<正>为进一步满足广大医务工作者科研、工作需求，《实用心脑肺血管病杂志》开通了投稿绿色通道，凡符合以下条件的稿件编辑部将提供优化研究设计方案、优化统计学处理、优化参考文献等编辑深加工服务并由资深编辑负责论文的修改、润色，享受优先审稿、优先外审、优先出版等优惠政策，欢迎您积极踊跃投稿！（1）最新权威指南/指南解读、述评、Meta分析/系统评价类型文章，其中确有重大指导作用者缴费后1～2个月优先出版；（2）国家级及省级以上基金项目支持文章，其中确有重大影响力者缴费后1～2个月内优先出版；（3）省级基金项目支持文章及前瞻性研究、大型临床随机对照试验、大样本量调查研究缴费后2～3个月内优先出版；（4）系统阐释、深入研究某一种/一组疾病规律的专题研究（由4～6篇文章组成）缴费后2～3个月内优先出版；（5）介绍自主研发/研制或具有专利号的医疗技术、仪器、设备等相关文章，缴费后2～3个月内优先出版；（6）优秀或获奖博士生毕业论文（须附导师推荐意见）缴费后2～3个月内优先出版。

特发性肺纤维化(IPF)是一种不明原因的慢性、进展性间质性肺炎，药物治疗虽然可延缓疾病进展，但其改善患者症状的效果有限。肺康复(PR)作为国际指南推荐的慢性肺疾病患者的核心非药物疗法，近年来受到广泛关注。本文通过回顾相关文献，系统介绍了PR的发展历程、定义及内容，分析了IPF患者PR开展情况、PR治疗IPF的效果及IPF患者接受PR治疗时存在的局限性，指出PR是IPF患者合适的治疗选择，IPF患者需要在医护人员指导下规范行PR治疗以延缓肺功能恶化，未来需要进一步完善IPF患者PR相关研究，探索规范的适宜IPF患者的PR方案。

目的 探讨血清D-二聚体(D-D)、N末端脑钠肽前体(NT-proBNP)与急性肺栓塞(APE)合并肺动脉高压(PH)患者疾病危险分级、肺动脉压力分级的关系及其对短期死亡的预测价值。方法 回顾性选取2018—2024年在中国人民解放军联勤保障部队第九〇四医院常州医疗区接受治疗的210例APE合并PH患者的临床资料。根据患者疾病危险分级将其分为低风险者(n=91)、中风险者(n=95)、高风险者(n=24)，根据肺动脉收缩压将患者分为轻度者(n=90)、中度者(n=68)、重度者(n=52)。根据患者入院后30 d生存情况将其分为生存组(n=178)和死亡组(n=32)。收集患者的基线资料，比较不同疾病危险分层、肺动脉压力分级患者血清D-D、NT-proBNP。采用多因素Logistic回归分析探讨APE合并PH患者短期预后的影响因素；采用ROC曲线分析血清D-D、NT-proBNP及二者联合对APE合并PH患者短期死亡的预测价值。结果 中风险者血清D-D、NT-proBNP高于低风险者，高风险者血清D-D、NT-proBNP高于低风险、中风险者(P<0.05)；中度者血清D-D、NT-proBNP高于轻度者，重度者血清D-D、NT-proBNP高于轻度、中度者(P<0.05)。死亡组高密度脂蛋白胆固醇(HDL-C)低于生存组，低密度脂蛋白胆固醇(LDL-C)及血清D-D、NT-proBNP高于生存组(P<0.05)；两组疾病危险分级及肺动脉压力分级比较，差异有统计学意义(P<0.05)。多因素Logistic回归分析结果显示，HDL-C〔OR=0.944，95%CI(0.906～0.983)〕、LDL-C〔OR=1.132，95%CI(1.051～1.220)〕、血清D-D〔OR=4.845，95%CI(2.082～11.280)〕、血清NT-proBNP〔OR=1.204，95%CI(1.038～1.398)〕、疾病危险分级〔OR=3.473，95%CI(2.558～4.716)〕及肺动脉压力分级〔OR=5.119，95%CI(4.299～6.097)〕是APE合并PH患者短期预后的独立影响因素(P<0.05)。ROC曲线分析结果显示，血清D-D、NT-proBNP及二者联合预测APE合并PH患者短期死亡的AUC分别为0.701〔95%CI(0.596～0.806)〕、0.836〔95%CI(0.776～0.917)〕、0.866〔95%CI(0.799～0.932)〕。二者联合预测APE合并PH患者短期死亡的AUC高于血清D-D、NT-proBNP单独预测APE合并PH患者短期死亡的AUC(P<0.05)。结论 血清D-D、NT-proBNP与APE合并PH患者疾病危险分级及肺动脉压力分级相关，血清D-D、NT-proBNP是APE合并PH患者短期预后的独立影响因素，且二者联合对APE合并PH患者短期死亡有一定预测价值。

