今天是:

学术论坛

当前位置: 首页 -> 人才培养 -> 研究生教育 -> 学术论坛 -> 正文
2022级研究生王彩丽、王立娜、王璇、魏会敏做第262期研究生学术汇报
发布日期:2024-04-01 字号:大 中 小 点击次数:

2024年3月28日,山东大学护理与康复学院本学年第13期、总第262期学术论坛于腾讯会议线上举行,本次学术论坛的汇报者为王彩丽、王立娜、王璇魏会敏,指导老师为刘双武老师。

第一位汇报者是2022及硕士研究生王彩丽,汇报的文章来自于Lancet Global Health期刊,题为“Economic evaluation of combined population-based screening for multiple blindness-causing eye diseases in China: a cost-effectiveness analysis”。该研究使用Markov模型分别建立了农村和城市环境中基于人群的五种常见致盲性眼病的联合筛查策略,并评价三种筛查策略的经济学效益。研究发现,在中国的农村和城市中,对多种致盲性眼病的人群筛查方案可能具有较高的成本效益。三种筛查策略(非远程医疗筛查、非AI远程医疗筛查、AI远程医疗筛查)均符合高成本效益的健康干预标准。此外,研究还发现,在中国农村和城市地区每年进行AI筛查都是最优的筛查策略。这提示我们,人工智能与远程医疗和移动医疗相结合,通过扩大医疗资源的覆盖范围,可以提高眼健康服务的质量、可持续性和公平性,将在低中等收入国家中产生社会效益和经济效益。


   


第二位汇报者是2022级硕士研究生王立娜,汇报的文章来自于 Journal of Affective Disorders期刊,题为“Cardiometabolic index is associated with increased depression: A population-based study”。文章选取了7229名年龄大于20岁的参与者,探讨了心血管代谢指数(CMI)与抑郁发生率之间的关系。这项研究基于2011至2018年的NHANES数据,使用多元逻辑回归和平滑曲线拟合来研究CMI与抑郁之间的联系。抑郁症是一种常见的心理疾病,其发病与脂质代谢紊乱密切相关。CMI是一个新指标,综合了血脂两个量化指标(甘油三酯/高密度脂蛋白胆固醇)和人体肥胖相关参数(腰高比)。研究结果表明,CMI与抑郁呈正相关。在完全调整模型中,CMI每增加一个单位,抑郁症状的可能性增加36%。处于CMI最高四分位数的参与者比最低四分位数的参与者抑郁风险高62%。这种正相关在有高血压的人群中更为显著。这可能表明,在心血管健康管理中,对于有高血压历史的人群,更应关注CMI的变化,以预防抑郁症的发生。通过对这篇文章的分析,可以看到心血管代谢健康与心理健康之间存在复杂的相互作用。这强调了综合考虑个体的心理和生理健康的重要性,以及在公共卫生策略中采取更为全面的健康管理方法的必要性。未来的研究需要进一步探索这些发现的潜在机制,并验证CMI作为预测工具在预防和管理抑郁症方面的有效性。   

  


第三位汇报者是2022级硕士研究生王璇,汇报的文章来自于Critical Care Medicine期刊,题为“Sex Differences in Vital Organ Support Provided to ICU Patients”。该研究数据基于在澳大利亚和新西兰重症监护协会的成人患者数据库(APD)中记录的ICU患者入院情况,共纳入699535名成人患者。通过逻辑回归比较患者在使用有创通气、无创通气(NIV)、血管活性药物、肾脏替代治疗、ECMO和这五种器官支持中的任何一种方面的性别差异。结果显示,在调整了诊断、疾病严重程度等重要混杂因素后,除ECMO外,女性获得的重要器官支持少于男性。尽管女性接受了侵入性较小的治疗,但女性死亡的可能性反而低于男性。女性的这种生存优势仅限于没有接受任何重要器官支持的亚组患者。而在接受一个或多个重要器官支持的患者中,女性和男性死亡的可能性相同。这启示我们,女性可能从保守的治疗方法中获益,临床决策者应该全面考虑危重症患者的疾病特点,在保证公平的基础上制订个性化的治疗方案。   


第四位汇报者是2022级硕士研究生魏会敏,汇报的文章为来自于International Journal of Nursing Studies期刊,题为“Developing a machine learning model for detecting depression, anxiety, and apathy in older adults with mild cognitive impairment using speech and facial expressions: A cross-sectional observational study”该研究旨在开发一种机器学习模型,以根据言语和面部表情检测和区分抑郁、焦虑和冷漠。该研究在北京一家三甲医院的记忆门诊招募319名患有轻度认知障碍的患者。抑郁、焦虑和冷漠分别采用公共卫生问卷、一般焦虑障碍和冷漠评价量表进行评价。同时,使用音频和视频录制软件对患有轻度认知障碍的老年人的言语和面部表情进行数字捕获。开源数据分析工具包用于提取语音、面部和文本特征。采用多类分类法开发分类模型,并解释模型中各特征的贡献。结果发现,采用随机森林方法建立多类情绪分类模型在情绪分类方面表现良好。本研究开发的机器学习模型在检测和区分抑郁、焦虑和冷漠方面表现出很强的分类性能。这种创新方法将文本、音频和视频相结合,为精确分类和远程监控护理实践中的这些症状提供了新方法。   


四位汇报者对相关学科领域的研究进行了精彩汇报,刘双武老师根据汇报内容进行了详细点评,提出了许多宝贵的建议,本次论坛拓宽了大家的学术视野,增长了前沿知识,收获颇丰,本期学术论坛圆满结束。