关键词： 新型冠状病毒感染   儿童患者   临床特征   高危因素  

摘要： 背景和目的：　　新型冠状病毒感染（2019 novel coronavirus infection,COVID-19）在 2019 年底暴发以来，由于儿童对新型冠状病毒（severe acute respiratory syndrome coronavirus 2,SARS-CoV-2）有着普遍易感性，且大部分儿童新型冠状病毒疫苗的接种率不高，若发病时不及时进行干预，可发展为重症。本研究主要对本地区儿童COVID-19的临床特征进行总结，探寻该病发展为重症的关键影响因素,以更好指导临床实践，并为随时可能到来的第二次感染高峰提供参考。　　方法：　　收集2022年12月1日至2023年1月31日在汕头大学医学院第一附属医院儿科及新生儿科确诊为COVID-19住院的患儿共101例，按排除标准剔除5例，最终纳入96例。以《新型冠状病毒感染诊疗方案》（试行第十版）临床分型分为轻型组（75例），中型组（16例）、重型和危重型组（5例）三组。另按性别分为男性（63例）和女性（33例）两组;按入院时的年龄（y）分为新生儿组（0＜y≤28天）（10例）、婴儿组（28天＜y≤1岁）（35例）、幼儿组（1岁＜y≤3岁）（34例）及学龄前和学龄期儿童组（＞3岁）（17例）四组。这些病例资料进行回顾性分析，比较不同组别下患儿的一般情况、临床表现、辅助检查、治疗差异情况，寻找影响病情进展的因素。所有统计学分析均采用SPSS25.0进行。　　结果：　　1.2022年12月1日至2023年1月31日，我院新生儿科和儿科住院患儿COVID-19约占同期住院患儿总数的16.9％（101/598）,主要感染高峰出现在12月下旬，后逐渐呈下降趋势。临床分型以轻型为主（78.1％）。　　2.本研究中，COVID-19患儿最常见的症状是发热（94.8％）、咳嗽（75％）、纳差(63.5％)、惊厥(37.5％)和流涕(19.8％)。　　3.学龄前和学龄期儿童组患儿淋巴细胞绝对值(absolute lymphocyte count,ALC)降低发生率更高。在轻型组、中型组患儿中，起病48小时内ALC降低更为明显。　　4.重型和危重型组患儿钙离子(calcium,Ca2+)的浓度、白蛋白(albumin,ALB)水平低于轻型组患儿;重型和危重型组患儿天冬氨酸氨基转移酶(aspartate transaminase,AST)、丙氨酸氨基转移酶(alanine transaminase,ALT)水平高于轻型组患儿。　　5.中型组患儿的D-二聚体水平高于轻型组。　　6.轻型组患儿中，无使用静脉注射免疫球蛋白(intravenous gamma globulin,IVIG)组患儿住院时间更短;轻型组患儿IVIG使用时机与住院时间长短差异无统计学意义。　　7.症状上以气促、喘息起病及实验室检查中Ca2+、AST、ALT、ALB、肌酸激酶(creatinekinase,CK)水平，可能与儿童COVID-19病情严重程度有关。逐步回归分析示，症状上以气促起病及Ca2+水平降低、ALT水平升高，是早期发展为重型和危重型的预警因素。　　结论：　　1.研究期间内，新生儿科和儿科住院患儿COVID-19约占同期住院患儿总数的16.9％,临床分型以轻型为主(78.1％),达峰时间在2022年12月下旬。　　2.本研究中COVID-19患儿主要症状是发热、咳嗽、纳差、惊厥、流涕，学龄前和学龄期儿童组患儿外周血象多表现为ALC降低，起病两天内完善外周血象分析结果更具有对比性。　　3.轻型组患儿中使用IVIG治疗COVID-19不能使患儿获益。　　4.症状上以气促起病及Ca2+水平降低、ALT水平升高，是早期发展为重型和危重型的预警因素。

