留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

心脉隆注射液对脓毒症心肌病的临床疗效观察

李文卓 杨莉 夏婧

赵珊, 高赛, 李堂春, 赵钟鸣, 吴亚婷, 郑敏. 云南省孕产妇死亡率预测模型的构建与评估[J]. 昆明医科大学学报, 2025, 46(2): 110-117. doi: 10.12259/j.issn.2095-610X.S20250216
引用本文: 李文卓, 杨莉, 夏婧. 心脉隆注射液对脓毒症心肌病的临床疗效观察[J]. 昆明医科大学学报, 2022, 43(12): 111-116. doi: 10.12259/j.issn.2095-610X.S20221221
Shan ZHAO, Sai GAO, Tangchun LI, Zhongming ZHAO, Yating WU, Min ZHENG. Construction and Evaluation of Maternal Mortality Prediction Model in Yunnan Province[J]. Journal of Kunming Medical University, 2025, 46(2): 110-117. doi: 10.12259/j.issn.2095-610X.S20250216
Citation: Wenzhuo LI, Li YANG, Jing XIA. Efficacy of Xinmailong Injection on Septic Cardiomyopathy[J]. Journal of Kunming Medical University, 2022, 43(12): 111-116. doi: 10.12259/j.issn.2095-610X.S20221221

心脉隆注射液对脓毒症心肌病的临床疗效观察

doi: 10.12259/j.issn.2095-610X.S20221221
基金项目: 云南省卫生内设研究机构基金资助项目(2018NS0148)
详细信息
    作者简介:

    李文卓(1997~ ),女,吉林白山人,在读硕士研究生,主要从事急危重症临床及研究工作

    通讯作者:

    夏婧,E-mail: 15987191084@163.com

  • 中图分类号: R453.9

Efficacy of Xinmailong Injection on Septic Cardiomyopathy

  • 摘要:   目的   探讨心脉隆注射液在脓毒症性心肌病治疗中的作用。   方法   采用随机对照、单盲法进行研究。36例诊断脓毒症性心肌病患者被随机分为对照组(n = 19)和心脉隆治疗组(n = 17)。2组患者均按照《2018脓毒症和脓毒性休克的管理国际指南》给予规范治疗,治疗期间利用PICCO 监测仪进行血流动力学监测。试验组在规范治疗基础上加用心脉隆注射液治疗,对照组同期进行0.9%氯化钠注射液进行输注。分别于治疗开始前、开始后24 h、72 h、120 h抽取患者外周静脉血,检测肌钙蛋白I、B型脑利钠尿肽,多普勒超声心动图评价心脏功能,比较PICCO显示血流动力学血相关指标。实验数据采用SPSS 19.0统计学软件包结合相关专业进行统计学分析。   结果   与对照组比较,试验组肌钙蛋白I、B型脑利钠尿肽水平明显下降;左室射血分数、三尖瓣环收缩期偏移幅度、E/A升高,E峰减速时间缩短;每搏量指数、心功能指数升高,差异具有统计学意义(P < 0.05)。   结论   心脉隆注射液对改善脓毒症性心肌病患者的心功能有一定作用。
  • 孕产妇死亡率(maternal mortality rate,MMR)是反映国家或地区经济、教育、卫生等社会因素的敏感指标,也是衡量母婴安全、妇女健康状况和生存质量的重要尺度[1],也被列入联合国千年发展目标(Millennium Development Goals,MDGs)和可持续发展目标(Sustainable Development Goals,SDGs)的具体指标之一[2]。我国政府高度重视孕产妇死亡控制工作,先后颁布的《“健康中国2030”规划纲要》《中国妇女发展纲要(2021—2030年)》对孕产妇健康提出高要求[3]。云南省政府颁布《云南妇女发展规划(2021—2030年)》提出“2030年全省MMR下降至9/10万”的目标[4]

