? Какие упражнения предпочесть? И как работает проект «Здоровая Ярославия», направленный на формирование здорового образа жизни и профилактику хронических неинфекционных заболеваний? Об этом вы также узнаете, посетив 27 августа лекцию-презентацию в библиотеке имени А.
П. Чехова.
Елена Белова, сотрудник библиотеки имени А. П. Чехова.
Ждем Вас по адресу: г. Ярославль, ул. Слепнева, д. 14
Телефон: +7 (4852) 44-31-81
E-mail: [email protected]
Заведующая филиалом – Валентина Геннадьевна Викторова
Горячая линия
Учреждение
пн-пт с 08:30 до 17:30
8 (4852) 21-36-05,
8 (4852) 21-07-34
Управление культуры
пн-пт с 9:00 до 17:30
8 (4852) 40-51-92
Контакты
Изменения в работе библиотек
Электронный каталог
Зарегистрироваться Предварительный заказ книг
Продлить книгу
Архив новостей
Безопасность
Библиотека – доступная среда. Анкета
Новости
НовостиВыберите рубрику Центральная библиотекаБиблиотека-филиал № 1Библиотека-филиал № 2Библиотека-филиал № 4Библиотека-филиал № 6Библиотека-филиал № 7Библиотека-филиал № 8Библиотека-филиал №10Библиотека-филиал №11Библиотека-филиал №12Библиотека-филиал №13Библиотека-филиал №14Библиотека-филиал №15Библиотека-филиал №16Библиотека-филиал №18Библиотека-филиал №19Новости культурыРецензииЦБСКалендарь
Подписаться
© Централизованная библиотечная система города Ярославля, 2006-2022
Провоцирует ли гиподинамическая фаза сепсиса изменения возбудимости кардиомиоцитов?
- Сердце и сердечная мышца
Physiology 2014 (Лондон, Великобритания) (2014) Proc Physiol Soc 31, C01
Устное сообщение: Вызывает ли гиподинамическая фаза сепсиса изменения возбудимости кардиомиоцитов?
Л.
П. Силва1, Ж. Ф. Пиньо да Силва2, Л. К. Резенде3, Р. С. Пончианно2, Д. Г. Соуза3, Х. С. Круз2
1. Физиология и биофизика, Федеральный университет Минас-Жерайс, Белу-Оризонти, Минас-Жерайс, Бразилия. 2. Биохимия и иммунология, Федеральный университет Минас-Жерайс, Белу-Оризонти, Минас-Жерайс, Бразилия. 3. Микробиология, Федеральный университет Минас-Жерайс, Белу-Оризонти, Минас-Жерайс, Бразилия.
Посмотреть другие тезисы по:
- Соуза, DG
- Пиньо да Силва, JF
- Круз, JS
- Резенде, LC
- Сильва, LP
- Пончиано, RS
Сепсис — системный воспалительный синдром, связанный с инфекцией, с высокой летальностью. Недавние данные показывают, что смертность от сепсиса может достигать 80% в зависимости от тяжести (1).
Эту же партию изолированных клеток использовали для определения сократительных параметров. Эксперименты проводились в соответствии с Комитетом по этике экспериментов на животных (CEUA) Федерального университета штата Минас-Жерайс, Протокол №: 137/2012. В экспериментальной группе с нелетальным сепсисом мы не смогли обнаружить существенных различий между АД в исследуемых группах ни через 6, ни через 24 ч после процедуры ХЛП. Не было выявлено существенных различий между экспериментальными группами по превышению сердечного АД, времени до пика, скорости деполяризации (dV/dt) и времени до 10%, 50% и 90% реполяризации. Принимая во внимание экспериментальный набор летального сепсиса, через 6 часов после CLP наблюдались изменения АД, которые предполагают модификацию функции и/или экспрессии Na+ каналов, когда мы заметили, что скорость деполяризации была значительно увеличена при АД, измеренном в септических клетках (263±3). 12 В/с, ИМИТАЦИЯ, n=16 и 578±64 В/с, СЕПТИК, n=5, *Однофакторный дисперсионный анализ p<0,05).