关键词： 《内蒙古日报》微信公众号   新冠肺炎疫情报道   突发公共卫生事件  

摘要： 进入21世纪以来,随着经济的发展和生态环境的变化,国内突发公共卫生事件也日益剧增。2003年的“SARS事件”开始我国已进入了突发群体性事件的高发期。而在应对和处置突发公共卫生事件当中,媒体始终是党和民众相互沟通的桥梁。所以媒体怎么报道突发公共卫生事件,以什么样的形式策略以及框架来报道是会直接影响受众的意识和行动。 本文以《内蒙古日报》微信公众号新冠肺炎疫情2020年12月21日至2022年12月31日的报道作为研究对象,通过分析疫情报道的数量、推送形式、稿件来源、消息来源、主题分类、基本基调6个方面,并引入美国学者斯蒂芬·芬克的危机传播阶段理论,呈现出《内蒙古日报》微信公众号报道突发公共卫生事件时各个阶段的报道策略和框架。通过分析发现,《内蒙古日报》微信公众号新冠肺炎疫情报道在疫情潜伏期以政策宣传框架为核心、在疫情突发期以致敬赞美框架为核心、在疫情蔓延期以事实框架为核心、疫情恢复期以知识传播框架为核心。本文的最后提出《内蒙古日报》微信公众号新冠肺炎疫情报道的不足之处和优化策略。

关键词： 新冠肺炎   肺炎检测   分类   注意力机制   RetinaNet   Faster RCNN  

摘要： 近年以来,新冠肺炎疫情频频爆发,确诊人员剧增,需要一种能够快速检测分类新冠肺炎胸片的人工智能辅助诊断工具,用以向医生提出快速的、置信的诊疗建议。本文通过对目标检测以及现有的肺炎检测分类方法进行深度总结,分析相关的算法模型和理论知识,发现现有方法对于肺炎检测分类存在部分问题,如使用单层特征图对于小型肺炎病灶的检测不充分,部分单阶段检测器对于病灶的检测分类精度较低等问题。针对存在的各种问题,通过改进深度学习目标检测模型,使其更适合于新冠肺炎影像的检测分类工作,主要从以下几个方面进行研究:(1)在Faster RCNN的基础上进行改进,对backbone、neck、head进行改进。以Faster RCNN基线模型为基础,进行了消融实验,确定了效果最好的改进方法。通过将Res Net50作为backbone,同时使用注意力机制,在模型neck部分使用特征金字塔网络与Res Net50各层特征充分连接,通过提取多尺度特征和逐层连接的方式进一步提升特征提取能力。在网络head部分,使用更为精确的ROI Align,以规避特征丢失造成的误差。实验表明,改进的Faster RCNN可以很好的将肺炎病灶检测分类,并且对小型病灶区域的检测效果也比较好,能够很好的完成新冠肺炎影像的检测分类工作。(2)在Retina Net的基础上进行改进,通过对模型的backbone、neck进行改进。以Retina Net基线模型为基础,进行了消融实验,确定了效果最好的改进方法。在backbone部分使用注意力机制、可变形卷积方法,同时在模型的neck部分对Retina Net的特征金字塔网络进行调整,使用带有底层大尺度特征图的完整的FPN模块,以进一步提升特征提取能力。实验表明,改进的Retina Net能够很好的检测肺炎影像的病灶,在保持速度的基础上,也保证了检测分类的精度,能够很好的完成对新冠肺炎影像的检测分类工作。综上所述,本文对新冠肺炎影像的病灶区域进行检测,并对患病与否进行分类。改进了两阶段的Faster RCNN目标检测网络和一阶段的Retina Net目标检测网络。通过实验表明,改进后的模型对于肺炎图像的检测分类性能、精度、m AP都有所提升,效果更好。

