【摘 要】
：
研究背景与目的:骨密度也称之为骨量,儿童时期是骨量快速增长的关键时期,也是维生素D、维生素K缺乏的主要发病人群。目前部分研究证明维生素D、维生素K均可影响骨密度,但是儿童血清维生素D、维生素K与骨密度的相关性分析研究报道较少,样本量也较小,且国内外存在一定的争议,故本文了解了0-14岁的儿童的骨密度、维生素K、维生素D水平,并分析维生素K、维生素D和骨密度的关联性,以期为日后临床及时干预调整、纠正
【基金项目】
：
国家卫生健康委医药卫生科技发展研究中心（编号:WA2020HK01）；
论文部分内容阅读
研究背景与目的:骨密度也称之为骨量,儿童时期是骨量快速增长的关键时期,也是维生素D、维生素K缺乏的主要发病人群。目前部分研究证明维生素D、维生素K均可影响骨密度,但是儿童血清维生素D、维生素K与骨密度的相关性分析研究报道较少,样本量也较小,且国内外存在一定的争议,故本文了解了0-14岁的儿童的骨密度、维生素K、维生素D水平,并分析维生素K、维生素D和骨密度的关联性,以期为日后临床及时干预调整、纠正儿童时期异常骨代谢提供有力依据。材料与方法:从2021年1月到2022年8月于四川省四所妇幼保健院儿童保健科门诊进行健康体检时发现骨密度不足的儿童中分别随机抽取150例,共600例儿童作为骨密度不足组,同时分别随机选取同医院、同年龄、同性别正常骨密度的儿童150例,共600例儿童作为骨密度正常组,应用调查问卷记录其性别、年龄、出生体重、出生身长、骨骼形态、既往病史等,采用标准身高、体重仪测量儿童身高和体重,并采用液相串联质谱仪检测维生素K1、维生素K2和维生素D水平,对两组指标进行差异性分析,并通过Logistic回归分析儿童骨密度与维生素K、维生素D的关系。结果:1、两组间年龄、性别、出生身长、出生体重、维生素K1水平比较,差异均无统计学意义（P＞0.05）;2、在骨密度不足组中,0～3岁（包含3岁）与3～6岁（包含6岁）组和6～14岁（包含14岁）组儿童的骨密度比较差异均有统计学意义（P＜0.05）,但0～3岁组与3～6岁组儿童的骨密度比较差异无统计学意义（P＞0.05）;骨密度正常组各年龄段骨密度差异均无统计学意义（P＞0.05）;3、各组中不同年龄段维生素D水平存在差异,具体如下:0～3岁组与3～6岁组、0～3岁组与6～14岁组、3～6岁组与6～14岁组两两比较,差异均有统计学意义（P＜0.05）;4、骨密度不足组血清维生素D水平较骨密度正常组低,差异统有计学意义（P＜0.05）;5、骨密度不足组中维生素K2缺乏416例（占比69.4%）,较骨密度正常组占比高,且差异有统计学意义（P＜0.05）;两组维生素K1缺乏占比比较差异无统计学意义（P＞0.05）;6、维生素K2缺乏组与维生素K2正常组出生身长、出生体重、维生素D水平比较,差异均无统计学意义（P＞0.05）;7、儿童维生素D水平可显著影响儿童骨密度（OR=0.985,95%CI 0.976-0.994,P＜0.05）;8、儿童维生素K2也可显著影响儿童骨密度,且维生素K2缺乏出现骨密度不足的几率是维生素K2正常的1.105倍（OR=2.105,95%CI 1.661-2.673,P＜0.05）。结论:1、年龄是儿童骨密度及维生素D的影响因素,在骨密度不足儿童中,儿童骨密度随年龄增长而降低;在骨密度正常组和骨密度不足组中维生素D水平均随着年龄升高而降低;2、维生素D是儿童骨密度的保护因素,儿童骨密度不足的发生概率随着维生素D水平的升高而减小（OR=0.985）;3、维生素K2缺乏是儿童维生素K缺乏的主要特征,相对维生素K1更能反应儿童维生素K的缺乏;4、维生素K2缺乏是儿童骨密度不足的独立危险因素之一,因此,维生素K2缺乏较维生素K2正常更易导致儿童骨密度不足。
其他文献
[目的]随着风能、太阳能等清洁能源快速发展，电力系统的能源结构发生了重大变化，这使得电网安全运行的不确定性增大，也给精准用电量预测带来了新的挑战。电网用电量受众多因子的影响，而气象因子的影响显著，因此，分析气象因子对用电量精细化预测的影响显得尤为重要。[方法]利用2017年逐日用电量以及最高气温、平均气温、最低气温、气压、相对湿度、风速等气象数据，采用集合模态经验分解（EEMD）和BP神经网络组合