Там, где это применимо, эксперименты соответствуют этическим требованиям общества.
Обработка клинических данных фенотипической сети при стенокардии ишемической болезни сердца
На этой странице
РезюмеВведениеМатериалы и методыРезультаты и обсуждениеОбсуждение и выводыБлагодарностиСсылкиАвторское правоСтатьи по теме
Ишемическая болезнь сердца (ИБС) является основной причиной заболеваемости и смертности в Китае.
Диагноз ИБС в традиционной китайской медицине (ТКМ) в основном основывался на прошлом опыте. В этой статье мы предложили четыре ассоциативных алгоритма на основе ИМ для анализа сетей фенотипов ИБС и установили шкалу синдромов для автоматической постановки диагноза пациентам на основе их фенотипов. Мы также сравнили изменение основных синдромов, что ИБС сочетается с другими заболеваниями, и представили различные спектры фенотипов.
1. Введение
Ишемическая болезнь сердца (ИБС) является основной причиной заболеваемости и смертности в Китае [1].
Стенокардия (ОП) является одним из наиболее распространенных видов ИБС. Его лечение в современной медицине в основном включает нитраты, β -блокаторы, блокаторы каналов Ca 2+ и коронарную ангиопластику или коронарное шунтирование. Однако на его побочные эффекты можно было не обращать внимания. Традиционная китайская медицина (ТКМ) представила дополнительный и альтернативный путь к лечению ОП ИБС. Он использует целостную концепцию для балансировки всего тела, в отличие от западной медицины, в которой лечение ОП сильно зависит от заживления сердечного органа.
ТКМ имеет более чем 1000-летнюю историю борьбы с ИБС. Древние китайцы использовали слова «торакальная непроходимость (Xiongbi на мандаринском наречии)» для описания фенотипов ИБС и набрасывали тысячи формул для лечения ИБС. Ключевым понятием ТКМ является синдром, который является ядром теории диагностики и терапии ТКМ. Синдром состоит из набора фенотипов, Wu et al. [2] предложили вычислительную структуру под названием CIPHER, которая объединяет информацию о фенотипах и генах, и предпочтительные результаты подтвердили биологическую значимость фенотипов. Ли и др. [3] исследовали ключевой патологический принцип ZHENG в контексте нейроэндокринной иммунной (NEI) системы и сообщили о своих важных выводах о преобладающих частях в сети Cold/Hot ZHENG, связях между этими двумя сетями и путях взаимодействия генов. связанные с заболеваниями, связанными с ZHENG, в основном присутствовали в . Все они впоследствии были подтверждены экспериментами на модели скорости коллаген-индуцированного артрита.
Их превосходная работа впервые продемонстрировала, что тысячелетняя концепция ZHENG может иметь молекулярную основу с NEI в качестве фона.
Последние десятилетия исследований, связанных с синдромом ИБС, в значительной степени связаны с синдромом застоя крови (BSS). Большинство из них были направлены на изучение биологических основ синдрома застоя крови в контексте ИБС, например, протеомное исследование СБС [4], установление СБС на животных моделях в контексте инфаркта миокарда [5], связь между СБС и клинической картиной. биологический индекс [6], или механизм действия формулы на лечение BSS [7]. Несмотря на эти успехи, достигнутые в дополнительных и альтернативных исследованиях ИБС, стандартизация и модернизация синдромов в контексте ИБС все еще далеки от необходимости их клинического применения во всем мире. Правильная диагностика синдромов в контексте ИБС играет ключевую роль в модернизации синдромов. Однако в связи со сложными факторами патопоэза ИБС и относительно простыми методами статистического анализа данных диагностическую шкалу синдромов при ИБС установить было затруднительно.
Традиционно шкала синдромов строилась по трем ступеням. Во-первых, определить пул фенотипов синдрома. Затем рассчитывали оценку или вес каждого фенотипа. Заключительным этапом было определение диагностического порога синдрома. Среди них первый шаг является наиболее важным. До сих пор наиболее используемым методом определения пула фенотипов был субъективный, например, с использованием опросника экспертов ТКМ, который трудно повысить точность диагностики синдромов. Актуальными были методы комплексного анализа данных для установления диагностической шкалы синдромов.
