糖尿病风险评估系统对糖尿病早期筛查的研究分析

来源 :中国药物与临床 | 被引量 : 0次 | 上传用户:yellowfly1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
尽管人们对糖尿病早期诊断的重要性已经熟知,但在人群中进行大规模的筛查仍然存在困难。医院及社区最常用的仍然是传统的糖尿病筛查方法,即空腹血糖、糖化血红蛋白(HbA1c)检测和葡萄糖耐量试验(OGTT)这三种检测方法[1]。但这三种方式均为有创性的检测,并且在部分人群中的敏感性较低。除此之外,空腹血糖检测会使得绝大多数餐后血糖高的糖尿病患者出现漏诊。目前空腹血糖检测主要采用静脉或毛细血管取样的方法,但灵敏度不够。OGTT虽然准确率高,但操作比较复杂,需要多次抽血,检测周期长。HbA1c的测定成本高,灵敏度低,
其他文献
2型糖尿病(T2DM)是一种以糖代谢紊乱为主要表现的代谢性疾病,约占糖尿病患者的95%,多发于中老年人群[1]。随着人口老龄化加剧,我国老年T2DM患者显著增加[2]。目前临床尚无根治方案,主要采用口服二甲双胍、维格列汀等降糖药物治疗,但对于口服两种或两种以上药物仍未达到理想血糖控制效果者需皮下注射胰岛素,以提高血糖控制效果。甘精胰岛素是临床治疗T2DM常用药物,但低血糖发生风险较高。
突如其来的新型冠状病毒肺炎(COVID-19)疫情给电力负荷造成了严重的影响,为了有效应对疫情带来的影响,提高疫情影响下的短期负荷预测精度,提出了一种基于恐惧指数(FI)的疫情影响下短期电力负荷预测方法.利用疫情数据构建FI,与时间信息、历史负荷、气象条件一起作为广义回归神经网络(GRNN)模型的输入变量,用果蝇优化算法(FOA)对GRNN平滑因子进行优化,提高预测结果的准确度和稳定性,使用构建的预测模型进行预测.算例结果表明,该方法能有效提高疫情影响下短期负荷预测的精度,为重大灾难影响下的短期负荷预测提