    通过构建统计模型来预测事物的发生发展趋势是认识事物发展规律及制定决策的一个重要手段和措施[5]。国内学者使用不同预测模型对全国或部分省份的孕产妇死亡率进行了预测及模型评估,其中,差分自回归移动平均模型(auto regressive integrated moving average model,ARIMA)和灰色预测模型GM(1,1)适用于短、中长或长期时间序列数据预测。ARIMA模型作为一个经典的时间序列预测模型,经验证对MMR的预测精度较好[6-7]。GM(1,1)模型是较为常见、且比较成熟的时间序列预测模型,因模型构建过程简单,只需要历史数据即可进行建模预测,可行性较高。两类模型均被广泛应用于疾病发病率和死亡率预测、妇幼保健指标预测、卫生人力资源和卫生费用预测、药品价格预测、门诊量预测等医疗卫生领域,为医疗决策的有效制定提供了科学依据[8]

    孕产妇死亡率影响因素多、地区差异大,不同预测模型对不同地区的预测效果可能不同。尚无学者对云南省孕产妇死亡率预测模型构建和模型预测效果比较的相关研究报道,本研究基于1994—2023年云南省MMR,构建ARIMA和GM(1,1)模型,并对模型拟合效果进行比较,选择最优模型对2024—2030年云南省MMR进行预测,为我省卫生行政部门制定年度MMR控制目标和实现2030年MMR目标保障政策提供参考依据。

    本研究数据来源于云南省妇幼卫生年报(1994—2023年),收集1994—2023年共30年云南省MMR数据。

    灰色预测模型(GM(1,1)) GM(1,1)的理论步骤[911],见图1

    图  1  GM(1,1)模型建立流程图
    Figure  1.  Flowchart for the establishment of the GM(1,1) model

    ARIMA模型ARIMA(p,d,q)模型由3个主要参数决定,q为滑动平均系数,表示误差项滞后q阶。q参数由偏自相关函数(partial auto correlation function,PACF)决定,p参数由自相关函数(auto correlation function,ACF)决定。参数d指的是实现平稳性所需的差异,根据数据的性质来确定的。运用SPSS 26.0软件进行ARIMA模型构建,确定时间序列的性质是否平稳,如果时间序列不平稳,则进行差分处理,直到序列平稳;通过Ljung-BoxQ检验判断数据是否为白噪声序列。根据ACF和PACF的图形走向,确定自回归项和移动平均项的阶数;建立ARIMA模型,进行参数估计和模型检验。

    经过计算不同模型的平均绝对误差(mean absolute error,MAE)、均方误差(mean squared error,MSE)和均方根误差(root mean squared error,RMSE)来进行模型间的比较,误差越小拟合数据越好[9]

    $$\tag{8} {\mathrm{MAE}} = \frac{{\displaystyle\sum\nolimits_{i = 1}^n {\left| {{y_i} - {x_i}} \right|} }}{N} $$ (1)
    $$\tag{9} {\mathrm{MSE}} = \frac{{\displaystyle\sum\nolimits_{i = 1}^n {{{({y_i} - {x_i})}^2}} }}{N} $$ (2)
    $$ \tag{10} {\mathrm{RMSE}} = \sqrt {\frac{{\displaystyle\sum\nolimits_{i = 1}^n {{{({y_{^i}} - {x_i})}^2}} }}{N}} $$ (3)

    其中,$ {y_i} $为真实数据,$ {x_i} $为预测数据,n为数据个数。

    用趋势卡方检验分析近30年云南省MMR变化趋势,α取0.05。用R 4.3.1软件建立GM(1,1)模型并进行拟合精度检验。用SPSS 26.0软件进行ARIMA模型建立、预测和分析拟合效果。

    云南省MMR从1994年的149.19/10万下降到2023年的9.70/10万,下降了139.49/10万,降幅为93.5%,整体呈持续下降趋势(χ2 = 50170.0P < 0.05),见图2