В этой статье мы представили комплексные системные вычислительные методы на основе взаимной информации (MI-) для объективного определения пулов фенотипов синдромов. Мы провели большую выборку пациентов с ИБС. Четыре алгоритма ассоциации на основе MI сравнивались для получения пар фенотипов со значительной ассоциацией. Сети фенотипов были установлены соответственно. Был представлен алгоритм проверки для выбора лучшего алгоритма, и, таким образом, был определен пул фенотипов каждого синдрома в контексте ИБС.
Мы также исследуем различные фенотипические спектры ИБС в сочетании с артериальной гипертензией, диабетом, гиперлипидемией и хронической сердечной недостаточностью.
2. Материалы и методы
2.1. AP когорты ИБС
2050 пациентов с AP в возрасте от 45 до 75 лет были собраны из 7 клинических центров, расположенных в 7 провинциях Китая, из одной демографической зоны и в одно и то же время с ноября 2008 г. по ноябрь 2010 г. Стабильный AP диагностировали строго в соответствии с Руководство ACC/AHA/ACP-ASIM по ведению пациентов с хронической стабильной стенокардией [8]. Нестабильный ОП был диагностирован в соответствии с Рекомендациями по диагностике и лечению нестабильной стенокардии 9.0053, опубликованный Китайским обществом кардиологов [8]. Критерии исключения состояли из четырех условий. (1) Были исключены пациенты с острым инфарктом миокарда, миокардитом, заболеванием перикарда, сердечным неврозом, межреберной невралгией, климактерическим синдромом и сильной болью в груди, вызванной шейным спондилезом; (2) пациенты с ОП, вызванным другими заболеваниями, такими как ревматизм, сифилис, врожденные коронарные аномалии, гипертрофическая кардиомиопатия, аортальный стеноз или регургитация, были исключены; (3) пациенты с комбинированными заболеваниями, такими как инсульт, легочная инфекция, нефрит, почечная недостаточность, инфекции мочевыводящих путей, ревматизм, тяжелая аритмия, рак печени, почек, кроветворной системы, первичные и другие тяжелые заболевания, неконтролируемая артериальная гипертензия или систолическое артериальное давление ⩾ 180 мм рт.
ст. или диастолическое АД ⩾ 110 мм рт.ст. после контроля АД также исключались; (4) беременные или кормящие женщины, пациенты с аллергией (включенные в состояние, за исключением случаев, когда нет аллергии) или психически больные были исключены из когорты.
Протокол исследования был одобрен как комитетом по этике больницы Дунчжимэнь, входящей в состав Пекинского университета китайской медицины, так и местным комитетом по этике сотрудничающих больниц. Все субъекты, включенные в исследование, дали письменное информированное согласие.
2.2. Определение и сбор информации о фенотипе
Помимо демографической информации, характеристик истории болезни, информации о лекарствах, а также основных симптомов и признаков в западной медицине, были также тщательно исследованы 107 фенотипических переменных, состоящих из информации о симптомах, признаках, языке и пульсе. Их собирали путем наблюдения, прослушивания, опроса и ощупывания пульса. Включение 107 переменных было определено комбинацией трех направлений.
Во-первых, литература по АП и традиционной китайской медицине была полностью собрана из общедоступных баз данных. Все фенотипические переменные были взяты вручную из литературы. Синоним и фенотип со сходным клиническим значением были объединены, сформировав кандидатный пул терминов фенотипа ТКМ для ОП ИБС. В качестве альтернативы было проведено два раунда опроса экспертов ТКМ для проверки компактного набора переменных фенотипа, основанных на идее, что консенсус клинических экспертов в отношении информации о фенотипе заболеваний может уменьшить сложность фенотипа и повысить объективность определения фенотипа. клинически исследованы. Наконец, была проведена предварительная клиническая эпидемиология 100 случаев ОП для изучения частоты каждого фенотипа. Сокращение 5% использовалось для определения окончательного варианта фенотипов AP.