目的 分析早期帕金森病患者三维步态分析系统指标。方法 前瞻性纳入2022年2月—2023年9月首都医科大学附属北京天坛医院收治的63例早期帕金森病患者为帕金森病组，选取同期首都医科大学附属北京天坛医院的职工、健康体检者及健康志愿者71例为健康对照组。采用三维步态分析系统测量两组受试者步态时空指标(步速、步长、跨步长、步长时间、跨步时间、支撑相占比)、运动学指标(髋、膝、踝关节有效摆动角度)、步态变异性及对称性指标(步长变异系数、跨步时间变异系数、步态对称性)。结果 帕金森病组步速慢于健康对照组，步长、跨步长短于健康对照组，支撑相占比大于健康对照组(P<0.05)。帕金森病组踝关节有效摆动角度小于健康对照组(P<0.05)。帕金森病组步长变异系数、跨步时间变异系数大于健康对照组(P<0.05)。结论 与健康人群相比，早期帕金森病患者步速减慢，步长、跨步长缩短，支撑相占比更大，踝关节有效摆动角度减少，同时步长变异系数、跨步时间变异系数更大。

目的 探讨血流限制性中低强度有氧训练对老年稳定期慢性阻塞性肺疾病（COPD）患者的康复效果。方法 选取2022年1月—2023年6月于新疆维吾尔自治区人民医院呼吸科门诊和老年医学中心就诊的122例老年稳定期COPD患者作为研究对象，按照随机数字表法将患者分为常规组和血流限制组，每组61例。常规组剔除5例，血流限制组剔除3例，最终纳入常规组56例，血流限制组58例。常规组患者接受常规中低强度有氧训练，血流限制组患者接受血流限制性中低强度有氧训练，两组均持续干预6个月。比较两组干预前及干预6个月后肺功能指标〔第1秒用力呼气容积（FEV1）、用力肺活量（FVC）及FEV1/FVC〕、Borg呼吸困难评分量表（BDS）评分、6分钟步行距离（6MWD）、焦虑自评量表（SAS）评分、抑郁自评量表（SDS）评分、匹茨堡睡眠质量指数（PSQI）及中文版健康调查量表36（SF-36）各维度评分。结果 干预6个月后，血流限制组FEV1、FVC大于常规组，FEV1/FVC高于常规组，BDS评分低于常规组，6MWD长于常规组（P<0.05）。干预6个月后，血流限制组SAS、SDS评分及PSQI低于常规组（P<0.05）。干预6个月后，血流限制组生理功能、生理职能、躯体疼痛、一般健康、精力、社会功能、情感职能、精神健康维度评分高于常规组（P<0.05）。结论 血流限制性中低强度有氧训练可有效改善老年稳定期COPD患者的肺功能，减轻呼吸困难严重程度，提高运动耐量，进而改善焦虑、抑郁情绪，提高睡眠质量及生活质量。