关键词： 新冠肺炎   深度学习   YOLOv8   半监督学习  

摘要： 自2019年末以来,全球蔓延的新型冠状病毒肺炎(COVID-19)已经给世界人民造成了严重的健康威胁,其中治疗感染患者的关键步骤是对其胸部医学影像进行有效地评估检测。然而,处理大量复杂的医学影像对临床医生的时间和精力造成了巨大负担,且基于主观分析的检测结果具有一定的个体差异。因此利用AI深度学习技术从医学影像中自动检测出精确的感染病灶区域,将为判断病情发展和临床诊疗提供更可靠的支持。然而深度学习技术在COVID-19影像病灶特征检测任务中往往存在以下挑战:(1)缺乏公开的具有COVID-19感染区域病灶标注信息的影像特征数据集。(2)患病不同时期COVID-19影像中感染区域高度变化,病变特征纹理复杂,边界模糊与正常组织对比性低,这对检测带来了极大挑战。(3)医学影像病灶特征人工标注成本高,数据获取困难严重制约了大规模集成算法的应用。针对以上问题,本文对基于深度学习的新冠肺炎影像特征检测进行了深入研究,具体工作主要有三个方面:(1)根据新冠肺炎阳性病例早期、发展期及重症期肺部CXR影像的演变过程和规律,将感染区域划分为肺实变、浸润影和磨玻璃影三种病变特征,并建立了COVID-19多目标特征检测数据集。(2)针对COVID-19病变区域特征难以检测的问题,提出了基于改进YOLOv8的新冠肺炎影像特征检测方法。在特征提取阶段加入具有自注意力机制的DFEB模块,通过局部注意力的计算方式和滑动窗口机制,提高全局建模能力的同时降低了处理高分辨率医学图像的计算复杂度;在特征融合阶段加入了多分支结构的FEM模块,使用具有不同采样率的多个并行空洞卷积层来捕捉不同感受野下的特征信息,有效地增强了特征的表达能力;并引入了Grad-CAM热力图可视化技术来为模型的决策提供可解释性。实验结果表明,与其他主流的目标检测算法相比有明显的性能优势。(3)针对COVID-19特征标记数据较难获得的问题,提出了基于半监督学习的新冠肺炎影像特征检测方法。为获得高质量伪标签,利用Soft-Teacher机制为无标注数据中的候选框进行可靠性评估,降低类别噪声对伪标签的负面影响;通过WBF算法融合不同置信度伪标签中有用的位置信息,提高伪标签定位精度。并采用自动数据增强策略选择更适合COVID-19影像的强、弱数据增强组合应用于未标注数据,提高模型鲁棒性。实验结果表明,该半监督模型可以更充分地利用大量无标注数据获得更优的检测性能,有效降低了对标注数据的依赖性。

关键词： 新冠肺炎疫情   社区志愿者   应急管理  

摘要： 2022年4月,突然暴发的新冠疫情,使得上海进入静默封控状态。因疫情影响,居民的生活骤然发生了前所未有的剧变。在与疫情相抗争的社会情境中,各个社区成为居民抗疫的主要阵地。社会各界人士走上前线,担当起了支撑居民生活正常运转的应急志愿者,他们在保障安全、募集资源、防疫宣传等方面都发挥了不可替代的作用。在突发公共卫生情境中,对于社区志愿者的应急管理成为社区防控的重要环节,探讨其运行过程和存在的问题对于优化应急管理机制具有重要意义。本文采用访谈法和问卷调查法,对上海市J街道社区志愿者的应急管理进行研究。研究材料主要来源于两个阶段,一是2022年3月至6月静默期间,笔者通过微信及线上形式开展访谈,具体访谈对象为部分参与小区疫情防控的临时居民志愿者;二是2022年6月至10月,笔者在J街道下属社区参与田野调查,访谈对象为常态化疫情防控志愿者和居委会的工作人员。本文聚焦并还原静默期间区志愿者的管理过程,从社会工作角度分析疫情下的志愿者应急管理,研究发现:在突发公共卫生情境下,J街道存在志愿服务调配不合理、沟通机制协调不顺畅、社区志愿者缺乏文化认同感、应急志愿者保障不完善、志愿者网管理系统不健全带来舆情等问题。笔者对这些问题尝试提出参考性建议:合理分配参与抗疫的志愿者、加强志愿者的激励保障、增强应急管理的专业化水平、建立线上线下协调一致的沟通机制、对症下药解决“代注册”等问题,为进一步优化上海市及我国其他地区志愿者的应急管理机制提供参考。

关键词： 异质性   新冠肺炎   疫苗策略   人口迁移  

摘要： 人群异质性对传染病的传播过程和防控措施的评估有着重要影响。本文主要研究了具有人群异质性特点的新型冠状肺炎病毒的传播过程。结合该传染病的发病特征,建立了具有人群异质性因素的传染病动力学模型,并对模型进行了理论分析,通过数值模拟对传染病控制策略进行了评估。本文研究内容如下:一、为研究新冠肺炎疫苗在不同年龄组的接种效果,我们根据新冠肺炎在不同年龄组人群的发病特点与接触异质性,建立了具有年龄结构的SEIQR传染病动力学模型,将总人口分为6个年龄组,并总结了5个影响疫情传播的因素,分别是:每日疫苗推出数量、控制措施、每日核酸检测数量、疫苗有效率、接种模式。我们将这些因素进行量化,并分析在各因素的不同参数取值下对于制定最优疫苗分配策略的影响,最后结合有效再生数的变化预言在疫情爆发后的大约150天疫情将得到有效控制。二、为了更好的杜绝境外输入感染病例,本文建立了具有异质性的两个地区之间进行人口流动的SIR传染病模型,并将迁移细分为长期迁移和短期迁移。利用稳定性分析得知并不能仅仅通过降低迁移率和感染率来消灭病毒,然后我们引入疫苗手段,利用梯度下降法求得了两种情况下的最优疫苗分配比率,最后研究了长期迁移和短期迁移分别对疫情的有效再生数的影响。为了探究在具有异质性的子种群中更有效的疫苗分配策略,在模型中建立适当的数学模型,推导出基本再生数和可能存在的系统稳定性,并通过仿真实验分析新冠肺炎相关的影响因素对感染人数或者死亡人数的影响,以及最终得到关于新冠肺炎疫苗的有效分配策略。本论文对优化疫苗接种策略具有深刻的见解,得出了有价值和可预测的结果,为疾病防控的精准施策和公共卫生战略的制定提供科学依据。