2.3. Анализ данных
Частота каждого фенотипа была рассчитана и ранжирована по убыванию. Ассоциацию между фенотипами рассчитывали по пересмотренной взаимной информации [9].
Были использованы или представлены четыре вычислительных алгоритма для извлечения нескольких количеств ассоциаций для построения сети фенотипов для AP. Была представлена стратегия проверки для оценки каждой сети и выбора лучшего алгоритма для построения такой сети. Построена подсеть ОП в сочетании с артериальной гипертензией, сахарным диабетом, гиперлипемией или хронической сердечной недостаточностью соответственно. Разница между каждой подсетью была значительно понята для исследования фенотипических спектров AP в сочетании с отличительными заболеваниями. Pajek 2.0 использовался для построения сложных сетей фенотипов [10].
3. Результаты и обсуждение
3.1. Базовая статистика
В таблице 1 перечислены основные сведения о демографии и комбинированных заболеваниях изучаемой когорты. Средний возраст испытуемых AP был . Артериальная гипертензия занимала более 67% когорты ОП, что указывает на то, что она является ключевым фактором риска ОП по данным ретроспективной эпидемиологии.
Почти двое из трех пациентов с ОП — мужчины. Как показано на рисунке 1, восемь фенотипов проявились более чем у 50% субъектов. Наиболее частым фенотипом у пациентов с ОП был дистресс грудной клетки, что является типичным симптомом ОП. Удивительно, что гиподинамия встречается несколько чаще, чем боль в груди. Последний типичный фенотип пыльника следует за AP. Однако эта ситуация разрешима с точки зрения ТКМ. Гиподинамия является характерным признаком синдрома дефицита Ци при ТКМ, который рассматривается как ключевая патология ОП.
Взаимная информация хороша для количественного описания связи между категориальными переменными. Как показано в Таблице 2, были даны 10 лучших пар фенотипов и их связь. Фенотип со звездочкой в правом cornu superius означает, что он входит в список 10 лучших фенотипов AP. Установлено, что фенотип с высокочастотным фенотипом был склонен к ассоциации с другим высокочастотным фенотипом. Однако они занимали только 50% 10 лучших пар фенотипов с самым высоким ИМ, что указывало на то, что ИМ может балансировать между частотой и ассоциацией.
Пара фенотипов с высокой ассоциацией с ИМ не только показала высокое значение совпадения, но также описала высокую частоту одновременного отсутствия. Последнее обычно делает два совершенно неблагоприятных и бесполезных фенотипа тесно связанными (данные здесь не показаны). Таким образом, пересмотренный МИ был использован здесь, чтобы предотвратить отрицательную ассоциацию с положительными ассоциативными парами.
Неотъемлемым недостатком алгоритма MI является то, что он игнорирует частоту признаков, поэтому он склонен выбирать признаки с более низкой частотой, такие как пары совпадающих фенотипов. По этой причине мы предложили пересмотренный MI, который использует «положительную частоту появления» для контроля роста пар совпадающих непохождений при вычислении MI. Положительная частота встречаемости определяется как частота совпадения пар фенотипов. Положительная частота встречаемости фенотипов с сильной корреляцией больше (близка к 1), и, по идее, положительная частота встречаемости неблагоприятных фенотипов должна быть равна 0, для этого у одного больного невозможно получить два неблагоприятных фенотипа одновременно.
Это лучшая заслуга MI в том, что его четыре расширения будут использоваться для установления фенотипической сети AP и для дальнейшего исследования связи между подсетями и синдромом в ТКМ.
3.2. Сложная сеть фенотипов
Четыре алгоритма на основе MI представили только информацию о различных вычислительных методах ассоциаций между фенотипами. Алгоритм значимой ассоциации был определен для определения количества связанных фенотипов, в которых была создана сеть. Пара фенотипов, состоящая из и определяемая как значимая ассоциация следующим образом: и . Где и обозначены верхние ассоциированные фенотипы фенотипа и , соответственно.
