一、钙与人体 第2讲 参与人体钙平衡的激素（论文文献综述）
张震[1]（2021）在《血清25羟维生素D水平对初发Graves病患者药物治疗前后TRAb、TPOAb的影响》文中研究说明
单宝轩[2]（2021）在《绵羊门静脉解剖学结构及其瘘管技术的应用》文中研究指明
陈婧[3]（2021）在《尿毒清对慢性肾衰竭大鼠主动脉钙化的影响》文中指出
王春艳[4]（2021）在《碳酸司维拉姆对慢性肾衰竭大鼠主动脉钙化的作用》文中研究表明
李玺雯[5]（2021）在《斑马鱼Ⅱ型糖尿病合并骨质疏松症模型的建立以及在药物评价中的应用》文中指出
弓烨弘[6]（2021）在《色氨酸及代谢物抑制β-淀粉样蛋白聚集的分子动力学研究 ——对运动延缓阿尔茨海默病的机理初探》文中研究说明研究目的:阿尔茨海默病（Alzheimer’s disease,AD）,是众多神经退行性疾病中影响人数最多的一种,脑内β-淀粉样蛋白（β-Amyloid,Aβ）聚集引发的神经毒性被证实是导致AD的关键因素。虽然研究者们长期致力于Aβ聚集及其抑制的研究,但至今仍未开发出有效的治疗药物,目前迫切需要寻找无毒副作用且不受限于血脑屏障的治疗手段和方法。运动能够促进脂肪动员,诱导人体必需氨基酸色氨酸（Tryptophan,Trp）高效跨过血脑屏障,在增强脑内色氨酸水平的同时也增强了其代谢物——人体的重要神经递质血清素（Serotonin,Ser）及激素褪黑素（Melatonin,Mel）的合成。实验研究发现,色氨酸能够对Aβ的聚集过程产生抑制,破坏成熟的Aβ纤维,降低Aβ纤维的神经毒性,并且血清素和褪黑素同样也被证明能够抑制Aβ的纤维化过程,但目前这些分子发挥抑制作用的具体机理仍不清晰。本研究采用分子动力学模拟、副本交换分子动力学模拟等方法探究色氨酸及其代谢物（血清素和褪黑素）抑制/破坏Aβ低聚体和Aβ原纤维的分子机理,能够对运动影响Aβ纤维化过程提供解释的视角,为阐明运动影响AD病理进程提供一定的理论支持,并为运动干预等药物替代疗法和药物设计提供结构基础和理论借鉴。研究方法:为研究色氨酸及代谢物（血清素和褪黑素）影响Aβ聚集过程的微观机理,本研究采用全原子副本交换分子动力学模拟,研究了色氨酸、血清素和褪黑素对Aβ低聚体聚集的抑制机理,并采用全原子常规分子动力学模拟研究了这些小分子解离Aβ原纤维的机理。本研究中的所有全原子分子动力学模拟均使用GROMACS软件进行,使用GAFF力场处理色氨酸、血清素和褪黑素的相关参数,正式的分子动力学模拟采用AMBER99SB-ILDN力场。此外,本研究所涉及的数据处理与分析同样使用GROMACS进行,与此同时,使用自编脚本与程序和一些第三方程序作为数据分析的补充工具。研究结果:阐明色氨酸及代谢物影响Aβ聚集过程的分子机理,有助于为运动延缓AD病理进程提供解释。本研究综合使用分子动力学和副本交换分子动力学模拟方法,对现有实验难以表征的色氨酸及代谢物抑制Aβ聚集的细节机理进行探究。研究的主要结果如下:（1）色氨酸（Trp）有效抑制了二级结构中β-sheet结构的生成,尤其是在N-端区域2AEF4、中心疏水区域17LVF19和C-端区域34LMVGGVV40,同时Trp也促进了对应区域coil和helix结构的生成。Trp削弱了Aβ42二聚体中氨基酸对之间的相互作用,对链间相互作用的削弱更显着,从溶液可及性表面积、链间接触面积、链间接触数量和链间结合自由能的计算也得到了证实。本研究识别出Aβ42二聚体中Trp的主要结合位点,包括F4、Y10、F19、F20、I31、I32和34LMVGGV39。针对Trp与Aβ42原纤维相互作用的研究结果显示,Trp的加入显着降低了Aβ42原纤维N-端的结构稳定性,并破坏了Aβ42原纤维N-端的β-sheet结构,RMSF计算结果则显示Trp增强了N-端区域的蛋白柔性。Trp能够破坏肽链间的稳定性,减少主链氢键,破坏局部疏水核心HC1的疏水相互作用,并削弱K28和A42形成链内和链间盐桥的稳定性。Trp与Aβ42原纤维的主要结合位点包括F4、H6、Y10、H13、H14和L34。（2）血清素（Ser）能够影响Aβ42二聚体的二级结构,在26SNKGAII32区域抑制beta结构的生成。通过分析氨基酸-氨基酸相互作用、溶液可及性表面积、链间接触面积、接触数量和结合自由能的结果可知,Ser的加入明显影响了Aβ42二聚体整体和局部的链间相互作用。本研究识别出Ser与Aβ42二聚体结合于4FRH6、Y10、13HHQKLVFF20、K28、I31、I32和34LMV36。在Ser与Aβ42原纤维相互作用的分析中发现Ser能够削弱Aβ42原纤维的结构稳定性,并且对N-端和C-端区域产生的影响更为明显。此外,Ser的加入还在很大程度上破坏了K28-A42之间的链内和链间盐桥。从综合接触数量、氢键数量和π-π堆积形式的计算结果可知,Ser能够减弱HC1中的疏水相互作用,破坏N-端的β-sheet结构,削弱了原纤维的结构稳定性。（3）Aβ42原纤维的Cα-RMSD结果显示,血清素（Ser）对Cα-RMSD的提高强于质子化血清素（Protonated serotonin,Serpro）。而回旋半径的计算结果则显示质子化后的Serpro能在一定程度上增大原纤维的回旋半径。针对Ser/Serpro影响链间接触数量和结合能的研究结果显示,Ser和Serpro均能减少接触数量并削弱链间结合能,且Serpro的效果相对较强。