关键词： 译者主体性   翻译技巧   新冠疫情防控新闻发布会  

摘要： 近年来,新冠疫情在全球范围肆虐,严重损害人民的生命安全和身体健康。中国的“动态清零”政策引起国内外的密切关注和广泛讨论,上海成为世界了解中国的窗口之一。因此,官方信息的发布对于引导公共舆论、提升政府公信力和保持国家良好形象至关重要。译者需要准确解读信息,完成高质量的翻译,其中主体性发挥的意义重大。 译者主体性研究由苏珊·巴斯内特和安德烈·勒菲弗尔发起,重视译者在翻译过程中的主体地位,其主体性主要表现为主动性,受动性和为我性。译者根据自身对原文的理解,采取恰当的翻译策略、方法与技巧,达成具体的翻译目的。在口译实践中,为了给口译用户提供更好的服务,译员会主动隐藏自身,避免造成不必要的后果,影响口译质量。 本文将从理论和实践两个方面展开论述,首先阐述译者主体性理论及其在口译场景中的应用,然后以2022年春季上海市新冠肺炎疫情防控新闻发布会的模拟口译为研究对象,从译者主体性的角度评价译员的表现,分析遇到的问题,并给出相应的建议。希望本文能够帮助译员获得灵感,积累经验。

关键词： 大学生   居家在线学习   学习效果   网络平台   学习环境  

摘要： 为了解2022年新一轮突发的新冠疫情期间，学生在线居家学习的效果，本研究采用王改花（2020）编制的《大学生线上线下混合式学习效果的问卷》从学习态度、学习行为、学习效果3个方面展开调研。对网络环境选取谢媛（2021）中的《大学生体育在线课堂满意度评价调查问卷》中的网络环境和学习环境两个维度，分析评估学生在线学习效果及影响因素,结果显示：　　（1）体育教育专业大学生在线学习的学习效果的得分中等偏上，且影响因素＞学习满意度。其中，不同性别的大学生在整体学习效果上无显著差异（ P＞0.05 ） ，不同年级和不同的网课类型在整体学习效果上存在显著差异（P＜0.05）。　　（2）体育教育专业大学生在线学习态度整体得分的平均分中等偏上，且认知态度＞行为态度＞情感态度。在不同性别的大学生在学习态度上无显著差异（P＞0.05），不同年级和不同的网课类型在学习态度上存在显著差异（P＜0.05）。　　（3）体育教育专业大学生在线学习行为整体得分中等偏上，其中，行为参与＞行为互动＞行为专注＞行为坚持。不同性别的大学生在学习行为上无显著差异（P＞0.05），不同年级和不同的网课类型在学习行为上存在显著差异（P＜0.05）。　　（4）体育教育专业大学生在线学习网络环境的整体得分中等偏上。其中，网络平台和学习环境两个方面得分相差不大。不同性别的大学生在网络学习环境上无显著差异（P＞0.05），不同年级和不同的网课类型在网络学习环境上存在显著差异（P＜0.05）。　　（5）对影响学习效果的因素进行研究分析，其中，学习行为（P＞0.05）不能显著影响学习效果;学习态度（P＜0.05）对学习效果有正向显著性影响;网络环境（P＜0.05）可以显著正向影响学习效果。　　（6）学生在线学习态度中的认知（P＜0.05）和情感（P＜0.05）对学习效果有正向显著性影响;行为（β=-0.233＜0，P＜0.05）可以反向影响学习效果。　　（7）大学生在线学习时，行为参与、行为坚持、行为专注、行为互动等因素对网络学习效果具有显著的正相关。　　（8）网络环境维度中的网络平台和学习环境均对学习效果有正向显著性影响。