Число определялось путем представления понятия использования информации, которое определялось как отношение максимального числа фенотипов в обнаруженном паттерне к . Здесь удалось достичь высокого уровня использования информации – 83,33% (равно 5/6). 107 фенотипов были извлечены в соответствии с пересмотренным MI, соответственно, в результате чего было вычислено 120 пар значимых ассоциаций. Другие три алгоритма на основе MI были представлены следующим образом. (1) Пересмотренная ассоциация пары фенотипов на основе MI [8]. (2) Пересмотренная MI, разделенная на расстояние между фенотипами [11]. Расстояние между фенотипами определяли как где означает, что фенотип и фенотип одновременно появились у субъекта и в противном случае. обозначает отсутствие (0), легкий (1), средний (2) и серьезный (3) фенотип. (3) Пересмотренный МИ, разделенный на евклидово расстояние между парой фенотипов.
107 фенотипов наблюдались и собирались из клинических данных при строгом контроле качества. В этом процессе не было вмешательства субъективных факторов.
Это были объективные описания симптомов пациентов. Взаимная информация (МИ) от сложной системы использовалась для описания ассоциации между фенотипами. Данные ассоциации были объединены в матрицу смежности, а затем преобразованы в формат, требуемый программным обеспечением Pajek. Программное обеспечение Pajek 2.0 использовалось для анализа узловых степеней фенотипов. С помощью команды «Раскладка-Энергия-Камада-Каваи-Отдельные компоненты» мы нарисовали сети фенотипов в соответствии с разными цветами и разной степенью. Принципы настройки сети заключались в удалении изолированных узлов, опосредовании позиций других узлов с ручным управлением. Узлы и ребра сети не могут быть удалены. Затем мы экспортировали сетевые фигуры в формате Bitmap. На рисунке 2 сети фенотипов состоят из центральной сети (красные цвета) и окружающих сетей с разными цветами. На рисунках 2(a)–2(d) сети с одинаковыми цветами отражали одни и те же синдромы. Например, сочетание зрительного напряжения, шума в ушах, ночного пота, сухости во рту, горького привкуса у мышей и ощущения жжения пяти центров означает дефицит Инь согласно теории ТКМ (рис.
2(а)). Используя эту подсказку, четыре сети включали семь синдромов, то есть синдром дефицита Ци, синдром дефицита Инь, синдром дефицита Ян, синдром дефицита Селезенки, синдром застоя крови, синдром Тан-Чжо, синдром застоя Ци. Более того, нужно было объяснить еще два случая. Во-первых, количество узлов, отражающих «синдром сердца», было небольшим, и эти узлы присутствовали не во всех сетях фенотипов. Поэтому тепловой синдром не был отнесен к основным синдромам. Во-вторых, исхудание и бессонница не являлись специфическими ответами синдромов в клиническом процессе. У пациентов с разными синдромами могут проявляться два фенотипа. Поэтому мы обозначили их другим цветом. Чтобы выразиться более ясно, мы уже добавили легенду в исправленную статью.
Чтобы количественно подтвердить этот вывод, мы взяли долю ребер между узлами из разных классов (цветные подсети) в качестве меры эффективности кластеризации. Для сравнения, мы сгенерировали 100 рандомизированных сетей, случайным образом перетасовав ребра между узлами, сохранив количество ребер и узлов неизменным, и мы обнаружили, что фактическая доля «ребер между классами» значительно меньше, чем в среднем ().-800x600.jpg)
На самом деле, значения четырех сетей на рисунке 2 составляют , , , менее 100 рандомизированных сетей, а когда мы увеличиваем количество сетей до 1000, значения уменьшаются до 0. Этот результат подтверждает тот факт, что узлы в сетях предназначены для кластеризоваться в подсети, как мы объявили.