有关氨基酸相互作用的分析结果显示,尽管Ser/Serpro均能通过破坏HC1中氨基酸间的疏水相互作用和K28-A42盐桥相互作用,但Ser的破坏效果强于Serpro。本研究识别出芳香相互作用主要驱动了Ser与结合位点F4、H6、Y10、H13、Q15和L34之间的结合,而芳香相互作用、疏水相互作用和静电相互作用共同驱动了Serpro与结合位点D1、F4、R5、H6、D7、Y10、H13、Q15、F20、E22、D23和L34的结合。但尽管Serpro的结合位点更加广泛并与更多芳香氨基酸形成了π-π堆积,但Ser与结合位点之间的结合强度更强且与原纤维N-端形成的π-π堆积形式更加丰富,这使Ser能够在更大程度上破坏Aβ42原纤维的稳定结构,解聚已形成的Aβ42纤维。（4）褪黑素（Mel）在Aβ42二聚体上的结合位点几乎遍布整个序列。Mel削弱了N-端区域和中心疏水区域形成beta结构的几率,抑制Aβ42低聚体进一步纤维化。Mel能够减少Aβ42二聚体中链间氨基酸对和链内氨基酸对的相互接触,尤其对链间相互作用的影响更加显着。针对二聚体溶液可及性表面积、两条肽链间的接触面积和数量以及结合自由能的计算结果也显示,Mel能够削弱相邻肽链的链间相互作用。针对Mel和Aβ42原纤维相互作用的研究结果显示,Mel能够提高Aβ42原纤维的Cα-RMSD,降低原纤维的β-sheet结构含量,削弱Aβ42原纤维的链间稳定性。并同时减少疏水核心中的氨基酸相互接触,破坏K28和A42之间的链间和链内盐桥。此外,本研究还识别出Mel能够广泛结合于Aβ42原纤维的外表面和内表面。（5）色氨酸（Trp）与色氨酸混合血清素（Trp＿Ser）均提高了Aβ42原纤维的Cα-RMSD,但尽管Trp＿Ser在N-端和C-端共同提高了Aβ42原纤维结构的Cα-RMSD,但Trp仍能通过仅对N-端结构Cα-RMSD的影响,在更大程度上破坏Aβ42原纤维的整体稳定性。RMSF、主链氢键和Rg的结果同样显示,Trp在更大程度上使整体蛋白构型由紧凑转为松散。同时,Trp＿Ser对链间相互作用的削弱则强于Trp。对二级结构的分析显示Trp和Trp＿Ser都能够明显降低原纤维N-端形成β-sheet的几率。疏水核心稳定性的分析结果表明,Trp和Trp＿Ser分别更加明显地破坏了原纤维N-端和C-端的稳定结构并且Trp＿Ser在更大程度上破坏了K28-A42盐桥。本研究还识别出Aβ42＿protofibril+Trp和Aβ42＿protofibril+Trp＿Ser体系中,Trp和Trp＿Ser的结合位点十分相似,几乎都位于原纤维的N-端。研究结论:（1）Trp能够抑制Aβ42二聚体β-sheet等有序结构的生成,从而使蛋白构象在Trp的抑制效果下,保持更加无序的二级结构。Trp通过削弱二聚体链间相互作用,破坏Aβ42纤维化的结构基础,以此抑制Aβ42异常纤维化的过程。Trp与Aβ42二聚体N-端的结合主要通过π-π堆积作用和氢键作用,而与C-端的结合则主要通过疏水相互作用。同时,Trp的加入显着降低了Aβ42原纤维的结构稳定性,且最显着的影响发生在Aβ42的N-端区域,Trp与N-端形成了较多的氢键和丰富的π-π堆积,说明Trp可在Aβ42的N-端对Aβ42原纤维产生破坏,进而解聚已形成的纤维并抑制纤维进一步聚集。（2）Ser在26SNKGAII32区域有效抑制了Aβ42二聚体的二级结构中beta结构的生成。并且,Ser在很大程度上削弱了由链间相互作用形成的稳定结构,进而阻止形成稳定的聚集体。静电相互作用、疏水相互作用及苯环相互作用共同驱动,且与N-端带电氨基酸形成的氢键是使Ser更多与N-端结合的主要动力。此外,Ser能够削弱Aβ42原纤维N-端和C-端区域的结构稳定性,破坏N-端的β-sheet结构。研究发现Ser可以依靠氢键和π-π堆积与Aβ42原纤维的N-端结合,使N-端成为解聚已形成的Aβ42纤维的关键区域。（3）Ser能够削弱Aβ42原纤维的稳定性,促进解聚已形成的稳定纤维,而质子化后的Serpro尽管能在一定程度上使蛋白结构变得松散,但对蛋白整体结构的影响不及Ser。Serpro对原纤维的链间稳定性的削弱效果相对强于Ser,表明Serpro主要通过削弱链间稳定性对已形成的Aβ42纤维进行解聚。而Ser在削弱链间作用的基础上,还能通过降低N-端的β-sheet形成几率,破坏Aβ42原纤维N-端的β-sheet结构,进而解聚Aβ42原纤维。此外,Ser与结合位点的结合主要依靠芳香相互作用,而Serpro与结合位点的结合主要依靠芳香相互作用、疏水相互作用和静电相互作用共同驱动,这促使相比于Serpro,Ser能够在更大程度解聚已形成的Aβ42纤维。（4）Mel通过削弱N-端区域和中心疏水区域的beta结构形成几率,并削弱肽链间的相互作用,达到对Aβ42低聚体进一步纤维化的抑制。Mel能够通过π-π堆积与疏水相互作用和Aβ42二聚体的几乎整个序列产生结合,其中疏水相互作用是驱动Mel与C-端结合的重要动力。同时,Mel能够大幅降低Aβ42原纤维N-端区域和C-端区域的结构稳定性,关于结合模式的分析显示,驱动Mel与N-端和C-端结合的主要动力分别是π-π堆积作用和疏水相互作用,并且在这些作用的共同影响下,Mel能够在很大程度上破坏原纤维N-端和C-端的β-sheet结构。（5）Trp和Trp＿Ser分别通过削弱Aβ42原纤维的整体稳定性和链间相互作用破坏原纤维稳定结构。Trp和Trp＿Ser都能够明显破坏原纤维N-端稳定的β-sheet结构,以此解聚Aβ42纤维,且Trp＿Ser的解聚效果更强。由于对疏水相互作用和盐桥相互作用的影响,Trp和Trp＿Ser分别对原纤维N-端和C-端的稳定结构产生更加明显的破坏。Trp和Trp＿Ser的结合位点几乎同样都位于原纤维的N-端。其中,与N-端带电氨基酸和N-端芳香氨基酸形成的氢键相互作用和丰富的π-π堆积,共同驱动了两个体系中小分子与原纤维之间的结合。
