【摘 要】
：
目的 探讨不同检验方法检测生殖道沙眼衣原体感染结果准确率的临床应用。方法 对106例疑似生殖道沙眼衣原体感染的患者尿道、宫颈拭子和尿液分别用酶联免疫吸附试验（ELISA）、抗原快速检测试验（免疫层析试验）和生殖道沙眼衣原体核酸检测（PCR）,比较不同检验方法诊断阳性率、灵敏度和特异度。结果 以生殖道沙眼衣原体核酸检测为“诊断标准”,其阳性率为97.17%（103/106）,酶联免疫吸附试验阳性率为
论文部分内容阅读
目的 探讨不同检验方法检测生殖道沙眼衣原体感染结果准确率的临床应用。方法 对106例疑似生殖道沙眼衣原体感染的患者尿道、宫颈拭子和尿液分别用酶联免疫吸附试验（ELISA）、抗原快速检测试验（免疫层析试验）和生殖道沙眼衣原体核酸检测（PCR）,比较不同检验方法诊断阳性率、灵敏度和特异度。结果 以生殖道沙眼衣原体核酸检测为“诊断标准”,其阳性率为97.17%（103/106）,酶联免疫吸附试验阳性率为84.91%（90/106）,免疫层析试验阳性率为80.19%（85/106）,生殖道沙眼衣原体核酸检测试验的灵敏度和特异度高于酶联免疫吸附试验和免疫层析试验（P＜0.01）;酶联免疫吸附试验的灵敏度为87.25%,特异度为75.00%;免疫层析试验的灵敏度为82.18%,特异度为60.00%;酶联免疫吸附试验特异度高于免疫层析试验（P＜0.05）。结论 根据临床诊断和治疗的不同需要，选择生殖道沙眼衣原体感染适宜的检测方法，可以提高临床诊断的准确性，避免误诊。
其他文献
巴基斯坦是世界人口第六大的国家,同时巴基斯坦也是一个能源短缺的国家。近年来随着巴基斯坦人口以及工业区的增长,巴基斯坦正面临着严峻的能源危机。长期以来巴基斯坦能源消费主要还是依赖于传统的化石能源,对可再生能源的利用非常少。然而随着巴基斯坦传统化石能源的减少、化石能源价格的提高以及化石能源对环境的污染,发展清洁可再生能源来减少化石能源消费和减少环境污染是十分必要的。巴基斯坦的建筑能耗占总能耗的绝大部分
近年来老龄化加剧、越来越多室内物理环境问题显现,老年人居室健康需求难以满足。建筑学等学科围绕老年宜居环境营造开展大量研究,主要从套型设计、人体工学等要素开展了满足行动健康需求的适老化研究。马斯洛需求层次理论提倡老年人积极多样化的自我实现,现有研究缺乏综合考虑老人环境心理学、自身需求特征、室内环境暴露健康效应的一体化环境营造方法。本研究以我国寒冷地区部分省份建筑为研究对象,通过合理的技术路线,形成了
面向用户端的合理用能需求开展能源供给侧结构性改革是实现“碳达峰”和“碳中和”目标的重要举措。通过文献及实地调研发现,量大面广的居住建筑存在严重的能源浪费问题,尤其是因能源应用系统结构不合理所导致的高品味电能利用效能低的问题,使其成为最具节能潜力的领域之一。本文针对开展居住建筑能源革命面临的关键科学与技术问题——居住建筑用户端的合理用能需求是什么与如何开展居住建筑能源供给侧结构性改革,结合理论分析和
目前的商用飞机采用混合通风模式,即从座舱顶部送风,在侧壁靠近地板附近排风。混合通风意在提供均匀的热环境,以满足乘客舒适需求。然而,混合通风存在污染物交叉传递和引发疾病传播的风险,因此研究人员提出使用置换通风来减少舱内空气的混合,但是常规置换通风系统在座舱内容易形成较大的温度分层,给乘客脚部造成吹风感。现有研究对置换通风系统进行了一些改进,例如仅通过过道地板来供风,或者通过每位乘客座椅下方的风口来供
自然场景文本检测旨在对各种现实场景中的文字区域进行定位,它是机器理解现实世界的重要步骤。目前,基于深度学习的自然场景文本检测已经成为计算机视觉领域的重要研究方向,其实际应用领域也越来越多,比如图像（或视频）搜索、字幕翻译、人机交互、机器自动化等。基于卷积神经网络的自然场景文本检测主要分为边框回归和分割两种方法。边框回归方法通常将文本检测视作目标检测领域的子任务,对于弯曲状文本的检测效果不理想。基于
语音分离旨在将多个混合的语音分成单独的语音信号,它在人机交互、语音识别、数字音乐等领域具有广泛应用。多年来,有关单通道语音分离技术的研究已取得一定进展,但由于单通道固有的欠定性,使得传统方法的分离效果不佳。随着深度学习的兴起,数据驱动型方法在解决单通道分离问题上表现出明显优势,基于神经网络的单通道语音分离方法有所发展,但分离性能仍旧有待提升。本文应用深度学习理论,研究了基于深度学习的单通道语音分离
面临频谱日渐拥挤的困境,5G通信系统引入了毫米波频率,通过探索尚未占用的宽频带以实现更高的数据传输速率。得益于毫米波波长短的优势,大规模多入多出（Multiple-Input Multiple-Output,MIMO）技术通过充足的天线增益补偿了毫米波信道的衰减,并在提升系统频谱效率方面彰显了极大的性能优势。在毫米波MIMO通信系统中,波束成形技术十分关键,其算法设计对系统性能的提升亦起着至关重要
语音关键词识别是用语音信号处理方法,从用户话音流中检测出若干预定义的关键词。目前,语音关键词识别研究已取得重要进展,涌现出一些相关软硬件产品,并在人机交互、手机语音助手、智能音箱、智能耳机、智能家居等领域得到广泛应用。特别是近年来,随着深度学习理论的兴起,基于神经网络的语音关键词识别技术取得新进展,但由于其参数量大、算力要求高,难以在终端设备上应用。本文考虑到低参数量和低计算复杂度的应用需求,应用
视觉目标跟踪任务是计算机视觉领域的基本任务之一,在近年来火热的人工智能研究的各个方面都有其身影。单目标跟踪任务就是在视频序列第一帧中给定一个要跟踪的目标及其边界框,要求跟踪器在后续帧中找到该目标。主流的单目标跟踪方法都是通过互相关计算来实现特征融合。互相关运算是一个局部线性匹配过程,只考虑了模板与搜索区域相似度,融合方式简单,容易导致语义信息丢失,并且在某些特定场景下不支持互相关计算。此外,现有的
图像修复任务旨在利用计算机为图片的缺损区域生成自然、合理的填补内容。而把图像修复拓展到3D场景,则衍生出了3D图像修复任务。单一的图片被投影到3D空间后,由于前背景之间存在遮挡关系,前景边缘附近会有缺失内容,因而难以还原完整的3D场景。3D图像修复任务就是通过填补部分缺失的3D场景信息还原出2个视角之间的转换效果,这种多个视角的集合就是3D图像,3D图像渲染为视频后会有逼真的视觉效果。2D图像修复