Действительно, неконтролируемая кластеризация фенотипов здесь совпадает с концепцией комплементарной и альтернативной медицины, а подсеть ответственна за синдром в ТКМ. Например, сочетание дискомфорта в груди, слабого низкого голоса, амнезии, одышки, обморока, боли в талии и колене и раздражительности истерики означает дефицит ци согласно теории ТКМ. Используя эту подсказку, четыре сети включали семь синдромов, то есть синдром дефицита Ци, синдром дефицита Инь, синдром дефицита Ян, синдром дефицита селезенки, синдром застоя крови, синдром Тань-Чжо, синдром застоя Ци. Четыре алгоритма включали 44, 54, 64 и 69фенотипы соответственно. Это означает, что фенотип в среднем сцеплен примерно с 2-3 фенотипами.
Более того, также было обнаружено, что фенотипы при каждом синдроме были почти одинаковыми, но немного различались (критерий случайной суммы Уилкоксона). Был представлен вычислительный метод проверки для автоматического определения лучшей ассоциации на основе MI в четырех алгоритмах.
3.3. Метод вычислительной проверки установленных сетей
Для автоматической проверки различных спектров фенотипов, обнаруженных четырьмя алгоритмами, следует использовать диагностическую информацию 2050 AP. Включенный сюда субъект AP был клинически диагностирован по крайней мере тремя экспертами ТКМ для лечения травами. Синдромные данные были составлены из семи синдромов. Название и частота синдромов приведены в таблице 3 в порядке убывания. Данные были представлены 2050 9матрица, строка представляет субъект, а столбец представляет синдром. Если у субъекта AP диагностирован один из семи синдромов, соответствующая ячейка матрицы обозначается как 1, в противном случае ячейка представлена как 0.
В стратегии контролируемой проверки используются три вычислительных показателя (чувствительность, специфичность и точность). ) использовались для оценки совпадения четырех сетей фенотипов с диагностической информацией, предоставленной экспертами ТКМ. Алгоритм выполнялся с помощью следующих трех процедур.
Процедура 1. Для каждой подсети (отмеченной разным цветом) в большой сети фенотипов возвращалось в данные о фенотипах, если не менее половины фенотипов в подсети одновременно появляются (их значения отличны от нуля) на субъекте, записывается порядковый номер субъекта. Суммарное количество каждой подсети суммировалось, обозначалось как.
Процедура 2. При отслеживании серийного номера подсети до данных синдрома была получена матрица с 7.
Процедура 3. Были рассчитаны три вычислительных показателя. Чувствительность — это отношение числа субъектов, диагностированных подсетью, к количеству субъектов, диагностированных экспертом ТКМ.
Чувствительность описывает истинное положительное значение подсети. Специфичность относится к соотношению количества субъектов, не диагностированных подсетью, к числу экспертов ТКМ. Он описывает ложный отрицательный результат подсети. Точность представляет собой отношение количества субъектов правильно (содержит истинно положительные и ложноотрицательные) по подсети к количеству экспертов ТКМ.
Как показано в таблице 4, ассоциация на основе стратегии контролируемой проверки работает лучше, чем три других алгоритма. Средняя точность алгоритма составила более 80%, что означает, что сеть фенотипов несет достаточно информации о клинической сущности ОП ТКМ. Для синдрома с высокой частотой в контексте ОП алгоритм достиг высокой чувствительности. Получена высокая специфичность синдрома с низкой частотой при ОП. Но точность сохраняется постоянно, что свидетельствовало о том, что алгоритм не был смещен ни на один синдром при ОП.
3.4. Сети фенотипов для комбинированных заболеваний
Для оценки сетей фенотипов для четырех комбинированных заболеваний с АР использовали параметр, называемый степенью сложности сети.
Тип сети, называемый сетью k-core, использовался для построения сетей фенотипов, из которых исследовались различные спектры фенотипов среди комбинированных заболеваний. На рисунке 3 интуитивно было обнаружено, что четыре сети для ОП в сочетании с гипертензией, диабетом, гиперлипемией и хронической сердечной недостаточностью отличались друг от друга, что указывает на значительное изменение некоторых фенотипов при ОП в сочетании с другими заболеваниями. В теории ТКМ это означает, что синдромы в контексте комбинированных заболеваний должны существенно измениться. Тогда и лечение китайскими травами соответственно изменится. Анализ различий между четырьмя сетями может помочь в лечении ОП с помощью традиционной китайской медицины. Установлено, что при сочетании ОП с артериальной гипертонией основными синдромами являются синдром застоя крови, застой ци и гиперактивность Ян печени (или так называемый избыточный подъем Ян печени). Последний синдром отсутствовал во всей сети для ОП (рис. 2(а)). В то время как в сети для диабета фенотипами в основной сети были гиподинамия, головокружение, шум в ушах, частота мочеиспускания ночью, безвкусие и остаточная моча, что означало, что дефицит Ци и дефицит Инь были основным патогенезом ОП в сочетании с диабетом.