    图  2  1994—2023云南省孕产妇死亡率变化趋势
    Figure  2.  Trend of maternal mortality in Yunnan Province from 1994 to 2023

    1994—2023年云南省MMR的GM(1,1)预测结果计算得ɑ = 0.094,u = 172.865。所以GM(1,1)为:

    $$ x(1)(t + 1) = -1697.96e^{-0.094t}+1847.15 $$

    发展系数-a < 0.3,说明模型适用于中长期预测。经拟合优度检验,后验差比值C = 0.079,小概率误差P = 1,预测精确度为1级,模型可进行外推。据数据分布散点图判断,其拟合效果较为接近真实值,但1997、2001和2006年预测值与真实值之间偏差分别为8.19/10万、8.37/10万和9.84/10万,其他年份偏差则均小于5/10万,见图3

    图  3  GM(1,1)预测值与真实值的散点图分布
    Figure  3.  Scatter plot distribution of GM (1,1) predicted values and the actual values
    2.3.1   平稳性检验

    通过原始时序图4可知序列有长期递减趋势,进行ACF、PACF图检验,可判定原始时间序列为非平稳序列,见图5图6

    图  4  原始时间序列
    Figure  4.  Original time series
    图  5  原始时间序列ACF图
    Figure  5.  ACF plot of the original time series
    图  6  原始时间序列偏ACF图
    Figure  6.  Partial ACF plot of the original time series
    2.3.2   ARIMA模型构建

    模型识别因1994—2023年云南省MMR的时间序列是非平稳序列,需要对原始序列差分消除趋势性影响。经过一次差分后,时间序列没有达到平稳化进行两次差分,在两次差分后,时间序列达到了平稳化,见图7

    图  7  二阶差分序列
    Figure  7.  Second-order difference sequence

    进行ACF和PACF图检验,观察截尾性,可以看到二阶差分后的ACF和PACF呈现不规则变化,回归系数p = 1,移动平均值q = 1,见图8图9

    图  8  二阶差分序列ACF图
    Figure  8.  ACF plot of the second-order difference sequence
    图  9  二阶差分序列PACF图
    Figure  9.  PACF plot of the second-order difference sequence

    根据确定的p,d,q3个参数确定ARIMA(1,2,1)Ljung-BoxQ(LBQ) = 22.087,P = 0.14 > 0.05,差异无统计学意义,残差序列不存在自相关。构建的ARIMA(1,2,1)为最优模型,拟合后的残差项为白噪声序列,无须继续建模,见图10。最终拟合效果显示:ARIMA模型拟合值与实际值之间存在一定偏差,2005年前较为明显,见图11

    图  10  白噪声检验图
    Figure  10.  White noise test plot
    图  11  ARIMA拟合效果
    Figure  11.  ARIMA fitting results

    从两个模型对比来看,GM(1,1)灰色预测模型的整体偏差率低于ARIMA(1,2,1)模型 ,模型预测效果更好,见表1

    表  1  两种模型预测结果
    Table  1.  Prediction results of the two models
    年份 GM(1,1)
    偏差率(%)
    平均偏
    差值(%)
    ARIMA
    (1,2,1)
    偏差率(%)
    平均偏
    差值(%)
    1994 / 4.15 / 6.01
    1995 −2.14 /
    1996 −0.84 −12.81
    1997 8.19 −0.45
    1998 1.93 −9.79
    1999 −2.94 −9.39
    2000 0.30 6.38
    2001 −8.37 −3.99
    2002 −5.18 4.73
    2003 −2.47 8.62
    2004 0.03 3.59
    2005 3.82 3.18
    2006 9.84 4.71
    2007 1.05 −11.31
    2008 4.47 0.13
    2009 0.61 −0.26
    2010 0.00 −0.53
    2011 0.77 3.16
    2012 −2.90 −2.29
    2013 −1.41 1.97
    2014 −3.49 0.11
    2015 0.29 4.02
    2016 2.01 2.71
    2017 0.29 −3.5
    2018 0.27 −1.57
    2019 −1.58 −1.58
    2020 −2.20 −0.45
    2021 −1.41 1.8
    2022 0.15 2.12
    2023 −1.34 −1.93
    下载: 导出CSV 
    | 显示表格