孙梦华[7]（2021）在《骨质疏松性骨折危险因素筛查及与中医体质、血清IGF-I、IL-6相关性分析》文中指出研究背景骨质疏松性骨折是骨质疏松症最直接、最具有破坏性的结果。随着年龄的增长,绝经后女性雌激素水平下降,骨吸收大于骨形成,骨骼微细结构发生异常变化,导致其骨骼脆性和骨折风险显着增加,严重影响患者生活质量。而70岁以后由于年龄因素的影响,骨量将进一步丢失,骨质疏松所带来的危害在中老年女性中更为显着。预计到2050年,我国在骨质疏松性骨折上的医疗费用将达1745亿元。社区居民是本病的高发人群,但实际防控力量相对较弱,人们对于该病的自我保健意识很差,因此在社区居民中开展此项研究,能更好地提高人群对骨质疏松性骨折的知晓度,进而早发现、早诊断、早治疗,降低发病率并提高患者生活质量。多项临床研究表明骨质疏松性骨折的发生与许多因素有关,例如年龄、骨密度值、骨折史、跌倒史、绝经年龄、饮食习惯等。《素问·阴阳应象大论》:“年四十而阴气自半也,起居衰矣”;《素问·上古天真论》曰“女子……五七阳明脉衰,面始焦,发始堕…… 丈夫…… 五八肾气衰,发堕齿槁”,指出人在40岁以后,尤其女性,随着年龄的增长,身体功能逐渐下降,开始出现如腰膝酸软、下肢拘挛、乏力、身高变矮等躯体症状,这些症状的发生可能对OP骨折有一定的提示作用。此外,临床实践证实血液中骨代谢生化指标的含量可以间接推断骨骼的代谢产物状态和相关激素,因此可将骨代谢生化指标用于评估骨代谢情况、预测骨折风险等。近年来关于骨质疏松性骨折的研究不断增多,引起诸多学者的广泛关注,但针对我国人口学特征,同时包含中医体质、饮食习惯等其他危险因素相结合的研究鲜少,所以本研究对北京市三社区女性骨质疏松性骨折开展了以中医体质及其他危险因素有关的调查,深入挖掘骨折的危险因素;并检测血清IGF-I、IL-6蛋白含量,探究其与OP骨折的相关性,为该病的预防、诊断、治疗、康复提供参考,并为后期骨质疏松性骨折相关危险因素分析提供前期工作基础。研究目的1.分析北京市三社区女性骨质疏松性骨折发生的中医体质类型及危险因素;2.探究骨质疏松性骨折与血清IGF-I、IL-6之间的相关性。研究内容1.开展社区女性骨质疏松性骨折的调查,并获得远期随访（2017.11-2019.12）骨折发生情况及中医体质类型等相关危险因素;2.采用巢式病例对照设计,按1:1匹配骨折患者与未骨折患者,使用ELISA方法检测蛋白,探究骨质疏松性骨折与血清IGF-I、IL-6之间的相关性。研究方法1.研究设计注册登记式调查研究（Registry study,RS）,嵌入巢式病例对照设计。2.研究对象采用整群抽样的方法确定北京市三大社区（东城区、朝阳区以及丰台区）,对45-80岁骨质疏松症高危人群（女性）进行临床问卷信息调查、BMD检测、生物样本采集。同时排除继发性骨质疏松症患者。3.问卷采集信息本研究采用的是《全国骨质疏松症病证结合前瞻性社区队列研究》病例报告表所涉及的内容与结构,于2017年11月至2018年7月期间,采用现场调查的方式,对调查人群的一般信息、骨折史、家族遗传史、跌倒史、睡眠情况、饮食习惯（包括饮食类型、烹调方式、以及对食物的摄入情况）、IOF骨质疏松症风险测试量表和中医体质量表等方面信息进行登记填写。4.骨密度检测使用双能X线骨密度仪（HOLOGIC,美国Hologic Wi）测定腰椎（L1-L4）和双髋部骨密度。5.生物样本采集与管理研究对象需空腹抽取外周静脉血5ml,并离心后将血清装入EP管,-80℃冰箱保存。对血液样本进行检测时需要在最短时间内将样本从-80℃冰箱中取出,防止其他样本的反复冻融影响检测结果。6.随访实施基于前期流调数据,经过两年时间于2019年12月通过电话随访获得该研究人群骨质疏松性骨折的发生情况。并根据随访结果将患者分为骨折组与未骨折组,进一步探讨骨质疏松性骨折的危险因素。7.蛋白检测运用巢式病例对照设计原则,按1:1匹配骨折患者与未骨折患者（以年龄、骨量情况、基础疾病一致作为匹配条件）。使用酶联免疫吸附法检测血清IGF-I、IL-6含量。8.数据管理基于Epidata3.1软件,独立双人双录入社区女性骨质疏松症高危人群流行病学数据,并结合软件一致性校验等形式,确认数据录入准确无误。9.统计分析应用SPSS22.0软件对研究人群一般情况信息进行描述性分析。利用Python3.9进行SMOTE算法平衡数据,对骨质疏松性骨折的危险因素分析先采用t/Chisq检验、单因素分析,选取达到统计学意义的因素再进行多因素Logistic逐步回归分析（向前:LR）,a 入=0.05,a出=0.10。以a=0.05为标准,即P<0.05被认为检验差异具有统计学意义,从而筛选出具有统计学意义的影响因素。