Сеть фенотипов при ОП в сочетании с гиперлипемией, основным синдромом оказался Тан-Чжо с BSS. При сочетании ОП с хронической сердечной недостаточностью фенотипы превращались в кор-синдром с дефицитом Ян с СБШ. Дисперсия фенотипов при разных сочетанных заболеваниях свидетельствовала об индивидуальной тактике лечения ОП.
4. Обсуждение и выводы
Точный анализ клинических синдромов является предпосылкой их дифференциации и лечения. В клиническом процессе ТКМ большое количество и сложность, многоуровневые отношения фенотипов ограничивали точность дифференциации синдрома. В нашем исследовании метод МИ впервые описал связь между фенотипами намного эффективнее и без вмешательства субъективных факторов. Характеристики фенотипов соответствовали характеристикам сложных сетей. Не только общие с особой природой на основе собственных эволюционных механизмов, но и тесно связанные с природой и структурными особенностями. Наше исследование показало, что MI и сложные сети могут применяться для изучения правил распределения фенотипов.
В сетях фенотипов мы могли бы исследовать правила диагностики синдромов с основными фенотипами или группами фенотипов, анализ основных синдромов больных ИБС и суммировать различные синдромы больных ИБС с различными сопутствующими заболеваниями. Кроме того, исследование ядер сложной сети означает поиск «сети k-ядер». На рисунках k-core фенотипа узлы для диагностики синдромов были показаны четко и интуитивно. Комбинация значений степени, чем большую площадь имеет один узел, тем большую роль он играет. В клинической диагностике и процессе лечения или во время эпидемиологических обследований эти основные узлы (ядерные фенотипы) следует серьезно учитывать.
В этой статье мы провели клиническую эпидемиологию ОП при ИБС для сбора данных у 2050 субъектов. Для глубокого понимания данных были представлены четыре пересмотренных метода, основанных на взаимной информации. Мы берем положительную частоту возникновения, чтобы исправить присущий МИ недостаток, который предотвращает отрицательную связь с положительными ассоциативными парами.
Было обнаружено, что пересмотренный ИМ может сбалансировать частоту и связь и дать лучшую оценку связи между фенотипами. При создании сложной сети фенотипов мы взяли критерий, который и составил значимую пару ассоциаций тогда и только тогда, когда это один из самых связанных фенотипов фенотипа, и наоборот. По сравнению с аналогичной работой с другими, предопределяющими масштаб сети, алгоритм, предложенный в данной статье, дает более объективный и убедительный результат. ИМ, основанный на обнаружении паттернов, может достичь точности> 80% с диагнозом, установленным экспертами ТКМ, и обнаружил, что существует семь синдромов, рассматриваемых как патогенез ИБС. С помощью этого алгоритма и метода комплексного сетевого анализа было установлено, что основным патогенезом ИБС в сочетании с артериальной гипертензией, диабетом, гиперлипемией и хронической сердечной недостаточностью является застой Ци, дефицит Ци-Инь, Дефицит Тань-Чжо и Ян соответственно. Изменение спектров фенотипов при сочетании ИБС с другими заболеваниями позволяет лучше понять индивидуальный подход к лечению ИБС с помощью ТКМ.
