【摘 要】
：
背景:溃疡性结肠炎是一种慢性非特异性炎症性疾病,病变主要局限于黏膜和黏膜下层,临床症状主要表现为腹泻、脓血便、腹痛和里急后重等,可伴关节炎、皮肤病等肠外表现,是消化系统的难治病。中医辨证论治治疗本病,副作用小,疗效显著。导师李军祥教授根据多年治疗UC的临床经验创立具有清肠温中,化瘀止血的清肠温中方,用以治疗证属寒热错杂、湿热瘀阻的活动期溃疡性结肠炎取得很好的效果,导师认为缓解期溃疡性结肠炎之所以容
论文部分内容阅读
背景:溃疡性结肠炎是一种慢性非特异性炎症性疾病,病变主要局限于黏膜和黏膜下层,临床症状主要表现为腹泻、脓血便、腹痛和里急后重等,可伴关节炎、皮肤病等肠外表现,是消化系统的难治病。中医辨证论治治疗本病,副作用小,疗效显著。导师李军祥教授根据多年治疗UC的临床经验创立具有清肠温中,化瘀止血的清肠温中方,用以治疗证属寒热错杂、湿热瘀阻的活动期溃疡性结肠炎取得很好的效果,导师认为缓解期溃疡性结肠炎之所以容易复发,是因为患者仍然存在脾虚,湿热瘀阻伏于体内,所以缓解期患者应继续予以温中健脾,清热燥湿,活血化瘀法之清肠温中方进行治疗,预防疾病的复发。目的:观察清肠温中方对缓解期溃疡性结肠炎患者维持缓解、抗复发的疗效以及用药安全性,为临床广泛应用提供科学依据。方法:本研究的病例来源于北京中医药大学东方医院消化内科门诊患者。采用前瞻性观察性的研究方法,纳入符合标准的50例缓解期患者,给予清肠温中方并随症加减治疗,每日1剂,早晚饭后1小时分用,疗程一年。服药期间,患者需禁食牛奶、豆浆、辛辣、寒凉、粗纤维食物（如芹菜）,避免熬夜、劳累,避免受寒,调情志,避免生气等。研究过程中,患者每2个月接受访视,并填写中医证候积分量表、生存质量积分表,治疗满12月时接受肠镜检查,患者纳入研究时及治疗满12月均行安全性检查。研究数据采用SPSS 17.0统计软件进行统计分析。结果:（1）纳入患者的一般情况本研究共纳入患者50例,脱落7例,最终完成研究43例。性别方面,男性患者32例,占64.0%;女性患者18例,占36.0%。年龄方面,本研究纳入患者,年龄最小22岁,年龄最大65岁;各年龄组中以41-50岁所占的比例最高,占总人数的32.0%,其次是21-30岁年龄组以及31-40岁年龄组,两组患者各12例,均占总人数的24.0%;51-60岁年龄组的患者8例,占总人数的16.0%;61-65岁年龄组患者共2例,占总人数的4.0%;纳入的患者中,未出现18～20岁年龄组的患者。病程方面:病程在1-3年以及5-10年两个时间段中,患者数量出现高峰,＜1年者,1例;1-3年者,16例;3-5年者,9例;5-10年者,15例;10年及以上者,9例。病变范围方面:直肠型患者所占比例最高,直肠型患者19例,占总人数的38.0%;左半结肠型患者17例,占总人数的34.0%;广泛结肠型患者14例,占总人数的28.0%。（2）复发患者的基本情况:性别:复发的患者中,男性6例,女性2例。年龄:21-30岁年龄组的患者,复发人数最高,为4例,均为男性;41-50岁年龄组复发3例,女性2例,男性1例;51-60岁年龄组的复发患者为男性,1例。病程:本研究中,病程在5-10年的患者占复发总人数的50%,远高于其余病程组。病变范围:直肠型患者复发2例占复发总人数的25%,左半结肠型复发4例,占复发总人数的50%,广泛结肠型患者复发2例,占复发总人数的25%。（3）清肠温中方维持缓解的疗效分析:缓解期UC患者口服清肠温中方1年,维持缓解率为70%,患者生存质量评分在肠道症状、全身症状、情感能力、社会能力以及IBDQ总分方面均呈总体上升趋势;其中,全身症状、情感能力、社会能力以及IBDQ总分均较基线有明显提高（p＜0.05或p＜0.01）。清肠温中方在改善中医证候方面,特别是便溏、腹痛方面,疗效显著,较基线相比,差异具有统计学意义（p＜0.05或p＜0.01）。结论:清肠温中方能够有效维持缓解期溃疡性结肠炎的远期疗效,维持缓解率为70%,并能显著改善患者腹痛、便溏、腹胀、食少等临床症状,提高生存质量,且无明显不良反应。
其他文献
近年来,人工智能飞速发展,正在以空前的广度和深度推动社会进步。作为当前人工智能技术的重要分支之一,深度神经网络被广泛应用于图像分类、语音识别、自然语言处理等领域,发挥了不可替代的作用。训练深度神经网络需要大量的训练数据、强大的计算能力、相关的专业知识和专业经验。因此,一个训练好的高性能深度神经网络具有很高的价值,通常被视作模型所有者的知识产权。模型所有者可以基于自己拥有的模型对外提供付费服务,也可