研究结果1.712例女性OP高危人群通过电话随访获取到两年时间内骨质疏松性骨折的发生情况,共随访到OP高危患者612例,应答率86%,其中骨质疏松性骨折15例,无骨质疏松性骨折597例。2.通过分析15例骨折患者的骨量情况、骨折发生部位及原因发现:在骨量情况方面:骨质疏松为8例,骨量减少为7例;在骨折发生部位方面:胸腰椎椎体骨折为7例、踝关节骨折为4例、桡骨远端骨折为4例;在骨折发生原因方面:跌倒为12例,扭伤为3例。3.在612例女性OP高危人群中,以“是否发生骨质疏松性骨折”将人群分为两组,单因素分析结果显示,两组人群在初潮年龄、生育次数、体重、脑血管疾病家族史、骨折史、跌倒史、睡眠时间（夜间）、饮食习惯、IOF骨质疏松症风险测试、气虚质、阳虚质、痰湿质、湿热质、血瘀质等因素方面存在差异（P<0.05）。4.多因素Logistic逐步回归分析结果显示北京市三社区女性骨质疏松性骨折发生的危险因素有气虚质、跌倒史、骨量情况、脑血管疾病家族史、父母髋部骨折史、本人髋部骨折史、饮用碳酸饮料、夜间睡眠时间短以及身高降低（超过3CM）。5.女性骨质疏松症高危人群偏颇体质主要以阳虚质、气虚质、阴虚质、气郁质偏多,其中在多因素Logistic逐步回归分析后得出气虚质是骨质疏松性骨折发生的危险体质。6.两组共30例样本中均能检测到血清IGF-I、IL-6。其中骨折组血清IGF-I含量明显低于未骨折组,两组差异具有统计学意义。骨折组血清IL-6含量高于未骨折组,但无统计学意义,可能是与检测样本量少有关。结论由本研究结果得出以下结论:1.女性骨质疏松症高危人群偏颇体质主要以阳虚质、气虚质、阴虚质、气郁质偏多,其中气虚质相对其他体质类型影响骨质疏松性骨折的风险更高。2.女性骨质疏松性骨折发生的危险因素有跌倒史、骨量情况、脑血管疾病家族史、父母髋部骨折史、本人髋部骨折史、饮用碳酸饮料、夜间睡眠时间短以及身高降低（超过 3CM）。3.血清IGF-I水平降低、IL-6水平升高可能与骨质疏松性骨折发生具有相关性。
乔文婧[8]（2021）在《吉林省部分地区社区居民原发性骨质疏松症的患病情况及影响因素分析》文中认为随着人口老龄化进程加快,骨质疏松症的患病率随之增加,已经成为影响中老年人健康尤其是绝经后女性的重大公共卫生问题。由于它是受多重危险因素影响的复杂疾病,所以需要更为精准的评估疾病风险,选出相关影响因素尽早采取措施提前预防,降低疾病的发生几率。目的:本研究通过收集吉林省某些地区的人群数据,获得该地原发性骨质疏松症的患病率和分布特征,明确其主要影响因素,为当地居民采取相应措施提供一定的参考依据,提高人群的生活质量。方法:本次研究数据来源于2018年吉林省骨质疏松症流行病学调查,采用多阶段整群分层抽样,调查时间为2017年1月至2018年4月,选取吉林省四个地区人群开展调查,城区人群来自于长春市南关区和辽源市龙山区,农村人群来自于长春市榆树市和白城市通榆县。纳入人群为年龄≥40岁、有完整的骨质密度检测数据且该地区居住6个月以上的自愿参加的居民,排除使用过抗骨质疏松药物治疗以及各种影响骨代谢疾病和药物。采用国家慢病中心统一制作的电子问卷,通过平板电脑进行问卷调查,获得研究人群的一般人口学特征、生活习惯、既往脆性骨折史、父母有骨折史、妇科史等。通过身体测量获得身高、体重、腰围、血压。实验室检测数据包括血糖和血脂四项,通过双能X线吸收测量法获得研究对象的骨质密度。采用SPSS 24.0软件进行统计描述和分析,原发性骨质疏松症相关变量先进行单因素卡方检验和t检验后,将具有统计学意义的因素全部纳入Logistic回归模型中探讨各影响因素与骨质疏松症的关联。结果:1.本研究人群总人数1517人,平均年龄是55.92岁。男性702人,占研究人群的46.28%,女性815人,占研究人群的53.72%。2.本研究中有318例原发性骨质疏松症患者,患病率为20.96%;不同性别患病率差异显着（P<0.001）,女性患病率明显高于男性,其中男性人群的患病率为9.40%,而女性患病率是男性的3.28倍,达到30.92%;增龄与原发性骨质疏松症患病率呈正相关（P<0.001）,其中40-49岁原发性骨质疏松症患病率为10.49%,50-64岁人群患病率为21.49%,65岁以上人群患病率为34.88%;城区患病率高于郊县（P<0.001）,城区患病率为26.22%,郊县为15.96%;退休和无业人员特别是女性是原发性骨质疏松症的高危人群,超重和肥胖人群的原发性骨质疏松症的患病率低于体重正常人群,而体重过轻人群OP患病率较高（52.00%）。3.单因素结果显示年龄、性别、职业、居住地、体质指数、腰围、吸烟史、每日运动时长、每日睡眠时长、父母的骨质疏松症诊断史、猪肉、牛羊肉、鸡鸭鹅肉、豆制品、牛奶和茶的摄入、血压、高密度脂蛋白胆固醇、空腹血糖与原发性骨质疏松症有统计学关联（P<0.05）。在男性中单因素结果显示体质指数、父母骨质疏松症诊断史、高密度脂蛋白胆固醇对患病率的影响具有统计学意义（P<0.05）,在女性中单因素结果显示年龄、职业、居住地、体质指数、每日运动时长、每日睡眠时长、血压、空腹血糖、猪肉、鸡鸭鹅肉和豆制品的摄入、高密度脂蛋白胆固醇、女性的绝经状况和月经初潮年龄对女性的原发性骨质疏松症患病率影响具有统计学意义（P<0.05）。4.