胡海燕
- 作品数：4 被引量：3H指数：1
- 供职机构：中国人民解放军更多>>
- 相关领域：医药卫生更多>>
- 循证护理在苄星青霉素肌注中的应用被引量：1
- 2014年
- 目的探讨循证护理在肌肉注射苄星青霉素中的应用效果。方法将2012年6月~2013年6月间80例肌注苄星青霉素的患者作为观察组,应用循证护理的理论和实践步骤进行指导,制定护理措施。将本科注射室2011年6月~2012年6月期间80例肌注苄星青霉素的患者作为对照组,根椐资料分析及循证护理途径,确立护理问题。结果观察组一次肌注成功率明显高于对照组（P〈0.01）,残余药量明显低于对照组（P〈0.05）,统一了皮试标准。结论通过肌注长效苄星青霉素的循证护理临床实践,使护理人员利用科学依椐的护理实证去指导和解决临床护理问题,减少护士工作量及耗材的浪费,减轻患者痛苦,为患者提供安全、有效的优质护理。
- 任玉蓉阳秋良黄鹂胡海燕
- 关键词：循证护理苄星青霉素肌肉注射
- 基于线粒体代谢相关基因构建和验证肺腺癌预后模型被引量：2
- 2024年
- 目的基于线粒体代谢相关基因(MMRGs)构建和验证肺腺癌(LUAD)预后模型,并探讨其临床应用价值。方法从癌症基因组图谱(TCGA)数据库中获取LUAD数据集,并按7∶3的比例随机分为训练集和验证集。首先获取LUAD特异性表达的MMRGs,然后在训练集中通过Cox回归分析、最小绝对收缩和选择算子回归筛选预后相关MMRGs,构建预后模型,计算风险评分,并以其中位值将患者分为低风险组和高风险组。在TCGA训练集、验证集、全集和GSE30219、GSE41271和GSE68465等3个测试集中分别绘制Kaplan-Meier曲线、ROC曲线,观察模型的稳健程度,通过Cox回归测试预后模型的预后性能;通过构建列线图模型进一步探讨预后模型与相关临床参数在预后监测中的作用,并探索预后模型与患者临床特征、驱动基因突变、免疫浸润等相关性。结果本研究构建了由4个MMRGs组成的预后模型。生存分析显示高风险组患者的预后明显劣于低风险组,风险评分可作为LUAD患者预后的独立危险因素;联合患者年龄、T分期、N分期和风险评分的列线图能更准确地预测LUAD患者的预后。患者的风险评分随T分期、N分期及TNM分期等增加而增加,且吸烟、鼠类肉瘤病毒癌基因(KRAS)突变型患者的风险评分高于不吸烟、KRAS野生型患者,而表皮生长因子受体(EGFR)突变型患者的风险评分低于EGFR野生型患者。高风险组患者中活化的肥大细胞、活化的CD4记忆T细胞、中性粒细胞、未活化的自然杀伤细胞、浆细胞、M1型巨噬细胞、M0型巨噬细胞浸润程度高。结论基于MMRGs构建的预后模型,对预测LUAD患者的预后评估具有较好的准确性和稳定性,且与患者的恶性表型、驱动基因突变和免疫浸润密切相关,可为LUAD的治疗及预后评估提供潜在依据。
- 胡旭钢胡艳胡海燕陈少明郑伟
- 关键词：肺腺癌预后列线图
- 基于糖酵解相关基因的肺腺癌预后模型构建
- 2025年
- 目的基于糖酵解相关基因(GRGs)构建肺腺癌预后模型,探究其临床应用价值。方法将TCGA肺腺癌数据集划分为训练集和验证集,GSE31210、GSE41271和GSE68465作为测试集。在TCGA数据集中筛选差异表达糖酵解相关基因(DEGRGs),经Cox和LASSO回归分析筛选预后相关DEGRGs,并构建预后模型。根据预后模型计算风险评分,并以中位数将患者分为低风险组和高风险组。通过生存分析、ROC曲线、Cox回归分析验证模型效能,构建列线图模型,探讨模型与临床参数在预后评价中的作用。分析模型与患者临床特征、肿瘤免疫浸润的相关性。结果成功构建了由CIDEC、LDHA、NPAS2和PAX5四个DEGRGs组成的预后模型。生存分析表明高风险组患者的预后差,风险评分是独立的预后危险因素。基于年龄、肿瘤大小、淋巴结转移和风险评分的列线图模型能够更准确地预测患者预后。风险评分与肿瘤大小、淋巴结转移及TNM分期呈正相关。在高风险组患者中,巨噬细胞、B细胞、CD4^(+)T细胞、CD8^(+)T细胞及树突细胞浸润显著减少。结论基于糖酵解相关基因CIDEC、LDHA、NPAS2和PAX5构建的预后模型在预测肺腺癌患者的预后方面具有较高准确性和稳定性,并与患者的恶性表型和免疫浸润密切相关。
- 胡海燕章莹姣杨帆方蒙胡旭钢
- 关键词：肺腺癌预后模型列线图
- 基于m6A RNA修饰相关基因的肺腺癌预后模型构建与分析
- 2025年
- 目的基于N6-腺苷酸RNA甲基化修饰(N6-methyladenosine,m6A)相关基因构建肺腺癌(lung adenocarcinoma,LUAD)预后模型并探讨其临床意义。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)和基因综合表达数据库(gene expression omnibus,GEO)下载LUAD数据集。将TCGA数据集按7∶3的比例划分为训练集和验证集,在训练集中采用单因素COX分析及LASSO回归分析构建m6A相关基因预后模型。在TCGA、GSE30219、GSE31210、GSE41271、GSE50081和GSE68465数据集中分别计算风险评分,按其中位值将患者分为高、低风险。通过绘制Kaplan-Meier曲线、ROC曲线、多因素COX回归分析验证预后模型的可靠性;构建列线图模型探究风险评分在预后监测中的作用;利用基因富集分析探索预后模型富集的信号通路;并进一步探讨风险评分与免疫浸润、驱动基因突变的相关性。结果本研究构建了一个包含AKAP12、CBFA2T3、KIF14、KL、KRT6A、LIFR、MIF、RRM2、TLR8等9个m6A相关基因的预后模型,是LUAD患者预后的独立因素。基于风险评分和T、N分期的列线图模型能更准确地预测LUAD患者的预后。进一步分析显示高风险组的mTORC1、Myc信号通路、DNA损伤修复等信号通路显著激活,CD8+T细胞、CD4+T细胞浸润比例显著降低,免疫检查点CD276表达升高,CTLA4表达降低,且风险评分与EGFR、KRAS突变相关。结论基于m6A相关基因的预后模型能有效预测LUAD患者的预后,可用于指导患者的靶向及免疫治疗。
- 方蒙杨帆王浓燕陈少明胡海燕胡旭钢
- 关键词：肺腺癌预后
