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

口腔运动干预对低出生体重儿喂养效果及生长发育的影响

周玉娥 李团 马丽 刘天云

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: 周玉娥, 李团, 马丽, 刘天云. 口腔运动干预对低出生体重儿喂养效果及生长发育的影响[J]. 昆明医科大学学报, 2023, 44(4): 176-180. doi: 10.12259/j.issn.2095-610X.S20230414
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: Yu’e ZHOU, Tuan LI, Li MA, Tianyun LIU. Oral Exercise Intervention on Feeding Effect,Growth and Development in Low Birth Weight Infants[J]. Journal of Kunming Medical University, 2023, 44(4): 176-180. doi: 10.12259/j.issn.2095-610X.S20230414

口腔运动干预对低出生体重儿喂养效果及生长发育的影响

doi: 10.12259/j.issn.2095-610X.S20230414
基金项目: 云南省教育厅科学研究基金资助项目(2022J0710)
详细信息
    作者简介:

    周玉娥(1974~),女,云南昆明人,副主任护师,主要从事儿科临床研究工作

    通讯作者:

    刘天云,E-mail:826960851@qq.com

  • 中图分类号: R473.72

Oral Exercise Intervention on Feeding Effect,Growth and Development in Low Birth Weight Infants

  • 摘要:   目的  分析应用口腔运动干预在低出生体重儿喂养效果及生长发育方面的影响。  方法  选取云南省第三人民医院儿科新生儿病房2020年12月至2022年12月的低出生体重儿86例,按数字表随机分为试验组和对照组各43例,对照组采用常规护理,试验组在对照组的基础上采用口腔运动干预。比较2组低出生体重儿的喂养不耐受发生情况、口腔感染情况、完全经口喂养时间、恢复至出生体重时间、体重增长速度、每日增加奶量及住院时间等结局指标。  结果  试验组低出生体重儿的喂养不耐受发生率、口腔感染率对比对照组明显降低(P < 0.05);试验组低出生体重儿的完全经口喂养时间、恢复至出生体重时间及住院时间较对照组明显缩短(P < 0.05);试验组体重增长速度、每日增加奶量明显大于对照组(P < 0.05)。   结论  口腔运动干预能有效减少低出生体重儿喂养不耐受及并发症的发生,缩短完全经口喂养时间,促进低出生体重儿生长发育,推荐应用到低出生体重儿喂养管理中。
  • 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。

  • 表  1  低出生体重儿一般资料比较[n(%)/M(P25,P75)]

    Table  1.   Comparison of general information of low birth weight infants [n(%)/M(P25,P75)]

    组别试验组(n = 43)对照组(n = 43)χ2/ZP
    性别 −1.290 0.197
     男 26(60.5) 20(46.5)
     女 17(39.5) 23(53.5)
    胎龄(周) 34.00(32.00,35.00) 34.00(32.00,35.00) 10.460 0.315
    出生体质量(g 2100.00(1800.00,2350.00) 1880.00(1550.00,2250.00) 58.533 0.280
    出生方式 −0.661 0.508
     顺产 18(41.9) 15(34.9)
     剖宫产 25(58.1) 28(65.1)
    1minApgar评分 9.00(7.00,9.00) 9.00(7.00,9.00) 4.688 0.698
    下载: 导出CSV

    表  2  喂养不耐受发生率及口腔感染率比较

    Table  2.   Comparison of the incidence of feeding intolerance and oral infection rate

    组别喂养不耐受口腔感染
    发生例数(n发生率(%)发生例数(n发生率(%)
    试验组(n=43) 10 23.2 7 16.3
    对照组(n=43) 21 48.8 19 44.2
    χ2 6.103 7.938
    P 0.013* 0.005*
      与对照组比较,*P < 0.05。
    下载: 导出CSV