多因素结果显示年龄、性别、职业、体质指数、猪肉和豆制品的摄入、高密度脂蛋白胆固醇均为原发性骨质疏松症的影响因素。增龄、女性（OR=3.688,95%CI:2.599-5.231）、退休（OR=5.301,95%CI:1.588-17.702）和无业人员（OR=4.280,95%CI:1.255-14.602）、体重过轻（OR=3.948,95%CI:2.003-7.779）、高密度脂蛋白胆固醇升高（OR=1.702,95%CI:1.148-2.521）是原发性骨质疏松症的危险因素,50-64岁年龄组人群较40-49岁年龄组患OP的风险是其1.991倍,≥65岁年龄组人群较40-49岁年龄组患OP的风险是其3.764倍。超重（OR=0.682,95%CI:0.496-0.937）和肥胖（OR=0.523,95%CI:0.307-0.892）、经常食用猪肉（OR=0.609,95%CI:0.393-0.944）和偶尔食用豆制品（OR=0.364,95%CI:0.178-0.745）与原发性骨质疏松症呈负关联;男性中多因素结果显示体质指数和父母的骨质疏松症诊断史是男性原发性骨质疏松症的影响因素,女性中多因素结果显示年龄、职业、体质指数、猪肉和豆制品摄入、空腹血糖、高密度脂蛋白胆固醇是女性原发性骨质疏松症的影响因素。结论:（1）本研究纳入的1517人中,原发性骨质疏松症的患病率为20.96%,其中男性人群中患病率为9.40%,女性30.92%,城区患病率为26.22%,郊县为15.96%。（2）年龄、性别、职业、体质指数、猪肉和豆制品的摄入情况、高密度脂蛋白胆固醇均为原发性骨质疏松症的影响因素。（3）体质指数和父母的骨质疏松史是男性原发性骨质疏松症的影响因素;年龄、职业、体质指数、猪肉和豆制品的摄入情况、空腹血糖情况、高密度脂蛋白胆固醇是女性原发性骨质疏松症的影响因素。
杨婧茹[9]（2021）在《2型糖尿病患者外周血细胞分析与骨质疏松症的相关性研究》文中指出目的:探讨2型糖尿病（T2DM）患者外周血细胞分析与骨质疏松症（OP）的相关性,为寻找可靠、廉价且新颖的T2DM合并OP的辅助预测指标提供理论依据和临床指导。方法:搜集2020年1月至2021年1月于吉林大学第一医院内分泌科住院治疗的T2DM患者,根据入组及排除标准筛选后纳入研究对象206例,其中男性87例,女性119例。所有入组患者均应用双能X线（DEXA）骨密度仪测定腰椎+双股骨颈骨密度（BMD）,根据1994年WHO骨质疏松症诊断标准,按骨密度T值水平将患者分为骨量正常组（T值≥-1）、骨量减少组（-2.5<T值<-1）和骨质疏松组（T值≤-2.5）。记录年龄、性别、糖尿病病程、身高、体重、高血压病史、吸烟史、饮酒史等基本资料,并计算体重指数（BMI）。收集血常规结果,计算中性粒细胞/淋巴细胞比率（NLR）、单核细胞/淋巴细胞比率（MLR）、血小板/淋巴细胞比率（PLR）。同时,收集空腹血糖（FPG）、糖化血红蛋白（Hb A1c）、肝功能、肾功能、血脂、离子、甲功三项等实验室指标。运用SPSS 25.0软件进行统计分析,比较三组数据有无统计学差异,进行临床各指标与骨密度的相关性分析,评估相关计量资料的最佳临界值及预测价值,采用Logistic回归分析寻找T2DM合并OP的影响因素。结果:1.年龄在骨质疏松组显着高于骨量正常组及骨量减少组（P<0.001）,BMI在骨质疏松组低于骨量正常组（P<0.01）。2.ALT在骨质疏松组低于骨量减少组及骨量正常组,ALP在骨质疏松组高于骨量正常组,ALB、TG在骨质疏松组低于骨量正常组,Cr、UA在骨质疏松组及骨量减少组低于骨量正常组,FT3在骨质疏松组低于骨量减少组（P<0.01）。3.RBC在骨质疏松组显着低于骨量正常组（P<0.001）,HB在骨质疏松组显着低于骨量正常组及骨量减少组（P<0.001）,PLT、PLR在骨质疏松组高于骨量正常组及骨量减少组（P<0.01）。4.Pearson或Spearman相关性分析结果显示:年龄、ALP、PLT与L1-4平均BMD及双侧股骨颈平均BMD呈负相关;PLR与L1-4平均BMD呈负相关;RBC、HB、ALB、Cr、UA与L1-4平均BMD及双侧股骨颈平均BMD呈正相关;BMI、ALT、TG与L1-4平均BMD呈正相关。5.将T2DM合并OP为切点,做受试者工作特征（ROC）曲线,结果表明:年龄、PLT、PRL的ROC曲线下面积（AUC）分别为0.753、0.657、0.624,最佳筛选界值（Cut-off值）分别为63.5、200、132.29,灵敏度分别为0.654、0.788、0.346,特异度分别为0.753、0.500、0.922。考虑年龄、PLT、PLR均对T2DM患者合并OP具有一定的预测作用,但年龄、PLT的敏感性和特异性均不高,PLR的敏感性不高。6.将研究对象按照BMD分为骨质疏松组（T≤-2.5）和非骨质疏松组（T>-2.5）,以T2DM合并OP为因变量,与相关变量构建多因素Logistic回归分析结果发现:年龄>63.5岁、PLT>200 10^9/L、PLR>132.29为T2DM合并OP的危险因素;BMI、RBC越低、ALP越高T2DM合并OP的风险越高。结论:1.T2DM患者年龄、PLT与L1-4平均BMD及双侧股骨颈平均BMD呈负相关;PLR与L1-4平均BMD呈负相关;BMI与L1-4平均BMD呈正相关;RBC、HB与L1-4平均BMD及双侧股骨颈平均BMD呈正相关。2.T2DM患者BMI越小、RBC越低合并OP的风险越高。年龄>63.5岁、PLT>200 10^9/L、PLR>132.29是T2DM合并OP的危险因素。3.年龄、PLT、PLR均对T2DM合并OP具有一定的预测作用,但需要进一步研究。