关键词： 传染病传播   核酸检测   超网络   防疫策略   二次感染  

摘要： 传染病在人群中的蔓延一直是人类健康的重要威胁,对疾病传播进行仿真建模,研究传染病传播动力学的特征有助于更好的掌握传染病传播规律,减少感染人数。然而,在实际存在的传染病传播过程中,传统防控措施的仿真无法有效表达传染病的传播特性,增加了对疫情防控的难度;其次个体的动态接触和防疫意愿等随机因素的影响,感染数据易产生异常波动,难以有效的描述传染病传播的传播规律,导致仿真结果难以达到预期成效,无法为实际的疫情防控提供有效帮助。基于上述问题,本研究以扬州和义乌两市的真实数据为基础,以经典的易感者-潜伏者-感染者-康复者(Susceptible-Exposed-Infected-Removed,SEIR)模型为主要手段,结合我们经历的新冠肺炎疫情以及核酸检测这一全国性的措施,探讨新冠肺炎、超网络、核酸检测和二次感染之间的相互关系。具体研究内容如下:1.首先对经典的SEIR模型进行分析与建模。其次加入核酸检测这一常态措施将模型进行完善,使得模型更贴近现实生活。然后根据不同区域内总人数的差别、核酸检测间隔天数和感染人员的每日接触人数来研究核酸检测这一措施对感染人数的影响,最后将模型的仿真结果和扬州真实数据进行对比,并通过Person相关系数分析模型的局部异质性。结果表明基于核酸检测的SEIR模型可以帮助医生迅速判断疫情走向,以便及时采取隔离和治疗措施,从而减少病毒传播的风险。2.为解决常态条件下疫情传播的动态随机传播性问题,提出了基于超网络的SEIR模型。首先,根据超网络超边特性提出接触超边的建模方法,并考虑家庭接触超边和工作接触超边的关系,构筑不同接触模型并添加随机行走将两个模型建立联系。其次根据个体的防控意识差异、二次感染情况和不同感染率对超边模型的感染人数进行分析。最后,通过试验及义乌的真实案例分析进行模型验证。结果表明,所提方法可以有效的提取随机接触特征,实现对疫情的精准预测,以制定有效的防控措施。本文基于病毒传播动力学理论,使用SEIR模型为手段,以真实传染数据为研究对象,重点围绕核酸检测措施和引入超网络下的二次感染问题展开深入研究,分析防疫策略对感染人数的影响。本文的研究成果对帮助我们预测疫情传播规模、提高防疫效率、改善防控手段、促进疫后恢复具有积极意义。

关键词： 清肺排毒汤   新型冠状病毒肺炎   网络药理学  

摘要： 新型冠状病毒肺炎(COVID-19)属于中医“疫病”范畴。清肺排毒汤由我国多个经典经方加减化裁而成，其作为国家中医药管理局的推荐处方在救治COVID-19患者中取得了较好的疗效，但鉴于中药复方多成分、多靶标和多作用通路的特点，常规研究方法难以完全阐明其作用机制。随着网络信息技术和生命科学的发展，网络药理学逐渐被用于中药复方的整体研究，其以系统生物学、网络信息学为基础，强调从整体上探究药物和疾病的相互作用，与中医药整体性的治病理念相吻合。本文将就清肺排毒汤的方剂组成、网络药理学的发展及其在清肺排毒汤中的研究进行概述，以期为清肺排毒汤治疗COVID-19的进一步研究提供依据。