    经模型构建,GM(1,1)和ARIMA预测拟合效果不同,见图12

    图  12  两种模型的预测效果趋势
    Figure  12.  Trend of prediction effects of the two models

    经过构建预测效果比较,GM(1,1)的MAE、MSE、RMSE均比ARIMA小,可以说明GM(1,1)比ARIMA预测效果好,见表2

    表  2  两种模型的指标数据值比较
    Table  2.  Comparison of indicator data values between the two models
    模型 指标数据值比较
    MAE MSE RMSE
    GM(1,1) 2.4238 12.39 3.52
    ARIMA 3.9659 27.65 5.25
      MAE,平均绝对误差;MSE,均方误差;RMSE,均方根误差。
    下载: 导出CSV 
    | 显示表格

    选用GM(1,1)对云南省2024—2030年MMR进行预测,结果显示2024—2030年的孕产妇死亡率依然呈下降趋势,见图13

    图  13  2024—2030年云南省孕产妇死亡率预测值(1/10万)
    Figure  13.  Predicted maternal mortality rate in Yunnan province in 2024—2030 (1/100000

    自2000年MDGs提出“2015年MMR较1990年降低3/4,实现普遍享有生殖保健”以来,全球孕产妇死亡率呈明显下降趋势。我国2014年MMR下降至21.7/10万,较1990年88.8/10万相比,下降了75.6%,提前1年实现MDGs[12]。2015年9月联合国可持续发展峰会上193个成员国正式通过的SDGs中,第3项提出“2030年将全球MMR降至70/10万,所有国家MMR均不超过全球平均水平的2倍(140/10万)。2010年420/10万及以下的国家2030年MMR较2010年下降2/3”[13]。但全球各地孕产妇死亡下降情况各异,不同发达地区MMR也各不相同,2010—2020年高收入国家MMR的平均水平为12.3/10万,中高收入国家的平均水平为44.1/10万。发达国家中42个国家孕产妇死亡率呈现不同程度下降,下降速度最快的是塞舌尔(年平均变化速度8.6%)。发展中国家中35个国家MMR呈现不同程度下降,下降最快的是白俄罗斯(年平均变化速度为8.0%),2个国家几乎没有变化,14个国家呈上升趋势[14]。2020年,我国MMR为16.9/10万,比2010年降低43.7%,指标水平居全球中高收入国家前列,被世界卫生组织评定为“全球十个妇幼健康高绩效国家之一”[1517]。1991—2021年我国MMR呈现明显的下降趋势,年平均下降速度为5.00%,平均下降速度明显高于世界及中高等收入国家的平均水平[1819]

    1994—2023年云南省MMR从149.19/10万下降至9.7/10万,年平均下降速率为8.86%,高于我国1991—2021年MMR年平均下降速率5.00%,也高于海南省2003—2022年MMR年平均下降速率4.13%[20]。2023年,云南省MMR低于全国平均水平,母婴安全核心指标创云南最优水平[21]。云南省在国家母婴安全工作总体部署下,结合本省实际,加强顶层设计,巩固完善制度,优化资源配置,出台有关制度规范持续推进孕产妇健康管理和危重救治服务网络建设,提升服务质量,促进了云南省MMR持续降低。同时,提示云南省MMR在经过快速下降后,当前已到达低位,随着生育政策调整,云南省MMR保持低位且稳中有降面临较大挑战,要进一步下降难度可能有所增加,仍需继续加强孕产妇健康管理工作。