张显龙[10]（2021）在《慢性肾脏病营养管理依从性分析及交互式中西医智能辅助程序的建立与运用》文中研究说明目的:慢性肾脏病（CKD）是全球重要的公共卫生问题,目前已经影响了数亿人的身体健康。近年来,探究“营养管理”在改善CKD及其伴随症状中所起到的作用,已成为了业内研究的热点。但是,营养管理是一件需要改变患者饮食习惯的干预方法,目前所面临的一个重大问题是无法对患者的饮食依从性和管理合格率进行有效的监督。因此,为了了解CKD患者营养素摄入的合格率,优化CKD营养治疗方案,并完善中西医结合、个性化、智能化的营养管理,我们进行了以下四个部分的系列研究。本系列研究的第一部分,调查了初次参与慢病管理的CKD患者营养素摄入的合格率,并分析了 CKD患者蛋白质和热量摄入的影响因素。基于合格率有待提高的背景,为了精益营养管理,系列研究的第二部分调查了患者的需求并构建了“交互式中西医营养管理辅助程序”。第三部分对上述程序进行了对照试验的评估,为其干预CKD营养管理的有效性及安全性等方面,提供了临床证据。系列研究的第四部分提出了程序优化升级的方向。运用人工智能技术为“交互式中西医营养管理辅助程序”的优化升级提供了可参考的探索模式,为精准化的提前切断营养不良事件发生进程提供了可借鉴的思路。通过上述合格率调查、辅助程序构建、辅助程序评价、人工智能模型探索优化等系列研究,拟为CKD患者的营养管理摸索新的方法策略,从而解决临床难点问题。方法:第一部分为横断面设计,选取2018年1月1日至2018年12月31日广东省中医院慢病管理门诊初次进入管理队列的203例CKD患者作为研究对象。首先通过“三日饮食记录法”对参与者进行了营养素摄入量的计算;然后参照《中华人民共和国卫生行业标准—慢性肾脏病患者膳食指导WS/557-2017》和K/D0QI慢性肾病营养管理临床实践指南中的推荐,对营养素摄入的合格率进行了评价;最后通过绘制受试者操作曲线（ROC）的方式,将连续型变量转换为分类变量,使用多因素二元logistic回归模型探索了影响LPD治疗合格与否的危险因素。其中,评价合格率的营养素包括:膳食蛋白质摄入（DPI）、膳食能量摄入（DEI）、优质蛋白占比、脂肪供能占比、碳水化合物供能占比、钠元素、磷元素、钙元素的摄入;筛选的影响因素包括:（1）人口学资料:性别、年龄、婚否、工作状态、家庭住址、教育程度、查尔斯共病评分、CKD分期;（2）人体测量资料:身高、体重、标准体重、收缩压、舒张压;（3）实验室检查:估计肾小球滤过率（eGFR）、血清甘油三酯（TG）、血清总胆固醇（TC）、血红蛋白（Hb）、血白蛋白（ALB）;（4）人体成分:身体总水（TBW）、细胞内水（ICW）、细胞外水（ECW）、去脂体重（FFM）、体脂肪量（BFM）、蛋白质量（protein）、骨骼肌量（SMM）、体脂肪占比（PBF）、上臂围（AC）、上臂肌围（AMC）、体质量指数（BMI）、腰臀比（WHR）、全身相位角（WBPA）。第二部分涵盖了两个步骤的研究内容。第一步是首先采用自设调查问卷,对广东省中医院肾病科慢病管理中心患者进行了营养管理辅助工具的需求性调查,并分析了影响因素;第二步是根据调查结果,结合行业标准、指南及专业书籍,设计了能够被患者接受的“交互式中西医营养管理辅助程序”。第三部分是一项前瞻性,非随机,对照研究。纳入了 2020年6月至2020年8月于广东省中医院慢病管理门诊规律复诊的CKD患者100例,按照患者就诊顺序及营养管理意愿将其分为两组。最终纳入统计的患者为94例,其中试验组45例,对照组49例。本研究在保证CKD基础治疗的前提下,为两组患者提供LPD治疗及其他营养管理的健康知识宣教,并在规律随访中,进一步纠正受试者对于营养处方的实施。试验组患者在上述治疗的基础上,为其提供“交互式中西医营养管理辅助程序”,该程序依托微信小程序平台使用,具有丰富的中西医营养管理辅助功能。总观察时间为24周,在试验结束后,比较两组患者的主要观察指标及次要观察指标。其中,主要观察指标为蛋白质摄入量、热量摄入量、DPI、DEI、DPI合格率及DEI合格率;次要观察指标为慢性肾脏病中医症状评分及生活质量评分（生活质量评分通过简明生活质量量表SF-12 计算）。第四部分是人工智能模型临床应用的探索研究。采用了广东省中医院慢病管理中心人体成分分析仪中的数据,依据CKD的诊断标准将数据分为慢性肾脏病集和对照数据集。将K/D0QI慢性肾病营养管理临床实践指南（2020更新）中推荐用于营养不良评估的相关因素,纳入至使用人工智能算法的“亚型和阶段推导模型”一一SuStaIn模型中。指南中推荐评估营养不良的相关因素为:①综合营养评估指标:体重、体质量指数（BMI）;②脂肪流失指标:体脂肪量（BFM）;③肌肉消耗指标:去脂体重（FFM）;④脂肪、肌肉流失综合评估指标:上臂围（AC）。