关键词： SARS-CoV-2   B细胞克隆技术   中和抗体  

摘要： 自2019年以来,由严重急性呼吸系统综合征冠状病毒2(新冠病毒,Sever acute respiratory syndrome coronavirus 2,SARS-CoV-2)导致的新型冠状病毒肺炎(新冠肺炎,coronavirus disease 2019,COVID-19),在全球范围内造成严重的感染和大量的死亡病例,对全球卫生系统和人类健康造成破坏。SARS-CoV-2在广泛传播过程中产生多种谱系突变株,不同突变株其感染能力、病毒载量、致病性均有所改变。已有突变株表现出对部分自然感染和接种疫苗后诱导的中和抗体产生免疫逃逸,为疾病预防和临床治疗带来巨大挑战。因此,快速筛选和鉴定出新冠病毒全人源广谱中和抗体,能够为新冠病毒感染后的治疗提供有效策略。本研究利用新冠肺炎康复者外周血单个核细胞(peripheral blood mononuclear cell,PBMC),通过磁珠分选结合流式分选技术,获得抗原特异性记忆B细胞;继续运用单B细胞克隆技术,在体外克隆表达重组全人源抗体;通过酶联免疫检测(enzyme linked immunosorbent assay,ELISA)和假病毒微量中和实验鉴定抗体的结合及中和能力,最终鉴定出多株靶向新冠病毒刺突蛋白(Spike,S)的单克隆抗体。首先,本研究建立了磁珠分选结合流式分选技术。通过Pan B磁珠分选提高了样品中记忆B细胞比例,从1.36%提高至7.36%,提升了后续流式分选效率。比较使用该方案处理新鲜样本和冻存样本后的差异,本方案能够有效去除死细胞,使复苏后的冻存样本中细胞活率由80%提升至95%,抗原特异性记忆B细胞比例在两种样本类型中无明显差异。其次,本研究优化了抗体基因表达载体构建流程,通过重叠延伸PCR将抗体基因直接扩增构建至表达载体中,提高了载体构建的效率。单B细胞PCR结果显示,扩增抗体基因的效率超过90%。通过比对表达载体的测序结果,本研究共获得174株重组抗体序列。本研究利用HEK293F悬浮培养系统重组表达了 174株全人源抗体,通过ELISA结合实验筛选,鉴定出33株靶向Spike蛋白的抗体,并进一步确定了其中有15株为结合NTD的抗体、19株为结合RBD的抗体、28株为结合S1的抗体和8株为结合S2的抗体。多反应性结合实验结果显示,结合S2的抗体均能交叉识别SARS-CoV-2 和 SARS-CoV,部分 RBD 抗体能够交叉结合 SARS-CoV-2 和 SARS-CoV,后续鉴定证实其为结合Class 3区域的抗体。研究发现JYTA108和JYTA172结合RBD Class 1和Class 2区域,具有广谱中和活性,能够中和包括原型株、Alpha、Gamma、lota、Epsilon、Delta、Lambda、BA.1、BA.2、BA.2.12.1、BA.2.75及BA.4/5株在内的假病毒毒株,但其对Omicron及其亚系突变株的中和活性有所下降;JYTA034结合RBD Class 3区域,具有广谱结合活性,能够结合原型株、Beta、Delta、C.1、BA.1及XBB突变株的RBD蛋白,其中和活性在检测的突变株中无明显差异。为进一步提高抗体检测及筛选通量,本研究利用均相时间分辨荧光技术(Homogeneous Time Resolved Fluorescence,HTRF)构建了 高通量 RBD 特异性抗体检测体系:使用2.5 μL 40 nM RBD蛋白即可检测抗体浓度,可测得的抗体浓度范围为 0.003 μg/mL-40.8 μg/mL。综上,本研究优化了单B细胞PCR克隆抗体的流程,建立了 HTRF高通量筛选RBD抗体技术,完善了新发突发病原体全人源抗体筛选平台。利用新冠肺炎康复者PBMC样本成功分离鉴定了多株针对S蛋白的单克隆抗体,初步阐明了作用位点和机制,为潜在的治疗方法提供数据参考和理论依据。