    MMR受经济社会发展状况、居民健康意识、医疗资源分配、服务公平性、可及性和服务质量等因素影响,而不同地区的影响因素各不相同。因此,不同预测模型在不同地区的预测效果可能存在不同。本研究显示GM(1,1)对云南省MMR的预测效果较好,与张亚慧[22]对中国孕产死亡率预测和张彬等[23]对我国农村预测结果相同。可能由于GM(1,1)模型精度较高,运算简便,建模所需信息少,对原始数据资料的限制较少,运用比较灵活,可被广泛运用于短期预测[10]。用该模型预测云南省2030年MMR为5.73/10万,可达到《健康中国“2030”规划纲要》《中国妇女发展纲要(2021—2030年)》《健康云南“2030”规划纲要》中的MMR控制目标。

    本研究发现,GM(1,1)对云南省MMR的预测拟合优度较好,可进一步将该统计模型应用于婴儿死亡率、5岁以下儿童死亡率等妇幼健康核心指标,为该省2030年实现可持续发展目标中的妇幼健康指标控制目标提供对策与建议。本次构建的GM(1,1)中仅有3个年份预测值与真实值之间差异略高,提示单一的时间趋势预测模型难以对波动较大的时间点进行更精准的预测,后续研究可加入更多孕产妇死亡率影响因素进行预测模型的构建。

    综上所述,统计模型在MMR变化趋势和预测应用具有良好的效果和较强的现实意义,可为卫生健康行政部门判断妇幼健康政策效果,为未来妇幼健康指标发展趋势提供理论依据。

  • 图  1  患者纳入过程

    Figure  1.  The process of patients inclusion

    表  1  2组患者基本情况比较( $ \bar x \pm s $)

    Table  1.   Baseline Participant Characteristics ( $ \bar x \pm s $)

    指标 试验组 对照组 χ2/t P
    性别(男/女) 10/7 11/8 0.003 0.955
    年龄(岁) 54.65 ± 12.32 53.25 ± 11.87 0.297 0.803
    身高(cm) 164.65 ± 12.31 166.87 ± 13.62 −0.212 0.832
    APECHEII评分 19.12 ± 5.28 18.97 ± 5.59 1.766 0.079
    血液净化(有/无) 15/2 16/3 0.122 0.726
    下载: 导出CSV

    表  2  2组患者不同时间点试验室指标比较( $ \bar x \pm s $)

    Table  2.   Comparison of laboratory parameters between two groups of patients at different time points ( $ \bar x \pm s $)

    指标 试验前 试验24 h 试验72 h 试验120 h F P
    BNP(pg/mL)
     试验组 885.76 ± 142.43 762.86 ± 143.54 497.59 ± 132.37 255.92 ± 46.43 132.119 < 0.001 *
     对照组 839.54 ± 231.43 759.63 ± 183.57 553.52 ± 142.65 480.76 ± 143.54 0.831 0.370
    肌钙蛋白I(ng/mL)
     试验组 4.37 ± 1.43 3.28 ± 1.09 1.62 ± 0.78 0.47 ± 0.16 26.899 < 0.001 *
     对照组 5.02 ± 2.82 4.88 ± 1.43 3.35 ± 1.02 1.77 ± 0.57 0.030 0.864
      与实验前比较,P < 0.05;不同时间点指标变化有趋势, *P < 0.05。
    下载: 导出CSV

    表  3  2组患者不同时间点心脏彩超相关指标比较( $ \bar x \pm s $)

    Table  3.   Comparison of Echocardiography at different time points between two groups of patients ( $ \bar x \pm s $)