对数据进行预处理后,使用SuStaIn中要求的Z值混合线性模型将数据标准化,最后标准化的数据将转换成Z阶段值,将上述5个变量划分成为了 33个无序初始化序列（S）,将其输入至模型运算软件Matlab 2020b中,根据临床实践及计算机性能,设置模型参数（优化次数N=25,最大序列Cmax=5）,随后推导营养不良事件发生的极大似然序列,并输出。结果:第一部分在营养素摄入合格率及危险因素分析的横断面研究中,调查总人群为203例,各营养素摄入的合格人数（合格率）分别为:DPI 37人（18.23%）、DEI 70人（34.48%）、优质蛋白占比28人（13.79%）、脂肪供能占比73人（35.96%）、碳水化合物供能占比74人（36.45%）、钠162人（79.80%）、磷52人（25.62%）、钙根据摄入<2000mg/d的标准为203人（100%）、根据摄入介于800-1000mg/d的标准为9人（4.43%）。多因素分析显示,身高（>161.25cm）是影响DPI合格的保护性因素（P<0.05）;而 eGFR（>21.285ml·min·1.73m2）、BFM（>15.25kg）、TC（>5.20mmol/L）、和 BMI（18.5-27.9kg/m2）是影响 DPI 合格的危险因素（P<0.05）。标准体重（>49.15kg）、eGFR（>30.20ml·min·1.73m2）和 Hb（>135g/L）是影响DEI合格的保护性因素（P<0.05）;而较高的BMI（24.0-27.9kg/m2）是影响DEI合格的危险因素（P<0.05）。第二部分中,针对CKD患者营养素摄入合格率不高,依从性不好的现状,本研究经过前期调研,拟运用移动医疗工具提高患者的依从性。问卷调查的结果显示,有89.2%的患者对移动医疗工具持有积极态度（非常愿意:52.9%;很愿意:36.3%）。58.8%的患者认为使用微信小程序管理饮食会更加方便。单因素分析结果显示,“教育程度”与是否拥有疾病远程管理的经历相关;“年龄”和“工作状态”与远程管理方式的选择相关,差异均具有统计学意义（P<0.05）。基于以上结果,本研究根据患者的意见,通过微信小程序平台进行了“交互式中西医营养管理辅助程序”构建,程序投入使用后,营养管理更加便捷,切实提高了医护的工作效率,满足了患者的实际需求。第三部分是评价上述程序的前瞻性非随机对照试验,共有94位参与者完成了研究（试验组45例,对照组49例）;干预后,两组之间DPI的差异具有统计学意义,试验组低于对照组[0.99（0.87,1.21）VS.1.22（0.92,1.62）,P=0.022];中医症候评分总分试验组低于对照组[5（4,7）VS.10（7,14）,P<0.001];两组间具有统计学差异的中医症状分别为:倦怠乏力、畏寒肢冷、口干、口渴少饮、脘腹胀满、纳呆、腰膝酸软、肢体困重、大便干结、大便不实、夜尿多（P均<0.05）;试验组生理健康评分高于对照组[51.67（45.58,54.02）VS.44.98（37.59,51.45）,P=0.001];心理健康评分亦高于对照组[55.76（52.92,58.83）VS.50.45（43.78,56.79）,P=0:003]。与对照组相比,试验组DPI、DEI合格率较干预前增幅更高（DPI:17.78%VS.10.20%;DEI:2.20%VS.-4.10%）,但差异无统计学意义（P均>0.05）。同时,两组患者干预前后,与营养不良事件评估相关的实验室检查结果、身体成分分析结果,差异均无统计学意义（P均>0.05）。第四部分中,通过使用人工智能算法的“亚型和阶段推导模型”——SuStaIn模型对CKD患者营养不良事件发生发展的过程进行了推导,输出了 5个序列。每个序列包含了 33个事件的发生。其中,事件1至5、事件6至7,是所有序列的共同发生规律,事件8至10,形成了三个不同的亚型,而事件11至33,则划分出了 5个不同的序列。因此根据以上规律,结合临床实践,可将输出的结果总结为“4个阶段,3个亚型和5个序列”。4个阶段是营养不良评估指标发生的4种改变阶段,即“症状前阶段”、“轻度阶段”、“中度阶段”、和“重度阶段”的改变。序列结果提示,在“症状前阶段”,营养不良事件发生的先后顺序可能是:体重下降——体脂量（BFM）下降——体质量指数（BMI）下降——上臂围（AC）下降——瘦体重（FFM）下降。“轻度阶段”指标发生改变的先后顺序继而可能是:体重轻度下降——BFM轻度下降。“中度阶段”指标的改变有三个亚型,下辖“重度阶段”的5个序列。具体为,亚型I:上臂围中度下降——BMI中度下降——FFM中度下降,继而分为三个序列。序列（1）:体重重度下降——AC重度下降——BMI重度下降——BFM重度下降——FFM重度下降;序列（2）:体重重度下降——BFM重度下降——FFM重度下降——BMI重度下降——AC重度下降;序列（3）:体重重度下降——BMI重度下降——FFM重度下降——AC重度下降——BFM重度下降。亚型Ⅱ患者的事件进展序列为:AC中度下降——BMI中度下降——体重中度下降,其后发生序列（4）:FFM重度下降——BFM重度下降——BMI重度下降——体重重度下降——AC重度下降。亚型Ⅲ患者事件进展序列为:BMI中度下降——AC中度下降——FFM中度下降,其后发生序列（5）:体重重度下降——AC重度下降——FFM重度下降——BFM重度下降——BMI重度下降。结论:1.慢性肾脏病患者在参与营养管理初期,除钠外,其余营养素如蛋白质、能量、脂肪、碳水化合物、钙和磷的摄入合格率均较低。