关键词： 土地延包   土地调整   新冠肺炎疫情   非农就业  

摘要： 第二轮土地承包到期后,土地延包无疑是一项关乎亿万农民切实利益的重大事项。第二轮土地承包以来,家庭人口规模的变动使得不同家庭的人均土地面积趋向不平等,造成部分农户在延包中具有土地调整的诉求。尽管当前大多农户已向非农就业转移,不再以农为生,土地对农户生计的贡献已显著下降,这或许会降低农户的土地调整意愿。但是,农村转移劳动力的非农就业具有不稳定性,尤其是地少农户易遭受非农就业的冲击,所以,农户仍可能具有较强的土地调整意愿。因此,在新冠肺炎疫情冲击下,分析非农就业如何影响农户土地调整意愿及其形成逻辑,对保护农户的土地承包权益、化解延包中的潜在矛盾、保持承包地稳定等具有重要的价值。本文基于土地市场理论、新迁徙理论、农户行为理论以及制度变迁理论,构建了分析框架,探讨了新冠肺炎疫情冲击下非农就业对农户土地调整意愿的影响,提出了本文的核心假说:在新冠肺炎疫情冲击下,非农就业不一定会弱化家庭人均耕地占有差异对农户土地调整意愿的影响。该假说成立的前提是新冠肺炎疫情冲击会显化土地的就业保障功能,及家庭土地的多寡会影响家庭在新冠肺炎疫情中所受到的冲击。为此,本文进一步提出了两个假说:一是,家庭遭受的新冠肺炎疫情冲击越大,地少农户的土地调整意愿越强;二是,地少农户在新冠肺炎疫情中更会遭受新冠肺炎疫情冲击。基于三个假说,本文利用2020年中国土地经济调查数据,首先检验了在新冠肺炎疫情冲击下非农就业对延包中农户土地调整意愿的影响;其次,考察了新冠肺炎疫情冲击对农户土地调整意愿的影响;最后,探讨了家庭人均耕地占有差异对新冠肺炎疫情冲击的影响。本文研究发现:第一,保持承包地稳定仍然是多数农户的意愿。第二,在新冠肺炎疫情冲击下,非农就业并不一定会弱化家庭人均耕地差异对农户土地调整意愿的影响。第三,农户所遭受的新冠肺炎疫情冲击越大,地少农户土地调整的意愿越强。第四,家庭人均耕地越低于村庄一般水平,农户所遭受的新冠肺炎疫情冲击越大。据此,提出加快二轮延包稳定承包权政策的落地,稳定农户预期;健全土地调整的替代制度;加强农村非农就业培训,提高农户人力资本,拓宽非农就业渠道;健全农村的社会保障机制,进而更好地稳定土地承包关系。

关键词： 新型冠状病毒   非结构蛋白   自噬   线粒体自噬   线粒体损伤  

摘要： 由新型冠状病毒(SARS-CoV-2)引起的新型冠状病毒肺炎(COVID-19)严重危害了21世纪公共卫生安全。SARS-CoV-2基因组包含16种非结构蛋白(Nsp1-Nsp16),4种结构蛋白和9种辅助蛋白。其中,非结构蛋白不仅参与病毒基因组复制和转录还在病毒与宿主之间的相互作用中扮演重要角色。自噬是一种高度保守的细胞降解途径,可将需要清除的底物运送至溶酶体进行降解,以此来调节细胞稳态。其中,线粒体自噬是自噬体选择性地靶向受损线粒体将其进行清除,来维持线粒体动态平衡。线粒体自噬在病毒与宿主相互拮抗过程中起着至关重要的作用。然而,SARS-CoV-2及其蛋白诱导线粒体自噬的详细机制尚不清楚,迫切需要进一步研究。确认SARS-CoV-2感染细胞能够引起自噬后,进一步研究是由哪些非结构蛋白诱导的。首先构建了SARS-CoV-2非结构蛋白(Nsp1-Nsp16)表达载体,过表达于细胞中检测其对自噬的影响,发现Nsp8可以引起自噬蛋白LC3-Ⅱ的表达上升,EGFP-LC3绿色荧光斑点增多,以及电镜观察到自噬体增多,表明Nsp8能诱导自噬体累积。通过利用自噬诱导试剂EBSS和抑制剂Baf A1,以及双荧光自噬指示系统m Cherry-EGFP-LC3,进一步探索Nsp8对自噬流的影响。结果发现Nsp8可以阻止细胞内自噬体与溶酶体的融合引起自噬体的积累。同时,实验结果提示Nsp8可与线粒体共定位,并且能导致线粒体组分中的LC3-Ⅱ上调,免疫荧光检测到线粒体外膜标记蛋白TOM20与LC3的共定位,串联报告基因显示Nsp8能导致线粒体清除受阻,以上结果证明Nsp8可以引起不完全线粒体自噬。基于线粒体自噬通常由线粒体损伤引起,为此,我们检测到Nsp8可降低线粒体膜电位并且产生线粒体ROS(mt ROS),细胞质中Cyt-c增加,电镜发现线粒体受损,说明Nsp8可以引起线粒体损伤。当使用ROS清除剂NAC,Nsp8所引起的LC3-Ⅱ升高现象消失,证明Nsp8可以通过诱导mt ROS产生引发自噬/线粒体自噬。最后,我们探索Nsp8各结构域在诱导线粒体自噬中的作用。根据Nsp8的球状或棒状结构域将Nsp8分别突变为N端和C端缺失突变体,过表达后检测结果表明Nsp8的N端结构域定位于线粒体,而C端结构域诱导mt ROS引发线粒体自噬。综上,本研究发现SARS-CoV-2 Nsp8通过抑制自噬体与溶酶体融合诱发自噬体累积,同时发现Nsp8定位于线粒体,通过诱导mt ROS产生,损伤线粒体引发自噬/线粒体自噬。这些发现在一定程度上揭示了SARS-CoV-2感染诱导自噬是由于Nsp8引发自噬累积所致,可能有助于我们了解SARS-CoV-2致病机制。