    指标 试验前 试验24 h 试验72 h 试验120 h F P
    左室射血分数(%)
     试验组 35.76 ± 4.54 42.54 ± 8.43 49.56 ± 8.92&△ 51.32 ± 8.76&△# 4.836 0.081
     对照组 36.32 ± 5.42 39.52 ± 4.32 45.72 ± 10.87 49.76 ± 10.42 0.681 0.417
    左室舒张末内经 (mm)
     试验组 68.32 ± 7.55 67.27 ± 7.12 65.28 ± 6.84 64.33 ± 7.62 8.095 0.009*
     对照组 68.47 ± 8.21 65.54 ± 7.36 66.78 ± 7.52 66.13 ± 7.01 0.013 0.911
    左室收缩末内经 (mm)
     试验组 59.77 ± 10.46 57.92 ± 11.34 57.38 ± +9.27 56.79 ± 11.66 8.707 0.007*
     对照组 59.67 ± 10.28 57.32 ± 10.39 56.48 ± 10.99 57.24 ± 10.31 0.287 0.594
    二尖瓣血流频谱E/A峰
     试验组 3.36 ± 0.52 0.92 ± 0.28 0.72 ± 0.32&△ 1.49 ± 0.34&△# 10.397 0.003*
     对照组 3.95 ± 0.58 1.32 ± 0.31 0.66 ± 0.23 1.01 ± 0.31 0.110 0.741
    E峰减速时间(ms)
     试验组 133.62 ± 25.32 169.47 ± 43.76 256.87 ± 80.92&△ 205.53 ± 86.54&△# 26.899 < 0.001 *
     对照组 129.53 ± 35.72 148.93 ± 69.42 289.06 ± 76.43 244.65 ± 73.52 0.555 0.458
    三尖瓣环收缩期偏移幅度(mm)
     试验组 11.33 ± 2.87 13.75 ± 5.42 15.87 ± 4.72&△ 16.89 ± 3.72&△# 10.542 0.002*
     对照组 12.17 ± 3.72 12.98 ± 3.92 13.37 ± 3.31 14.28 ± 3.09 1.173 0.283
      与试验前比较,P < 0.05;与试验后24 h比较, P < 0.05; 与试验后72 h比较, P < 0.05;不同时间点指标变化有趋势, *P < 0.05。
    下载: 导出CSV

    表  4  2组患者不同时间点血流动力学相关指标比较( $ \bar x \pm s $)

    Table  4.   Comparison of hemodynamic related parameters between two groups of patients at different time points ( $ \bar x \pm s $)

