您选择的条件: 周潇
  • 基于动态血糖监测结果评价门诊教育对2型糖尿病患者血糖谱的影响研究

    分类: 医学、药学 >> 临床医学 提交时间: 2024-03-11 合作期刊: 《中国全科医学》

    摘要: 背景 动态血糖监测(CGM)在门诊患者治疗中应用较少,基于 CGM 进行糖尿病教育,改变不良的生活、饮食习惯对血糖谱的影响尚不清楚。目的 基于回顾性 CGM 结果,对使用口服降糖药的门诊 2 型糖尿病(T2DM)患者进行饮食、运动等门诊教育,评价其对患者血糖谱的影响。方法 选取 2021—2021 于南京市第一医院内分泌科门诊就诊使用口服降糖药的 T2DM 患者 88 例,其中男 60 例、女 28 例,给予 CGM。入组患者给予门诊教育,即第1~3 天维持原降糖治疗方案及生活习惯;第 4 天下载并分析 CGM 数据,结合患者饮食、运动等门诊教育,第 6 天取下 CGM 传感器和记录器,下载数据。比较第 2 天和第 5 天动态血糖数据[24 h 平均血糖(MBG),平均血糖波动幅度(MAGE),葡萄糖目标范围内时间(TIR)]。结果 基于 CGM 结果,给予门诊教育后(第 5 天)T2DM 患者的MBG 由(8.34±1.97)mmol/L 下 降 到(7.85±1.65)mmol/L,TIR 由(78.21±24.64)% 上 升 到(84.28±21.87)%,MAGE 由(4.53±2.25)mmol/L 下降到(3.80±1.80)mmol/L(P<0.05)。按糖尿病病程、年龄进行分层分析:病程<10 年组和病程≥ 10 年组干预后 MBG 均较干预前降低,病程 <10 年组 MAGE 和标准差(SD)较病程≥ 10 年组降低(P<0.05);按年龄分为 <65 岁和≥ 65 岁两组,干预后两组人群 MBG 较干预前降低,<65 岁人群 MAGE 和 SD 较病程≥ 10 年组降低(P<0.05)。结论 基于 CGM 结果,对使用口服降糖药物的门诊 T2DM 患者进行饮食、运动等门诊教育,可以有效改善患者 MBG、提高 TIR 水平,改善血糖变异度;<65 岁、糖尿病病程 <10 年的患者获益更大。

  • 融合多源数据的科研人员画像构建方法研究

    分类: 图书馆学、情报学 >> 图书馆学 提交时间: 2023-08-27 合作期刊: 《图书情报工作》

    摘要: [目的/意义]大数据时代需要将人数据化,科研人员也需要数据化。科研人员画像的建立,对于科研管理层全面了解科研人员的信息、客观评价其研究水平等有重要作用,可以作为分析科研人员研究行为或专家推荐的基础,提高科研管理效率。[方法/过程]首先提出科研人员画像的概念,认为其是描述科研人员信息的标签的集合。其次,以个人主页、知网、基金网等多个异构数据源的数据为基础,提出融合多源数据的科研人员画像构建方法,分别从科研人员的基础属性、科研偏好和科研关系三方面形式化描述了科研人员信息,并提取各个维度的标签,以可视化的方式展示其画像。最后,分别以国内外两位科研人员为例,说明了科研人员画像构建方法的可行性。[结果/结论]科研人员画像的构建适用于国内外的科研人员,能够全面描述科研人员信息并直观展示出来。

  • 基于深度学习与语义挖掘的技术创新组合识别与追踪

    分类: 图书馆学、情报学 >> 情报学 提交时间: 2023-04-01 合作期刊: 《图书情报工作》

    摘要: [目的/意义]随着战略型新兴技术产业的迅猛发展,如何识别具有潜在协同效应的技术创新组合、厘清组合中核心的创新关系,是有效规划产业发展路线、提升产业竞争优势的重要前提。[方法/过程]在技术组合进化理论的指导下,结合深度学习、SAO语义挖掘和CFDP算法,提出一种基于专利数据的技术创新组合与演化关系的识别方案。该研究方案共分为3个步骤:首先基于关键词与专利分类号构建领域检索策略,并实现对获取数据的清洗和分词。随后,通过Word2Vec构建领域技术主题的词向量语义网络,并利用CFDP算法识别出潜在创新要素及组合方式。最后,深入挖掘各组合中核心的SAO结构,通过LSTM深度学习算法对其演化关系进行分类,挖掘技术的核心创新方式,进而有效甄别领域潜在的技术机会。[结果/结论]以语音识别领域为例,通过对该领域DII专利文本数据的深入挖掘,识别并追踪5个潜在的技术创新组合及核心创新方式。研究发现,当前我国语音识别领域在智能芯片设计、语音识别算法、新场景和应用等方面有较大的创新潜力。

  • 基于改进的遗传算法在函数优化中的应用

    分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-07-09 合作期刊: 《计算机应用研究》

    摘要: 针对传统遗传算法在函数优化过程中容易陷入局部最优解、收敛慢等缺点,提出了一种新的自适应遗传算法NAGA。该算法考虑了种群适应度的多种集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率。为了加快寻优效率,在选择算子方面将引进的选择算子与最优保存策略相结合;为了使遗传操作过程中种群数量恒定,又提出了保留亲本的策略。通过仿真实验发现,与经典遗传算法GA和IAGA算法相比,改进的自适应遗传算法在收敛速度与精准度等方面都有较大的进步。