Авторские взносы
J. Chen, P. Lu, X. Zuo и Q. Shi внесли равный вклад в эту работу.
Благодарности
Эта работа была поддержана Национальной программой фундаментальных исследований Китая (Программа 973) в рамках гранта №. 2011CB505106, Фонд исследования общественных благ Национального департамента (200807007), Международное научно-техническое сотрудничество Китая (2008DFA30610) и Национальный научный фонд Китая (30
0 и 81173463).Каталожные номера
World Health Organization, World Health Statistics Annual, 1993 , World Health Organization, Geneva, Switzerland, 1994.
X. Wu, R. Jiang, M. Q. Zhang, and S. Li, на основе глобального вывода о генах болезней человека», Molecular Systems Biology , vol. 4, статья 189, стр. 1–11, 2008 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
S. Li, Z.
Zhang, L. Wu, X. Zhang, Y. Li и Y. Y. Wang, «Понимание ZHENG в традиционной китайской медицине в контексте нейроэндокринно-иммунной сети», IET Systems Biology , vol. 1, нет. 1, стр. 51–60, 2007 г.Посмотреть по адресу:
Сайт издателя | Google Scholar
C. Мацумото, Т. Кодзима, К. Огава и др., «Протеомный подход к диагностике «окэцу» (застой крови), патофизиологическая концепция японской традиционной (кампо) медицины», Доказательная дополнительная и альтернативная медицина , vol. 5, нет. 4, стр. 463–474, 2008 г.
Посмотреть по адресу:
Сайт издателя | Академия Google
С. Го, Дж. Х. Чен, Х. Х. Чжао и др., «Построение и оценка модели животных для синдрома в традиционной китайской медицине в контексте нестабильной стенокардии (миокардиальной ишемии) с помощью контролируемых методов интеллектуального анализа данных», Journal of Биологические системы , том.
17, нет. 4, стр. 531–546, 2009.Просмотр по адресу:
Google Scholar
Ю. Лю, Х. Дж. Инь и К. Дж. Чен, «Исследование корреляции между тромбоцитарным гельсолином и синдромом застоя крови при болезнь» Китайский журнал интегративной медицины , том. 17, нет. 8, pp. 587–592, 2011.
Посмотреть по адресу:
Google Scholar
Wang W. R., Lin R., Zhang H. et al., «Влияние отвара Buyang Huanwu на гемореологические расстройства и энергетический обмен» у крыс с ишемической болезнью сердца», Journal of Ethnopharmacology , vol. 137, нет. 1, стр. 214–220, 2011.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Р. Дж. Гиббонс, К. Чаттерджи, Дж. Дейли и др., «Рекомендации ACC/AHA/ACP-ASIM по ведению пациентов с хронической стабильной стенокардией: отчет Американского колледжа кардиологов/American Heart Целевая группа ассоциации по практическим рекомендациям (Комитет по ведению пациентов с хронической стабильной стенокардией)», Журнал Американского колледжа кардиологов , том.
33, нет. 7, стр. 2092–2197, 1999.Просмотр по адресу:
Google Scholar
Дж. Чен, Г. Си, Дж. Чен и др., «Открытие неконтролируемого паттерна (синдром в традиционной китайской медицине) алгоритм, основанный на ассоциации, очерченной пересмотренной взаимной информацией в данных о хронической почечной недостаточности», Journal of Biological Systems , vol. 15, нет. 4, стр. 435–451, 2007 г.
Посмотреть по адресу:
Сайт издателя | Академия Google
B. Phillip, «Исследовательский анализ социальных сетей с помощью pajek», Sociological Methods Research , vol. 36, pp. 563–564, 2008.
Просмотр по адресу:
Google Scholar
С. Ли, Б. Чжан, Д. Цзян, Ю. Ю. Вей и Н. Б. Чжан, анализ для раскрытия правила комбинации традиционных китайских травяных формул», BMC Bioinformatics , vol.
Zhang, L. Wu, X. Zhang, Y. Li и Y. Y. Wang, «Понимание ZHENG в традиционной китайской медицине в контексте нейроэндокринно-иммунной сети», IET Systems Biology , vol. 1, нет. 1, стр. 51–60, 2007 г.
17, нет. 4, стр. 531–546, 2009.
33, нет. 7, стр. 2092–2197, 1999.