    指标 试验前 试验24 h 试验72 h 试验120 h F P
    每搏量指数(mL/m2
     试验组 34.20 ± 9.87 38.32 ± 11.77 44.81 ± 10.62&△ 52.45 ± 9.42&△# 29.843 < 0.001 *
     对照组 35.61 ± 13.33 36.67 ± 11.24 40.12 ± 10.74 45.32 ± 9.38 0.107 0.745
    外周血管阻力指数(dyn*s*cm−5*m2
     试验组 2632.4 ± 314.3 2457.64 ± 367.3 1989.4 ± 344.7&△ 1682.7 ± 276.5&△# 131.768 < 0.001 *
     对照组 2790.6 ± 267.7 2637.2 ± 268.3 2293.2 ± 275.7 1983.2 ± 256.2 0.121 0.742
    全心舒张末容积指数(mL/m2
     试验组 945.2 ± 203.6 908.9 ± 197.3 809.3 ± 184.9&△ 779.6 ± 191.7&△# 78.608 < 0.001 *
     对照组 949.3 ± 233.5 891.7 ± 186.3 822.2 ± 191.4 793.6 ± 205.2 4.937 0.071
    心功能指数(L/min·m2
     试验组 3.21 ± 0.56 3.87 ± 0.71 4.94 ± 0.85&△ 5.32 ± 0.78&△# 9.095 0.005*
     对照组 3.17 ± 0.47 3 .54 ± 0.72 4.58 ± 0.88 4.91 ± 0.69 1.103 0.261
      与试验前比较,P < 0.05;与试验后24 h比较, P < 0.05; 与试验后72 h比较, P < 0.05;不同时间点指标变化有趋势, *P < 0.05
    下载: 导出CSV
  • [1] 田慈,谢苗荣. 脓毒症心肌损伤机制的研究进展[J]. 临床和实验医学杂志,2013,12(2):148-150.
    [2] Lv X,Wang H. Pathophysiology of sepsis-induced myocardial dysfunction[J]. Military Medical Research,2016,3(4):202-211.
    [3] Wacharasint P,Nakada T A,Boyd J H. Normal-range blood lactate concentration in septic shock is prognostic and predictive[J]. Shock,2012,38(1):4-10. doi: 10.1097/SHK.0b013e318254d41a
    [4] 黄小春. 心脉隆注射液联合常规临床干预治疗冠心病并发心力衰竭患者的效果[J]. 中外医学研究,2022,20(28):134-137.
    [5] 周杨,彭芳. 心脉隆注射液与多种药物治疗心力衰竭的疗效和安全性分析[J]. 当代医药论丛,2020,18(13):60-63.
    [6] 李真玉,陈兵,李广平. 脓毒症心肌抑制的诊治进展[J]. 中国循环杂志,2015,30(07):705-707.
    [7] 肖军,唐发宽,王洪叶. 心脉隆注射液对急性心肌梗死患者脑钠肽的影响及其临床意义[J]. 医学综述,2010,16(17):2679-2681.
    [8] Rognoni A,Lupi A,Lazzero M. Levosimendan:From basic science to clinical trials[J]. Recent Pat Cardiovasc Drug Discov,2011,6(1):9-15. doi: 10.2174/157489011794578455
    [9] Morgan P,Al-Subaie N,Rhodes A. Minimally invasive cardiac output monitoring[J]. Curr Opin Crit Care,2008,14(3):322-326. doi: 10.1097/MCC.0b013e3282fd6e4a
    [10] Lena M Napolitano. Sepsis 2018:Definitions and guideline changes[J]. Surg Infect (Larchmt),2018,19(2):117-125. doi: 10.1089/sur.2017.278
    [11] 样雪婷, 张惠锋. 补产超广谱β-内酰胺酶肠杆菌科细菌感染患者使用抗菌药物的药物评价[J]昆明医科大学学报, 2022, 43 (6): 74-78.
    [12] Hochstadt A,Meroz Y,Landesberg G. Myocardial dysfunction in severe sepsis and septic shock:More questions than answers[J]. J Cardiothorac Vasc Anesth,2011,25(3):526-535.
    [13] 潘小进,孙华. 兔脓毒症早期心肌功能的变化[J]. 中国危重病急救医学,2004,16(6):355-357.
    [14] 江利冰,李瑞杰,张斌,等. 2016年脓毒症与脓毒性休克处理国际指南[J]. 中华急诊医学杂志,2017,26(3):263-266.
    [15] 刘峰宇,孙同文. 脓毒症心肌病的诊疗进展[J]. 中华急诊医学杂志,2022,31(7):858-861.
    [16] 耿丽娟,李素玮,张永利,等. 脓毒症心肌损伤发病机制的研究进展[J]. 中华内科杂志,2015,54(1):77-80.