关键词： 新型冠状病毒感染后咳嗽   桔麦感毒止嗽方   临床研究  

摘要： 目的:通过采用随机对照临床试验,评价桔麦感毒止嗽方在临床上治疗新型冠状病毒感染后咳嗽(气虚邪恋证)的疗效性及安全性。方法:在成都中医药大学附属医院收集符合纳排标准的门诊患者80例,采用随机分组方法分为试验组(40例)和对照组(40例),对照组予复方甲氧那明胶囊治疗,试验组予桔麦感毒止嗽方治疗,疗程均为10天,治疗结束后观察两组治疗前后的CET评分、VAS评分、LCQ评分、中医证候积分、血常规及肝肾功等指标变化。并将所有收集的数据采用SPSS27.0进行整理和分析,讨论统计结果。结果:(1)治疗后两组中医证候积分、CET、VAS、LCQ评分组间、组内比较P值均小于0.05,差异有统计学意义,说明两组均能改善新冠病毒感染后咳嗽的症状,缓解焦虑情绪,提高生活质量,且试验组比对照组疗效更好。(2)治疗后试验组有效率为89.47%,愈显率为63.16%,对照组有效率为69.44%,愈显率为38.89%,试验组疗效优于对照组。(3)治疗前后两组血常规、肝肾功等指标差异没有统计学意义,安全性好。结论:桔麦感毒止嗽方治疗新冠病毒感染后咳嗽患者疗效确切,可改善患者的咳嗽症状,减轻咳嗽程度,缓解焦虑情绪,提高生活质量,且安全性良好。

关键词： 新型冠状病毒   HLA   表位   mRNA疫苗  

摘要： 2019冠状病毒病(COVID-19)在全球范围内持续流行,作为预防和控制传染病最主要的手段之一,疫苗在新冠疫情防控的过程中发挥着重要作用。现有新型冠状病毒(SARS-CoV-2)疫苗主要是基于人体的免疫应答机制进行研发,以整个病毒或S蛋白为抗原进行设计。随着新的病毒突变株的出现,病毒S蛋白上的关键位点不断发生突变,这对现有疫苗而言是一个严峻的挑战。在此背景下,急需一种能够应对不同突变株且诱导持久免疫反应的新型疫苗。已有研究表明,T细胞免疫反应可以直接清除病原并产生记忆T细胞对机体产生持久保护,并由于SARS-CoV-2上保守性T细胞表位的存在,T细胞免疫反应仍可以应对不同的病毒突变株。本研究以主要SARS-CoV-2突变株上人群中优势HLA限制性T细胞表位为疫苗抗原,通过不同的抗原设计方案和疫苗表现形式设计以诱导细胞免疫应答为主的新型疫苗。利用不同品系的小鼠对疫苗的免疫效果进行评价,并通过对比不同疫苗之间效果差异,评价mRNA疫苗在表位疫苗中应用的潜力。对表位数据库筛选的412个通过实验验证的T细胞表位和课题组前期鉴定的84个CTL表位进一步筛选,符合下列要求:1)表位位于nsp12、S、E、M和N这5种病毒蛋白上;2)在病毒原始毒株及7种主流突变株上保守;3)通过多个T细胞结合实验验证的高亲和力表位;4)属于人群中优势HLA限制性表位,且被多个HLA分子交叉递呈。最终获得了51个符合条件的表位,包括36个CTL表位和15个Th表位。选择9个在M蛋白上的表位进行疫苗设计,初步验证表位疫苗的可行性。制备了两款mRNA疫苗,疫苗的抗原分别选择M蛋白上携带表位的天然蛋白序列和使用柔性连接子(GGSGGGGSGG)串联的表位序列。同时制备一款表位多肽鸡尾酒疫苗与mRNA疫苗进行比对。针对不同品系小鼠免疫的结果显示,初次免疫后一周可以在C57BL/6小鼠体内诱导明显的特异性抗体反应,mRNA疫苗诱导高于多肽疫苗的特异性抗体滴度,加强免疫后不同疫苗诱导的特异性抗体滴度间差异消失。由于表位HLA限制性特征的影响,相对于C57BL/6小鼠而言,不同的疫苗在HLA转基因小鼠体内诱导更强的表位特异性细胞免疫反应。3款疫苗在HLA转基因小鼠体内同时诱导Th1和Th2细胞免疫反应,但在C57BL/6小鼠体内只诱导了较低水平的Th1细胞免疫反应。此外,ELISOPT的结果表明,8个表位均能被不同的疫苗有效递呈。由于mRNA疫苗抗原序列翻译的蛋白结构不同,多肽疫苗与mRNA疫苗之间对于不同表位的递呈效率有所差异。C57BL/6小鼠的结果验证了两个人和小鼠交叉递呈的表位:EM8和EM12。综上所述,本研究构建了一个覆盖多数人群的优势HLA限制性表位肽池,选择其中的8个表位进行疫苗设计,通过免疫两种体系的小鼠模型,初步验证多表位mRNA疫苗的可行性。为SARS-CoV-2 T细胞表位疫苗的设计提供了可靠的抗原表位和疫苗方案,也为其他表位疫苗的研发提供参考。