关键词： 突发公共卫生事件   政策工具   新冠肺炎   地方政府  

摘要： 2019年底,新冠肺炎疫情爆发,成为近年来影响范围最广、持续时间最长的全球性公共卫生危机。我国作为最早发现疫情的国家,在疫情防控过程中,始终把人民群众生命安全放在第一位,采取了一系列全面、严格的防控政策措施。但是,随着疫情不断变化,如何统筹好疫情防控和经济社会发展,对地方政府突发公共卫生危机事件的应对能力提出了新的要求。尤其是,突发公共卫生危机引发的“非常态”应急处置,十分考验地方政府准确把握情况变化趋势,应用政策工具进行决策、宏观调控及管理公共事务的能力。本文以邹平市2020年和2022年两次新冠肺炎疫情公共卫生危机为研究对象,采用案例分析法、半结构式访谈法及参与式观察法,以危机生命周期理论和政策工具理论为基础,对邹平市新冠肺炎疫情应急管理过程进行阶段划分,重点研究邹平市两次应急管理政策工具的类型,以及不同阶段政策工具的组合运用情况,对政策工具运用效果及差异进行分析,总结出邹平公共卫生体系完善、政府应急处置能力提升、常态化防控机制建立三个成效。同时发现了政策工具应用中缺少宏观规划和统筹、政策工具使用预见性与时效性不强、政策工具使用和地方需求适配度不高、自愿性政策工具使用度低等问题,从而进一步分析出公共卫生危机协同应对体系构建不完善、地方政府预警监测能力不足、政策工具制定选择不科学、公众和第三部门参与弱化等原因,试图发现地方政府在运用政策工具应对突发公共卫生危机时存在的“盲点”,从而对地方政府更加科学、合理、创新、高效地运用策工具提出针对性的对策建议,如完善公共卫生事件应急处置体系、加强地方政府对政策工具的使用能力、推进政策工具优化创新、促进和完善第三部门参与等,为地方政府提高公共卫生危机应对能力提供参照,推动危机管理理论和政策工具理论研究的实证化发展。