目的 构建重症肺炎支原体肺炎(SMPP)风险的机器学习(ML)预测模型，并采用Shapley加性解释(SHAP)方法解释和可视化该模型及开发相应的网络计算器。方法 回顾性选取2021年1月—2024年5月南通大学杏林学院附属医院收治的肺炎支原体肺炎(MPP)患儿317例为研究对象。将MPP患儿按照3∶2的比例划分为训练集(n=190)和测试集(n=127)。收集患儿临床资料，预处理数据后采用Boruta算法筛选SMPP风险特征变量，并绘制箱线图。基于SMPP风险特征变量构建5种ML模型〔即梯度提升机(GBM)、线性判别分析(LDA)、朴素贝叶斯(NB)、支持向量机(SVM)、XGBoost模型〕。使用permutation函数将训练集、测试集患儿分别随机分成10份，采用ROC曲线下面积(AUC)评估5种ML模型对训练集、测试集MPP患儿进展为SMPP的预测效能，筛选出预测效能最优的ML模型(AUC最大)，并使用决策曲线评估筛选出的ML模型的临床适用性。采用SHAP方法解释和可视化筛选出的ML模型，并绘制SHAP条形图、摘要图。开发筛选出的ML模型的网络计算器。结果 箱线图分析结果显示，SMPP风险特征变量为持续发热时间、急性生理学和慢性健康状况评价Ⅱ(APACHEⅡ)评分、序贯器官衰竭评估(SOFA)评分、C反应蛋白(CRP)、乳酸脱氢酶(LDH)、天冬氨酸氨基转移酶(AST)、中性粒细胞与淋巴细胞比值(NLR)。ROC曲线分析结果显示，GBM、LDA、NB、SVM、XGBoost模型预测训练集、测试集MPP患儿进展为SMPP的AUC均>0.75，且XGBoost模型的AUC最大。决策曲线分析结果显示，当风险阈值为0.113～0.732时，XGBoost模型预测训练集MPP患儿进展为SMPP的临床净收益>0；当风险阈值为0.869～0.741时，XGBoost模型预测测试集MPP患儿进展为SMPP的临床净收益>0。SHAP条形图显示，重要性从大到小的SMPP风险特征变量依次为LDH、SOFA评分、APACHEⅡ评分、CRP、持续发热时间、NLR和AST；SHAP摘要图显示，LDH、SOFA评分、APACHEⅡ评分、CRP、持续发热时间、NLR和AST均对SMPP风险具有正向贡献。开发XGBoost模型的网络计算器(https://pbo-nomogram.shinyapps.io/SMPP＿shiny/)。结论 持续发热时间、APACHEⅡ评分、SOFA评分、CRP、LDH、AST、NLR为SMPP风险特征变量，本研究基于上述变量构建的SMPP风险的可解释XGBoost模型具有较好的临床适用性，且相应开发的网络计算器有助于完善SMPP的早期预防和管理，并推动MPP患儿的个性化干预。

随着年龄的增长，老年人身体功能逐渐衰退，基础疾病逐渐增多，活动能力也随之下降，这些生理变化使得老年人成为静脉血栓栓塞症(VTE)的高危人群。在临床实践中，有效运用VTE风险评估工具可以早期且准确地识别出VTE中高危人群，为制定个性化预防措施提供依据，从而降低VTE发生率和患者死亡率。国内外为预防老年人群发生VTE开展了多项研究，并制定了多项指南来指导临床工作，然而其在VTE评估工具方面推荐意见不一致，推荐种类复杂多样，此外，多数相关研究并未严格限定VTE评估工具的适用年龄范围，这导致VTE评估工具在老年人群中的应用引发了诸多争议。本文通过回顾相关文献，首先分析了老年人群VTE风险评估现状，然后介绍了用于老年人群的VTE风险评估工具及针对老年人群的特异性VTE风险评估工具，并对比分析了各VTE风险评估工具的优势与不足，旨在为临床评估老年人群VTE发生风险提供参考与借鉴。

目的 系统评价中国糖尿病高危足的患病率。方法 计算机检索PubMed、Embase、Web of Science、Cochrane Library、中国知网、万方数据知识服务平台、维普网、中国生物医学文献数据库公开发表的中国糖尿病高危足患病率的文献，检索时限均为建库至2024-07-26。由2名研究人员独立进行文献筛选、资料提取及质量评价，采用Stata 16.0软件进行Meta分析。结果 本研究纳入26篇文献，共纳入23 070例糖尿病患者，发生糖尿病高危足9 648例，中国糖尿病高危足患病率为7.1%～89.5%。Meta分析结果显示，中国糖尿病高危足患病率为47.7%〔95%CI(39.5%～56.0%)〕。0级糖尿病高危足患病率为42.7%〔95%CI(30.8%～54.7%)〕，1级糖尿病高危足患病率为23.9%〔95%CI(17.6%～30.2%)〕，2级糖尿病高危足患病率为28.1%〔95%CI(21.7%～34.6%)〕，3级糖尿病高危足患病率为4.1%〔95%CI(3.0%～5.2%)〕。亚组分析结果显示，北方地区糖尿病高危足患病率高于南方地区(P<0.05)，采用国际糖尿病足工作组(IWGDF)风险分级系统筛查糖尿病高危足患病率高于Gavin's糖尿病足危险因素加权值积分量表、Inlow's 60 s糖尿病高危足筛查量表及自制量表(P<0.05)。结论 中国糖尿病高危足患病率为47.7%，北方地区及采用IWGDF风险分级系统筛查糖尿病高危足患病率较高。