    表  3  生长发育情况及住院时间比较($\bar x \pm s $

    Table  3.   Comparison of growth and hospitalization time ($\bar x \pm s $

    组别完全经口喂养时间(d)恢复至出生体重时间(d)体重增长速度(g/d)每日增加奶量(mL)住院时间(d)
    试验组(n = 43) 5.42 ± 2.75 7.81 ± 2.28 18.56 ± 2.55 20.16 ± 3.16 14.30 ± 7.84
    对照组(n = 43) 10.51 ± 10.35 9.86 ± 3.34 16.95 ± 2.27 17.70 ± 3.60 21.42 ± 12.94
    t −3.118 −3.317 3.085 3.376 −3.084
    P 0.003* 0.001* 0.003* 0.001* 0.003*
      * P < 0.05。
    下载: 导出CSV
  • [1] 刘芳,王军陵,姚宝珍. 早产低出生体重儿的追赶生长研究进展[J]. 中国儿童保健杂志,2019,27(7):741-744.
    [2] 胡姚佳. 口腔运动干预对早产儿神经行为的效果观察[D]. 长沙: 湖南中医药大学硕士学位论文, 2021.
    [3] 高莉莉,周雪姣,李佳,等. 应用初乳进行口腔按摩对早产儿经口喂养状况的影响[J]. 上海护理,2019,19(6):38-40.
    [4] 张海霞. 母亲声音刺激联合安抚奶嘴非营养性吸吮在管饲喂养早产儿中的应用观察[J]. 黑龙江医学,2022,46(8):1015-1017.
    [5] 王菊,张冉,王钦,等. 改良口腔运动干预对早产儿经口喂养能力及结局的影响[J]. 中华全科医学,2022,20(12):2063-2067.
    [6] 何幼鸣,谢映梅,肖惠玉,等. 一体化连续护理模式联合综合护理干预对喂养不耐受低体重新生儿价值[J]. 智慧健康,2022,8(11):166-169.
    [7] 崔焱, 仰曙芬. 儿科护理学[M]. 第6版. 北京: 人民卫生出版社, 2017: 169.
    [8] 钟莉芳. 集束化喂养支持策略对早产儿喂养耐受性及生长发育的影响[D]. 南昌: 南昌大学硕士学位论文, 2021.
    [9] 章容. 口腔运动干预对早产儿脑功能发育的影响研究[D]. 泸州: 西南医科大学硕士学位论文, 2019.
    [10] Chernikova D A,Madan J C,Housman M L,et al. The premature infant gut microbiome during the first 6 weeks of life differs based on gestational maturity at birth[J]. Pediatr Res,2018,84(1):71-79. doi: 10.1038/s41390-018-0022-z
    [11] Lubbe W,Ten H W. When is the use of pacifiers justifiable in the baby-friendlyhospital initiative context? A clinician’s guide[J]. BMC Pregnancy Childbirth,2017,17(1):130. doi: 10.1186/s12884-017-1306-8
    [12] Barlow S M. Oral and respiratory control for preterm feeding[J]. Curr Opin Otolaryngol Head Neck Surg,2009,17(3):179-186. doi: 10.1097/MOO.0b013e32832b36fe
    [13] Estep M,Barlow S M,Vantipalli R,et al. Non-nutritive suck parameter in preterm infants with RDS[J]. Neonatal Nurs,2008,14(1):28-34. doi: 10.1016/j.jnn.2007.12.005
    [14] 胡玉萍,吴万云,周芳芳,等. 口腔运动干预对低出生体重儿喂养不耐受的作用[J]. 解放军护理杂志,2016,33(13):50-52.
    [15] 张丹丹,崔慧敏,李胜玲,等. 综合口腔运动干预对早产儿神经行为的影响[J]. 护理学杂志,2019,34(14):5-7.
    [16] Kiselev S Y, Lvova O A, Gliga T, et al. The assessment of neurocognitivefunctions in premature infants in the first year of life using bayley scales[J]. ZhNevrol Psikhiatr Im S S Korsakova, 2016, 116(4 Pt2): 62-67.
    [17] 廖爱玲,江斓燕,方利娟,等. 口腔功能训练联合腹部按摩在早产儿经口喂养中的应用效果评价[J]. 名医,2021,109(10):66-67.
    [18] 谢春莲. 非营养性吸吮训练联合口腔刺激在早产儿喂养中的效果观察[J]. 江西医药,2018,53(10):1130-1131.
    [19] Lau C,Smith E O. Interventions to improve the oral feeding performance of preterm infants[J]. Acta paediatrica (Oslo,Norway:1992),2012,101(7):269-274.