    [17] 王维雯,李德霞,张杰,等. 射血分数降低的心力衰竭患者血清可溶性ST2与心脏重构的相关性[J]. 昆明医科大学学报,2021,42(08):71-77.
    [18] Kakihana Y,Ito T,Nakahara M,et al. Sepsis-induced myocardial dysfunction:Pathophysiology and management[J]. J Intensive Care,2016,4(1):22. doi: 10.1186/s40560-016-0148-1
    [19] Esper A M,Martin G S. Extending international sepsis epidemiology:The impact of organ dysfunction[J]. Crit Care,2009,13(1):120. doi: 10.1186/cc7704
    [20] Rhodes A,Evans L E,Alhazzani W,et al. Surviving sepsis campaign: International guidelines for management of sepsis and septic shock:2016[J]. Intensive Care Med,2017,43(3):304-377.
    [21] 卢年芳,於江泉,邵俊,等. 超声心动图心室功能指标与脓毒症患者预后关系的研究[J]. 中华危重病急救医学,2022,34(7):740-745.
  • [1] 李从信, 岳海东, 朱鹏熹, 黄光仙, 沐领捷, 彭亚男, 王怡洁, 杨洋.  老年脓毒症患者不同维生素D3水平与免疫炎症指标相关性分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20250208
    [2] 刘幸, 李畏娴, 朱翔, 刘梦醒, 李娜, 夏加伟, 张乐, 武彦, 李生浩.  基于Lasso回归构建恙虫病合并脓毒症的列线图模型, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240906
    [3] 牛俊杰, 姬文娟, 于拽拽.  肠道菌群、血清ET、PCT水平与脓毒症病情程度、预后的相关性, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240420
    [4] 薛淋淋, 李秉翰, 刘春云, 李卫昆, 常丽仙, 李慧敏, 祁燕伟, 刘立.  预测普通病房中丙型肝炎肝硬化并脓毒症患者潜在死亡列线图的建立及评价, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20230630
    [5] 张赛琼, 李武全, 陈青江.  连续性肾脏替代治疗应用于重度烧伤脓毒症的临床疗效, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20231114
    [6] 李从信, 张大鹏, 沐领捷, 杨吉林, 董丽宏, 王怡洁.  HCT-ALB在脓毒症相关性脑病早期诊断中的运用价值, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220901
    [7] 王虹, 杨德兴, 王强, 周维钰, 唐杰夫, 王振方, 付凯, 刘圣哲, 刘荣.  ICU脓毒症患者发生再喂养综合征的危险因素分析及预测模型建立, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20221102
    [8] 牟娇, 李洁, 张新金.  EPO通过抑制心肌细胞凋亡保护糖尿病心肌病大鼠的心功能, 昆明医科大学学报.
    [9] 何玲, 肖晶, 杨必彦, 王松.  新生儿脓毒症休克血清AT与PCT、sh-CRP相关性及应用价值, 昆明医科大学学报.
    [10] 徐键, 王梓瑜, 陈耀祥, 牟波, 金焰, 马蕾.  PCT、CRP检测在老年肺炎合并脓毒症患者中的应用, 昆明医科大学学报.
    [11] 刘桠名, 徐冕, 颜悦新, 周凤高, 许成, 赵琨, 蒋国云, 武彧, 刘荣.  基于代谢组学的脓毒症大鼠生物标志物研究, 昆明医科大学学报.
    [12] 滕琰.  血液灌流治疗脓毒症时对炎症因子的影响, 昆明医科大学学报.
    [13] 苏彦宏.  滇产复方甘西鼠尾草注射液对大鼠心肌缺血再灌注心脏功能的影响, 昆明医科大学学报.
    [14] 王枭.  集束化治疗对脓毒性休克恒河猴心肌损伤、血流动力学的影响, 昆明医科大学学报.
    [15] 张建华.  上尿路腔内碎石术后并发尿源性脓毒症休克的处理和预防, 昆明医科大学学报.
    [16] 王锦.  血糖变异性对脓毒症28 d死亡率临床影响, 昆明医科大学学报.
    [17] 徐盈.  脓毒症大鼠肿瘤坏死因子-a、内皮素-1、核因子kB表达与心肌损伤及药物影响的研究, 昆明医科大学学报.
    [18] 缪玉兰.  凝血酶敏感蛋白-1介导脓毒症肝损伤中ERK通路的作用研究, 昆明医科大学学报.
    [19] 缪玉兰.  凝血酶敏感蛋白-1对脓毒症肝损伤影响的实验研究, 昆明医科大学学报.
    [20] 血必净注射液对脓毒症患者促炎/抗炎平衡的临床应用, 昆明医科大学学报.
  • 加载中
图(1) / 表(4)
计量
  • 文章访问数:  4583
  • HTML全文浏览量:  2072
  • PDF下载量:  12
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-06-19
  • 刊出日期:  2022-12-25

目录

/

返回文章
返回