关键词： 肺部CT图像   新冠肺炎病灶分割   卷积神经网络   边界感知   注意力机制  

摘要： 2019-2020年新冠肺炎被发现并在全球大范围流行,其传染性强,严重影响了人类的社会活动。对此疾病的检测、诊断与治疗成为了防治的重要手段。由于新冠肺炎前中后期病灶区域变化较大,即使专业的医师在新冠肺炎的诊断问题上,也易导致误诊漏诊等问题。得益于深度学习的发展,通过计算机辅助医生对新冠肺炎CT图像进行分析,可提高对于病灶的诊断准确率,帮助患者快速得到医治。对比传统的医学图像分割方法,深度学习具备更为准确,模型鲁棒性更高等优势。针对新冠肺炎病灶分割,本文提出并设计了两种网络模型:基于边界感知的卷积神经网络模型,和基于十字反向注意力的卷积神经网络模型,本文的研究内容如下:1.针对新冠肺炎CT图像中的病灶边界模糊、病灶区域不规则和肺部区域噪声强等特点,本文针对肺部CT中新冠肺炎病灶区域的分割,提出并设计了一个基于边界感知的神经网络模型(Boundary Perception Axia Attention Net,BP-Net)。在编码阶段,该模型以Resnest101作为编码器提取特征,利用多路表示和注意力机制,提供了改进的特征表示。利用经过感受野增强的高层特征的融合特征图,一并作为多层解码器的输入。解码阶段在高层特征中插入了平行轴向注意力机制,进一步突出前景目标,以提升网络模型分割的准确度。并对解码阶段的输出和边界分布图分别进行监督,结合高级低级特征的不同形态的解码器,使得网络学习到丰富的语义信息。本文在COVIDSemi Seg数据集上验证了网络模型的准确性。2.新冠肺炎的病灶区域在病情的前中后期病灶区域变化较大,噪声干扰大。针对新冠肺炎病灶分割任务的这些问题,本文提出并设计了一个基于十字反向注意力的卷积神经网络模型(Deformable Context Cross Reverse Attention Net,DCRA-Net),达成了对于新冠肺炎病灶准确分割的目标。网络利用感受野增强和多尺度上下文信息的聚合,实现对于前景病灶目标的有效分割。将Res2Net101作为特征提取的编码器,获取更细粒度的多尺度特征,增强每层的感受野。在深层的特征图上使用可变形特征金字塔获取丰富的上下文信息。在模型中嵌入了十字交叉反向注意力使得在平行解码器的输出图像基础上叠加反向的分割目标,微调分割目标的边界信息。本文在COVID-Semi Seg数据集上验证了网络模型高效准确的优点。综上所述,为了解决当前新冠肺炎病灶区域分割任务的难题,本文基于卷积神经网络提出并设计了两个神经网络模型,对病灶的边界模糊问题和形态多变问题上进行改善,使得在新冠肺炎的肺部CT数据集上展现了优异的性能,证明了本文两个网络模型具备准确而高效的分割性能。