    [20] 郭洁婷,杨春凤. 口腔按摩治疗极低出生体重儿的效果分析[J]. 广西医学,2014,36(12):1833-1835.
    [21] Li L,Wang L,Niu C,et al. Early skin contact combined with mother's breastfeeding to shorten the process of premature infants ≤ 30 weeks of gestation to achieve full oral feeding: the study protocol of a randomized controlled trial[J]. Trials,2021,22(1):637.
    [22] 林丽妮,王丽. 口腔运动干预对早产儿经口喂养效果的影响[J]. 护理实践与研究,2016,13(3):73-74.
    [23] Thabet A M,Sayed Z A. Effectiveness of the premature infant oral motor intervention on feeding performance, duration of hospital stay, and weight of preterm neonates in neonatal intensive care unit: Results from a randomized controlled trial[J]. Dimens Crit Care Nurs,2021,40(4):257-265.
    [24] 郑芳明,方丽华,刘莉,等. 口腔运动干预在促进早产儿经口喂养中的效果[J]. 中国当代医药,2020,27(17):109-111.
  • [1] 马丽, 杨兆郁, 李军瑶, 蒋佳慧, 宁佳丽, 马懿.  触觉/运动刺激按摩对早产儿喂养效果、神经及运动发育的影响, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20250224
    [2] 张愉愉, 卢游, 刘宇.  血清25-羟基维生素D、钙、锌水平与儿童生长发育的关系, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20240719
    [3] 袁媛, 尹丽娟, 漆永林.  新生儿在输血过程中禁食或喂养对肠氧合变化的影响, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20230119
    [4] 邹咏艺, 齐志业, 孙冬梅, 万春梅, 梁琨.  不同剂量维生素D对早产儿骨代谢及生长发育影响的队列研究, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20231111
    [5] 宋向菁, 杨少杰, 王克坚, 蓝育智, 孔彩, 王涛, 吴长翠.  云南澜沧县拉祜族青少年女生生长发育现状调查, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20230619
    [6] 吴婕, 刘珺, 张燕, 董旭东, 冯幸子, 陆秦楠, 刘玲艳.  近10 a 36551例新生儿出生体重变化分析, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20220414
    [7] 朱理佳, 马晓丹, 段江, 李檬, 黄永坤.  不同胎龄、不同出生体重新生儿的首次肝功能指标的差异性, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20210330
    [8] 胡霆, 陈大芝, 马金绒, 李萍, 孟泽兰, 雷春花, 曾蕾, 普菊英, 郭芳.  用初乳进行口腔免疫护理对早产极低出生体重儿的影响, 昆明医科大学学报. doi: 10.12259/j.issn.2095-610X.S20210433
    [9] 周玉娥, 张正明, 廖桂.  2小时喂养极低出生早产儿的临床疗效, 昆明医科大学学报.
    [10] 周玉娥, 杨兆郁, 殷燕涛.  延续性护理对极低出生早产儿的影响, 昆明医科大学学报.
    [11] 张栩, 李松.  应力下髁突软骨中相关因子对髁突生长发育作用的研究进展, 昆明医科大学学报.
    [12] 陈建中, 谢亮焜, 王维琦, 代自超, 杨荣强, 张丽, 贾玲.  咬合创伤对大鼠髁突生长发育影响的实验研究, 昆明医科大学学报.
    [13] 赵梅平.  护理干预对初产妇剖宫产后不良情绪及母乳喂养依从性的影响, 昆明医科大学学报.
    [14] 刘静.  高危早产儿早期行神经发育干预改善运动和认知发育的作用, 昆明医科大学学报.
    [15] 刘燕南.  喂养干预辅助治疗婴儿特应性皮炎临床观察, 昆明医科大学学报.
    [16] 常露.  两种高脂饲料分段喂养对大鼠体重和血脂的影响, 昆明医科大学学报.
    [17] 李旭华.  颈部肌力失衡对年青大鼠髁突生长发育的影响, 昆明医科大学学报.
    [18] 李松.  下颌髁状突软骨与生长板软骨生长发育的比较研究, 昆明医科大学学报.
    [19] 秦惠芝.  低体重先心病心内直视术的护理体会, 昆明医科大学学报.
    [20] 周艺.  135名低出生体重儿的贝利婴幼儿发展量表测试分析, 昆明医科大学学报.
  • 加载中
计量
  • 文章访问数:  3211
  • HTML全文浏览量:  2118
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-12-14
  • 网络出版日期:  2023-04-24
  • 刊出日期:  2023-04-25

目录

/

返回文章
返回