目的觀察術前高壓氧（hyperbaric oxygen，HBO）預處理心臟體外循環（extracorporeal circulation，ECC）術后全身炎癥反應的影響。 方法按入組先后順序隨機將30例擬行二尖瓣或主動脈瓣置換術患者分為對照組（C組，n=15）和預處理組（P組，n=15），P組在術前給予3次HBO預處理，比較兩組患者在皮膚切開前（T1）、ECC開始后30 min（T2）、停機后1 h（T3）和停機后24 h（T4）等4個時間點炎癥因子的血清濃度變化。 結果兩組患者的白介素-6（interleukin-6，IL-6）、腫瘤壞死因子-α（tumor necrosis factor-α，TNF-α）、P-選擇素、細胞間粘附分子-1（intercellular adhesion molecule-1，ICAM-1）、IL-10、熱休克蛋白-70（HSP-70）等血清濃度在T1時差異無統計學意義（P＞0.05）。兩組患者所有炎癥因子濃度均呈先升后降趨勢，在T3時達峰值，在T4時濃度雖較T3時峰值下降，但仍高于T1時（P＜0.05）。其中，HSP-70血清濃度雖也呈先升后降趨勢，但P組在T4時的濃度（373.3±96.7) pg/ml與T1時濃度（316.3±55.5）pg/ml差異無統計學意義（P＞0.05）。在T4時C組和P組患者IL-6[（141.5±25.9）pg/ml vs.（119.2±31.8）pg/ml]、HSP-70[（449.8±48.3）pg/ml vs.（373.3±96.7）pg/ml]和IL-10[（64.2±8.2）pg/ml vs.（90.3±14.2）pg/ml]血清濃度差異有統計學意義（P＜0.05）。兩組患者在術后ICU停留時間和胸腔引流量差異無統計學意義，但在術后機械通氣時間上，P組比C組更短[（11.4±5.6）h vs.（15.8±5.1）h，P＜0.05）]。 結論術前HBO預處理能在一定程度上減輕心臟瓣膜置換術后患者的不良炎癥反應，加強抗炎保護，從而可能有利于減少術后并發癥的發生。
目的揭示當前肺結節/早期肺癌預測模型的科學成果和未來研究趨勢。方法檢索中國知網、萬方、維普和Web of Science數據庫中2002年1月1日—2023年6月3日收錄的肺結節/早期肺癌預測模型相關文獻，使用CiteSpace 6.1.R3和VOSviewer 1.6.18分析當前的熱點和主題趨勢，并將分析結果可視化。結果來自64個國家/地區的2711個機構的12581名作者在566種英文學術期刊上發表了2139篇英文文章，國內1256名作者在176種期刊上共發表了282篇中文文章。發表肺結節/早期肺癌預測模型相關文章最多的中英文期刊分別是《臨床放射學雜志》和Frontiers in Oncology。Chest是被引頻次最高的期刊。中國和美國是肺結節/早期肺癌預測模型領域的領先者。以復旦大學為代表的學術機構在該領域具有重要的學術影響力。關鍵詞分析表明，多組學、諾莫圖、機器學習和人工智能是當前肺結節/早期肺癌預測模型研究的重點。結論在過去的20年里，肺結節/早期肺癌風險預測模型的相關研究引起越來越多的關注，預測、機器學習、人工智能、諾莫圖和多組學技術是當前該領域的研究熱點和發展趨勢。未來的研究亟需多組學技術聯合對肺結節/早期肺癌進行深入探索，開展多中心前瞻性臨床研究，實現肺結節/早期肺癌預測模型的迭代與更新，以期減輕全球肺癌負擔。
目的 分析肺結節患者和健康人群中醫證素分布和唾液菌群差異，并探索肺結節患者中醫證素與唾液菌群的相關性。方法 前瞻性招募173例肺結節患者（pulmonary nodule，PN）和40名健康人群（healthy control，HC）。采集四診信息，運用證素辨證方法分析肺結節患者及健康人群中醫證素分布情況，采集受試者唾液進行16S rRNA高通量測序，獲取差異菌群，深入探索中醫證素與唾液菌群在PN疾病演變中的相關性。結果 PN組病位證素以肺、肝為主，病性證素以陰虛、痰為主。HC組病位證素以肺、脾為主，病性證素以濕、氣虛為主。兩組病位證素在肺、肝、腎、表、心，病性證素在陰虛、痰、氣滯、氣虛、濕、血虛、熱、瘀的分布差異有統計學意義（P<0.05）。PN組唾液菌群的物種豐度高于HC組（P<0.05），兩組群落組成差異有統計學意義（P<0.05），基于Mantel test網絡熱圖分析、Spearman相關性分析等多種關聯分析方法的證素與唾液菌群相關性結果表明，PN組富集菌屬中普雷沃菌屬（Prevotella）、卟啉單胞菌屬（Porphyromonas）與病位-肺呈正相關，卟啉單胞菌屬（Porphyromonas）、顆粒鏈球菌屬（Granulicatella）與病性-陰虛呈正相關（P<0.05）。結論 肺結節患者和健康人群中醫證素分布及唾液菌群的物種豐度和組成存在差異，肺結節患者不同于健康人群的外在證候表現可能是體內唾液菌群變化引發的級聯遞演事件。卟啉單胞菌屬（Porphyromonas）與病位病性雙重關聯，其豐度變化或可作為陰虛型肺結節患者癥候改善的客觀指標。
目的探究電子鼻聯合機器學習對肺結節良惡性及中醫證素呼氣圖譜的辨識效能。方法研究設計為單中心觀察性研究。收集2023年4月—2024年3月期間就診于成都中醫藥大學附屬醫院心胸外科住院部108例肺結節患者的一般資料及四診信息，通過證素辨證的方法分析患者中醫病位、病性分布特點，運用Cyranose 320電子鼻采集口腔呼氣的氣味圖譜，基于隨機森林（random forest，RF）、K最近鄰（K-nearest neighbor，KNN）、邏輯回歸（logistic regression，LR）、支持向量機（support vector machine，SVM）、極端梯度提升（eXtreme gradient boosting，XGBoost）5種機器學習算法辨識肺結節良惡性及不同中醫證素的呼氣圖譜。結果（1）肺結節常見病位證素從高到低依次是肝、肺、腎；常見病性證素從高到低依次是陰虛、痰、濕、氣滯、血虛。（2）電子鼻聯合RF算法對肺結節良惡性呼氣圖譜辨識效能最佳，受試者工作特征曲線下面積（AUC）為0.91，準確度為86.36%，特異度為75.00%，靈敏度為92.85%。（3）電子鼻聯合RF、LR或XGBoost算法能較好辨識肺結節不同病位、病性證素，其分類準確度、特異度及靈敏度普遍≥80.00%。結論 電子鼻聯合機器學習不僅具備鑒別肺結節良惡性的潛力，亦可為肺結節中醫客觀化病證診斷提供新技術與新方法。