目的系統評價中國人群結核病疾病負擔及其流行特征，為衛生資源配置與衛生政策制定提供依據。方法計算機檢索 PubMed、EMbase、CNKI、VIP 和 WanFang Data 數據庫，納入以結核病或肺結核疾病負擔為主題的研究文獻，檢索時限從建庫至 2017 年 8 月 1 日。由 2 名研究者獨立進行文獻篩選、數據提取和質量評價。對納入研究的結核病相關人口、死亡和疾病負擔進行統計分析。結果共納入 40 篇文獻。定性分析結果顯示：自 90 年代以來，我國結核病患病率及其疾病負擔逐年下降，但例均結核病疾病負擔和疾病總經濟負擔呈增長趨勢，1993 年至 2003 年疾病經濟負擔增長了 1.6 倍。我國結核病的疾病負擔男性高于女性，農村高于城市。2004 年農村與城市的每千人 YLL 比值為 2.18，2014 年降為 1.29。西、中、東部地區疾病負擔依次遞減，2014 年相對 2004 年結核病 YLL 下降 1.11，2014 年中部與東部地區結核病 YLL 分別是 0.48、0.25。近年來，肺結核疾病負擔的男女比例、城鄉、地區間的差距均逐漸縮小。結論中國結核病疾病負擔仍較重，結核病防治工作應結合其流行特征和疾病負擔變化與趨勢，針對不同地區、城鄉和年齡組人群優選衛生干預措施方案、優化衛生資源配置，在降低結核病發病率、死亡率的同時突出對耐藥結核病的重點防治，減少中老年人的疾病負擔，加強對青少年的結核病預防工作。
醫學信息化的高速發展和人工智能技術的不斷革新，使得充分利用數據分析或挖掘方法對醫學數據進行分析和預測成為可能，這不僅可為患者提供更加精準的診斷和治療依據，也可為政府和醫院合理調配醫療衛生資源提供重要決策參考。長短期記憶網絡作為機器學習方法中處理時間序列數據的經典模型，能夠突破統計學的一些局限而處理規模較為龐大且復雜的醫學時間序列數據。目前長短期記憶網絡在醫藥衛生和生物醫學領域的應用主要涉及 7 個應用主題，包括自然語言處理與文本挖掘、生物醫學信息、信號類、運動、臨床病歷、醫院管理、公共衛生及政策。
目的 探討呼吸中樞增加所造成的呼吸力學改變及其對吸氣開始信號的影響。方法 以10 例正常志愿者為研究對象, 采用CO2 重復呼吸的方法, 使呼氣末CO2 分壓( PCO2 -ET) 增高到最大耐受水平, 觀察呼吸中樞驅動增加時的呼吸力學和吸氣開始時相關信號的動態變化。結果 正常志愿者重復呼吸試驗最大可以耐受的PCO2 -ET 值為( 81. 2 ±6. 6) mmHg。隨著PCO2 -ET 逐漸升高,膈肌肌電圖的均方根( RMSdi) 、跨膈壓( Pdi) 和潮氣量( VT) 進行性增高, 而呼吸周期( Ttot) 逐漸縮短,PCO2 -ET水平從基礎值[ PCO2 -ET( level-0) ] 到最大值[ PCO2 -ET( level-4) ] , RMSdi 從( 17. 17 ±12. 41) μV 增加到( 147. 99 ±161. 64) μV, Pdi 和VT 分別由( 7. 5 ±1. 7) cm H2O和( 0. 68 ±0. 27) L 增加到( 26. 13 ±11. 51) cm H2O和( 2. 21 ±0. 37) L, 而Ttot從( 2. 91 ±0. 85) s 減少到( 1. 92 ±0. 39) s, RMSdi、Pdi、VT 和Ttot與PCO2 -ET 的動態變化呈高度線性相關( r 值分別為0. 956、0. 973、0. 956 和0. 89, P 均lt;0. 001) 。吸氣開始時, 最早出現吸氣信號改變為RMSdi, 其次為口腔壓( Pm) , 再次為吸氣流量( Flow) ; 隨著PCO2 -ET增加, Pm 和Flow 滯后于RMSdi 的時間逐漸延長, 而Flow 滯后于Pm 的時間不變。結論 膈肌肌電圖信號的出現先于其他吸氣相關信號, 隨著呼吸中樞驅動的增加, 傳統的吸氣同步信號口腔壓和吸氣流量滯后于膈肌肌電圖時間延長, 提示膈肌肌電圖可作為更加敏感的吸氣開始的信號,可以用于呼吸機的人機同步觸發, 改善同步性, 尤其是適合在中樞驅動異常增高的條件下。
目的分析人工智能方法在醫學領域應用的文獻傳播情況。方法計算機檢索 PubMed、EMbase 數據庫，搜集人工智能方法在醫學領域應用的相關文獻，采用 Pathfinder Networks（PFNETs）算法、共詞網絡分析和可視化技術分析文獻發文時間趨勢、期刊分布、重點期刊高頻醫學主題詞共詞結構等。結果人工智能方法在醫學領域應用的文獻逐年上升。以美國發文量最大，中國發文量世界第六（發展中國家第一）。來自美國和中國的第一作者數量位列前二位，明顯領先于其他國家。2012 年，計算機領域的 IEEE Trans Neural Netw Learn Syst 成為醫學領域人工智能方法研究與應用的主要發表期刊之一。近年來醫學應用較多的方法包括自然語言處理、神經網絡、支持向量機等。結論當前美國人工智能醫學應用研究處于全球領先地位，中國研究實力亦處于世界前列。醫學相關研究在交叉學科期刊上發文量逐漸增多，反映出人工智能與醫學學科交叉成為近年研究的熱點。