关键词： COVID-19CT图像分割   注意力机制   上下文探索机制   UNet   尺度空间理论  

摘要： 新冠肺炎（COVID-19）自2019年底爆发以来,迅速传播到全球各地,对全球产生了广泛的影响,全球公共卫生面临前所未有的挑战。在COVID-19疫情期间,CT图像成为一种非常重要的检测手段,可以帮助医生快速准确地诊断患者是否感染新冠病毒。使用训练好的深度模型自动分割COVID-19 CT图像中病变区域能够帮助病情评估、疾病监测并大大减轻医生的工作量。目前主要研究热点是采用深度学习方法进行COVID-19肺部CT图像自动分割。 为此,本文介绍了注意力机制、上下文探索机制、尺度空间理论等方法,并将这些思想融入网络模型,以解决COVID-19肺部CT图像数据缺乏、数据不平衡、病变区域复杂多变、边界模糊等问题,进一步提升分割结果的准确率。主要研究内容包括: （1）设计了一个针对COVID-19肺部CT图像感染区域的分割网络。首先,通过Res2Ne的主干网络提取多层特征。随后,通过边缘注意模块（EAM）提取低级特征f2中病变区域的边缘特征。其次,精心设计了注意位置模块（APM）的结构,以提取高层次特征f5并从全局上识别感染区域;最后,提出了一个由两个平行探索块组成的上下文探索模块（CEM）,它可以去除分割结果中的假阳性（误检）和假阴性（漏检）,以达到更准确的分割结果。在公开的COVID-19数据集上的实验结果表明,所设计方法与最新的COVID-19分割模型Inf-Net相比Dice相似性系数提高了7.3%、灵敏度（Sen）提高了5.9%、平均绝对误差（MAE）下降了2.2%。此外,本文方法可以适用于当前各种流行的网络,具有良好的鲁棒性。 （2）U-Net网络在医学图像分割任务展现出自身强大的功能,然而使用U-Net准确分割COVID-19肺部CT图像中的感染性病变仍然是一项具有挑战性的任务,因为这些病变区域通常形状不规则,大小不一,而且边界模糊不清。本文提出了一种基于U-Net的新型多尺度U型网络,用于分割COVID-19 CT图像中的病变区域,提升分割结果的准确率。首先,本文通过缩放策略在主尺度特征(fi1.0)的基础上生成两个辅助尺度特征(fi0.5,fi1.5)。其次,设计了尺度集成模块（SIM）,它能够过滤和聚合尺度特征,并能充分地融合多尺度语义信息。然后,分层混合模块（HMM）成功替代了U-Net网络的自下而上的聚合过程,使不同通道间的信息进行交互,进一步增强了混合尺度特征。在数据集COVID-19-CT829上,与最近的COVID-19分割模型hiformer相比,所设计网络的Dice、Sen和F-measure分别增加了2.24%、2.83%、3.14%;在数据集COVID-19-CT100上,本文网络的Dice、Sen和F-measure分别增加了2.91%、3.72%、2.42%。此外,还在其他医学数据集（息肉分割数据集:CVC-612和kvasir）上验证了本文网络的通用性和可移植性,本文网络同样也取得了优异成绩。 综上所述,针对COVID-19肺部CT图像自动分割问题设计了两种深度学习网络模型,致力于帮助医生更准确地诊断COVID-19病例,提高诊断效率和准确性,从而更好地指导患者的治疗。

关键词： 新型冠状病毒感染   危重情况   预警   列线图   机器学习模型  

摘要： 背景:新型冠状病毒感染(COVID-19)对人类生命安全和全球卫生系统的仍造成严重威胁,目前对新型冠状病毒感染危重症的风险评估还不够精准。本文的目的是研究开发一种机器学习(ML)模型来区分新型冠状病毒感染疾病中的轻症和危重症,作为危重症患者发生的预测指标,促进医疗资源的合理配置。方法:本研究回顾性分析了709例确诊COVID-19患者的病历资料,包括性别、年龄、合并症及实验室指标。所有患者按7:3随机分为训练组和测试组。我们使用6个ML模型来选择训练队列中的特征,并使用受试者操作特征(ROC)曲线来评估模型的性能和测试集用于评估验证模型的准确性。此外,来自另一家医院的766名患者被用作外部验证队列,以进一步验证最优ML模型的性能。结果:基于临床特征、合并症和实验室指标构建的最优的逻辑回归(LR)模型在训练集和验证集的AUC值分别为0.864(95%CI 0.825,0.904)和0.794(95%CI0.725,0.875)。此外,LR模型在外部独立验证数据中以0.785(95%CI 0.761,0.848)的AUC和高灵敏度(0.750)正确区分了Covid-19的轻度和危重病例。在训练、测试和外部验证队列中,模型的准确匹配都是良好的。决策曲线分析证明了列线图的临床有效性。结论:总之,本研究可能有助于预测COVID-19的危重程度。我们的ML模型总结了COVID-19的临床特征,并构建了一个COVID-19临界预警系统,便于进行临床监测和危重患者的治疗。本研究提出的列线图可以方便地用于促进新型冠状病毒感染危重病的个体化预测。