传统的集中式联邦学习系统依赖一个中央服务器来协调全局模型的训练过程。然而,集中式联邦学习的前提是所有客户端信任一个中央机构,一旦中央服务器出现单点故障,将导致系统崩溃和全局模型训练的失败。此外,系统中通常涉及大量的客户端,每个客户端与中央服务器进行直接通信和多轮次交互,这需要负担巨大的通信成本。因此,集中式联邦学习系统可能会出现单点故障和通信开销大的问题。事实上,在许多实际场景中的网络通常是点对点
近年来,随着计算机计算能力的显著提升和数据量的大幅度增长,以深度神经网络模型为基础的深度学习算法快速发展,广泛应用于计算机视觉、自然语言处理、智能控制等诸多领域,甚至引发了新一轮的工业革命。然而,随着对深度学习技术研究的深入,人们发现其很容易受到对抗样本的欺骗。所谓对抗样本,是指攻击者人为地在原本能够被正确推理的数据中,添加微小的甚至人类难以察觉的对抗性噪声,从而生成的恶意样本,它可以误导目标模型
联邦学习（Federated Learning）能够使用来自大规模节点的本地数据集进行分布式模型训练,由于联邦学习在解决“数据孤岛”问题和保护数据隐私方面具有巨大优势,近年来迅速成为安全机器学习领域的研究热点。联邦学习的成功离不开分布式节点的积极参与,而长期机制的目的在于增加系统中用户节点的粘性,确保用户能够长期参与到系统中来,因此针对联邦学习系统中长期机制的研究与设计必不可少。在本文中,我们针对
随着人工智能逐渐走向大规模和分布式,联邦学习作为一种隐私保护的分布式模型训练技术逐渐成为研究人员的关注重点。联邦学习可以在多方数据拥有者不进行数据共享的情况下,共同学习得到一个全局最优的机器学习模型。但联邦学习框架分布式特性也带来了潜在恶意参与者。本意为避免第三方进行隐私窥探的安全聚合协议,却使得针对联邦学习算法的模型攻击变得更加隐蔽且难以检测。基于数据投毒的后门攻击是一种隐蔽性极高的模型攻击方法
信息技术的快速发展将人类带入了大数据时代,利用大数据相关技术,政府和企业能够对用户数据进行分析,发现数据背后的规律,为决策提供参考,提高生产和工作效率。大数据技术的本质是对海量数据进行采集、分析、关联,以构建普适性的决策模型。在此过程中,为提高数据分析的效果,各数据中心需要将本地用户数据进行发布和共享,存在敏感数据泄露的问题。同时,随着数据采集手段的多样化,数据中心收集的用户数据日趋复杂,形成了大
研究目的:近年来随着溃疡性结肠炎（ulcerative colitis,UC）发病率的逐年增高,已成为世界卫生组织公认的难治性疾病之一。目前UC的治疗主要以活动期诱导缓解和缓解期维持缓解为主,但UC缓解期极易复发,常反复发作,很难达到临床完全痊愈是UC治疗中的重要难题,而脾虚是缓解期UC的主要发病机制,目前已有大量研究证实肠道菌群菌群的失调程度与疾病的分期及活动程度相关联。故本研究主要目的为明确缓
当今社会,在大量涌入的数据、复杂的算法和广泛的计算资源推动下,大数据和机器学习技术发展迅速,在医学诊断、面部识别和信用风险评估等多种不同领域展现了强大的优势。在此基础上,大量云服务提供商利用已经训练好的模型为用户提供预测服务,用户只需要将数据上传给云服务器,就可以得到预测结果。然而机器学习在提供便利的同时,存在着用户私人数据泄露以及服务商非法收集利用用户数据的问题,一旦数据泄露,将会对用户的隐私造
随着自动驾驶技术的发展,车辆将能够提供更强大的计算能力和更为多元及便捷的服务。车联网技术将行进中的自动驾驶车辆作为信息感知的对象,通过传感、无线通信、互联网和控制技术的综合应用,实现人,车,路之间的信息交换和共享,为城市交通效能与城市生活水平带来显著提升。但与此同时,车联网中日益复杂多样的攻击行为也在威胁着自动驾驶车辆的行驶安全和通信安全。因此,在车联网中检测攻击行为和建立防御模型及防御数据库就变
研究背景骨髓增生异常综合征（MDS）是一组表现为外周血细胞一系或多系减少、骨髓造血细胞一系或多系发育异常与无效造血的造血干细胞克隆性疾病,其异质性大,部分患者可演变为急性髓系白血病。MDS患者自然病程和预后差异大,治疗方案宜个体化,而准确的判断预后是治疗方案制定的重要依据。目前评估预后的国际积分有IPSS、IPSS-R、WPSS积分,针对免疫表型的FCSS积分,针对合并疾病的MDS-CI评分,广泛