负荷预测作为电力系统规划的重要环节，对于确保电网稳定运行、实现电力供需平衡等方面具有十分重要的作用。本文提出了一种基于改进AlexNet-GRU深度学习网络的配电网短期负荷预测方法。通过聚类将日负荷曲线分为不同日类型；然后根据聚类结果，建立基于改进AlexNetGRU深度学习网络的配电网短期负荷预测模型，并与传统的负荷预测方法进行对比。对某地区2013年的负荷进行预测结果表明，本文所提方法可以有效
短期电力负荷的准确预测是电力系统安全经济运行的重要条件。为了提高电力系统短期负荷预测的准确性，提出一种基于关键特征优化的电力系统短期负荷预测方法。首先，对影响电力系统短期负荷的气象特征、日类型特征和历史负荷特征的构建方法进行优化，为负荷预测模型提供更多先验知识；然后，考虑输入特征和输出预测向量的特点，构建结合卷积神经网络与全连接层的短期电力负荷预测模型；最后，通过算例验证基于关键特征优化的电力系统
为提升电力负荷预测精度，提出基于数据挖掘的短期电力负荷预测方法。基于数据挖掘技术选取相似日，并提取电力负荷数据，对相似日负荷数据进行预处理后，作为训练样本输入SVM模型中，经过模型训练完成短期电力负荷预测。实验结果表明，设计方法的预测值平均误差为3.08%。
为了构建准确的电动汽车充电负荷模型，本文提出一种考虑出行路径决策的充电负荷时空预测方法。首先，采用拉丁超立方采样抽取用户的起始出行时刻和起始荷电状态。其次，考虑用户的不确定性充电需求，利用模糊综合评价法以剩余荷电状态、停驶时长以及充电时长3种评价指标构建用户的充电行为模型。最后，考虑道路交通状况对用户出行路径的影响，根据Logit模型构建路阻函数模型，利用动态Floyd算法获取用户的出行路径，通过
为指导电力系统稳定安全运行，提出一种基于条件生成对抗网络（CGAN）曲线生成的短期负荷概率预测方法。首先，以日期、温度、历史负荷等特征为输入，构建基于双向长短期记忆神经网络的日负荷关键值自适应集成预测模型。其次，采用最大信息系数方法为负荷特征赋权，基于加权K最近邻算法、加权重采样构建相似曲线数据集。然后，以负荷关键值和相似曲线数据集作为条件和训练集，构建基于CGAN的负荷曲线生成模型，提出数值偏差
以地铁通风空调系统为例，分析了基于BP神经网络模型的负荷预测模型在节能方案中的实施要点，通过收集、筛选与整理历史数据，加强预处理数据，结合实际建模，实施BP神经网络模型优化，预测了地铁通风空调系统的负荷。结论表明，建筑工程节能施工方案应以节能需求为导向，本项目的运行空调通风性能达到了预期目标。
准确预测台区的电力负荷，能够促使电力企业合理安排调度计划，保障台区电力安全和经济稳定运行。为了充分挖掘电力负荷数据的特征，提高预测的精度，提出了一种基于自适应辛几何模态分解（adaptivesymplectic geometry mode decomposition, ASGMD）、多元线性回归（multiplelinearregression,MLR）和卷积长短时记忆（convolutional
高精度的短期电力负荷预测可以保证电力系统调度决策的准确性、缓解电力供需矛盾、保障电力系统运行的安全。由于短期电力负荷预测受气象、历史信息等因素影响且具有很强不确定性，因此对短期负荷预测进行精准的预测较为困难。为实现对日前电力负荷进行概率密度预测，提出一种基于引入注意力机制的卷积双向长短期记忆分位数回归网络（Convolutional bidirectional long short-term me
目的 建立一种应用多重聚合酶链式反应（PCR）技术鉴别3种肾源性药品的方法。方法 提取梅花鹿、驴、犬3个物种肾组织的基因组DNA,通过多重PCR对梅花鹿、驴、犬的特异性片段进行扩增，鉴别样品中是否含有梅花鹿、驴、犬3种动物源性成分。结果 通过对特异性片段的PCR扩增，可同时将梅花鹿、驴、狗的肾与其他物种进行区分。结论 本研究建立了一种基于多重PCR技术的快速、准确的同时鉴别梅花鹿、驴、犬3个物种肾