目的 比较华法林与艾多沙班治疗高龄缺血性脑卒中合并心房颤动患者的临床疗效。方法 选取2021年2月—2023年2月中国人民解放军联勤保障部队第904医院收治的高龄缺血性脑卒中合并心房颤动患者106例作为研究对象，按照随机数字表法将患者分为艾多沙班组（n=53）和华法林组（n=53）。患者入院后均接受常规治疗，在此基础上，华法林组患者采用华法林片治疗，艾多沙班组患者采用甲苯磺酸艾多沙班片治疗，均连续治疗6个月。比较两组治疗前、治疗6个月后凝血功能指标（PT、APTT、TT）、美国国立卫生研究院卒中量表（NIHSS）评分、Barthel指数（BI）、CHA2DS2-VASc评分，治疗6个月后HAS-BLED评分，并观察两组治疗期间不良事件发生情况。结果 治疗6个月后，两组PT、APTT、TT分别长于本组治疗前，且艾多沙班组PT、APTT、TT短于华法林组（P<0.05）。治疗6个月后，两组NIHSS、CHA2DS2-VASc评分分别低于本组治疗前，BI分别高于本组治疗前，且艾多沙班组NIHSS、CHA2DS2-VASc评分低于华法林组，BI高于华法林组（P<0.05）。治疗6个月后，艾多沙班组HAS-BLED评分低于华法林组（P<0.05）。艾多沙班组不良事件总发生率低于华法林组（P<0.05）。结论 与华法林相比，采用艾多沙班治疗高龄缺血性脑卒中合并心房颤动患者具有平稳的抗凝效果，可有效减轻神经功能缺损程度，提高患者的日常生活活动能力，降低脑卒中复发及出血风险，且安全性较高。

目的 基于机器学习算法构建重症肺炎患者1个月内、1年内死亡风险预测列线图模型。方法 选取2019年6月—2023年6月在厦门大学附属翔安医院急诊医学科就诊的134例重症肺炎患者，收集患者的临床资料。采用5种机器学习算法(随机森林、朴素贝叶斯、支持向量机、神经网络、逻辑回归)分别分析重症肺炎患者1个月内、1年内死亡的影响因素，绘制ROC曲线以筛选预测效能最优的机器学习算法，然后选取前5位危险因素分别构建重症肺炎患者1个月内、1年内死亡风险预测列线图模型；最后，绘制ROC曲线以评估列线图模型的预测效能。结果 134例重症肺炎患者1个月内死亡22例，1个月内死亡率为16.4%；1年内死亡42例，1年内死亡率为31.3%。将所有患者按照7∶3比例随机分成训练集(n=94)和验证集(n=40)。将训练集患者的观察指标作为自变量，分别将训练集患者1个月内死亡情况、1年内死亡情况作为因变量，选择5种机器学习算法进行训练，结果显示，神经网络预测重症肺炎患者1个月内死亡的AUC最大，随机森林预测重症肺炎患者1年内死亡的AUC最大。选取神经网络中正态化重要性系数前5位的变量〔动脉血氧分压、碳酸氢盐、淋巴细胞计数、血小板计数、急性生理学和慢性健康状况评价Ⅱ(APACHEⅡ)评分〕构建重症肺炎患者1个月内死亡风险预测列线图模型。选取随机森林中平均下降GINI系数前5位的变量(尿量、氧合指数、肺炎严重程度评分、APACHEⅡ评分、ICU住院时间)构建重症肺炎患者1年内死亡风险预测列线图模型。ROC曲线分析结果显示，基于神经网络构建的列线图模型预测训练集、验证集患者1个月内死亡的AUC分别为0.828〔95%CI(0.705～0.950)〕、0.690〔95%CI(0.593～0.806)〕，基于随机森林构建的列线图模型预测训练集、验证集患者1年内死亡的AUC分别为0.833〔95%CI(0.746～0.919)〕、0.833〔95%CI(0.703～0.964)〕。结论 分别基于神经网络、随机森林构建的重症肺炎患者1个月内、1年内死亡风险预测列线图模型的预测效能较好，其中1年内死亡风险预测列线图模型表现更稳定。