2.在LPD治疗中,DPI和DEI的合格率分别为18.23%和34.48%。DPI影响因素的分析显示:较高程度的eGFR、TC、BFM、BMI是影响DPI合格的危险因素,较高程度的身高是保护性因素;DEI影响因素的分析显示:较高程度的BMI是影响DEI合格的危险因素,较高程度的标准体重、eGFR、Hb是保护性因素。以上结果说明身高或标准体重较大的CKD患者,由于允许的摄入量更大,因此更易合格;而肾功能更好且有脂质蓄积的患者,可能摄入量更大,将会影响营养管理的依从性。3.对照试验结果显示,结合使用“交互式中西医营养管理辅助程序”进行营养管理及LPD治疗,可减少患者的总蛋白质摄入、降低DPI与中医症候评分,提高LPD的合格率,并改善CKD患者的生活质量。4.在数据驱动的SuStanIn人工智能模型中,推导出了营养不良事件发生发展的4个阶段、3个亚型和5个序列,此功能若优化至程序中,将能够辅助医护人员按照营养不良事件发生发展的规律,对患者的营养状态进行提前预判,从而针对性的预防营养消耗,阻断病情从症状前,到轻度、中度、重度的转变,实施精准化干预。5.本研究表明,在CKD营养管理的实施过程中,患者的依从性尚待提高,而移动终端程序是一种便捷高效的疾病管理辅助工具,构建此类工具,并与人工智能的方相结合,将可以为CKD患者带来益处。
二、钙与人体 第2讲 参与人体钙平衡的激素（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、钙与人体 第2讲 参与人体钙平衡的激素（论文提纲范文）
（6）色氨酸及代谢物抑制β-淀粉样蛋白聚集的分子动力学研究 ——对运动延缓阿尔茨海默病的机理初探（论文提纲范文）
| 主要英文缩略词表 (Abbreviations) |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的 |
| 1.3 研究意义 |
| 2 文献综述 |
| 2.1 阿尔茨海默病与β-淀粉样蛋白聚集的相关研究 |
| 2.1.1 阿尔茨海默病概述 |
| 2.1.2 β-淀粉样蛋白聚集概述 |
| 2.2 运动对阿尔茨海默病的延缓及其机制研究 |
| 2.2.1 运动延缓阿尔茨海默病的动物实验 |
| 2.2.2 运动延缓阿尔茨海默病的人体实验 |
| 2.2.3 运动影响β-淀粉样蛋白致病的机制探讨 |
| 2.3 运动影响色氨酸及代谢物的研究 |
| 2.3.1 运动影响色氨酸和血清素的人体实验 |
| 2.3.2 运动影响色氨酸和血清素的动物实验 |
| 2.3.3 运动时段对褪黑素的影响 |
| 2.4 抑制剂与β-淀粉样蛋白相互作用的相关研究 |
| 2.4.1 天然小分子抑制β-淀粉样蛋白聚集的相关研究 |
| 2.4.2 内源性小分子抑制β-淀粉样蛋白聚集的相关研究 |
| 2.4.3 色氨酸及代谢物抑制β-淀粉样蛋白聚集的相关研究 |
| 3 研究方案 |
| 4 研究方法 |
| 4.1 文献分析法 |
| 4.2 分子动力学方法 |
| 4.2.1 常规分子动力学模拟 |
| 4.2.2 副本交换分子动力学模拟 |
| 4.2.3 常用软件 |
| 4.2.4 分子力场 |
| 4.2.5 分子力场的相互作用项 |
| 4.2.6 小分子力场构建与结构处理 |
| 4.2.7 模拟细节 |
| 4.2.8 分析方法 |
| 5 研究内容 |
| 5.1 色氨酸抑制阿尔茨海默病β-淀粉样蛋白聚集、破坏β-淀粉样蛋白原纤维的分子机理研究 |
| 5.1.1 前言 |
| 5.1.2 材料与方法 |
| 5.1.3 结果与讨论 |
| 5.1.4 结论 |
| 5.2 血清素抑制阿尔茨海默病β-淀粉样蛋白聚集、破坏β-淀粉样蛋白原纤维的分子机理研究 |
| 5.2.1 前言 |
| 5.2.2 材料与方法 |
| 5.2.3 结果与讨论 |
| 5.2.4 结论 |
| 5.3 血清素/质子化血清素破坏β-淀粉样蛋白原纤维的分子机理研究 |
| 5.3.1 前言 |
| 5.3.2 材料与方法 |
| 5.3.3 结果与讨论 |
| 5.3.4 结论 |
| 5.4 褪黑素抑制阿尔茨海默病β-淀粉样蛋白聚集、破坏β-淀粉样蛋白原纤维的分子机理研究 |
| 5.4.1 前言 |
| 5.4.2 材料与方法 |
| 5.4.3 结果与讨论 |
| 5.4.4 结论 |
| 5.5 色氨酸/色氨酸+血清素破坏β-淀粉样蛋白原纤维的分子机理研究 |
| 5.5.1 前言 |
| 5.5.2 材料与方法 |
| 5.5.3 结果与讨论 |
| 5.5.4 结论 |
| 参考文献 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 个人简介 |
| 攻读学位期间的科研工作 |
（7）骨质疏松性骨折危险因素筛查及与中医体质、血清IGF-I、IL-6相关性分析（论文提纲范文）
| 中文摘要 |
| Abstract |
| 中英文缩略语对照表 |
| 第一部分 文献综述 |
| 综述一 骨质疏松性骨折的研究进展 |
| 1.中医学对骨质疏松性骨折病因病机的认识 |
| 1.1 肾精不足 |
| 1.2 脾胃亏虚 |
| 1.3 肝血不足 |
| 1.4 瘀血阻滞 |
| 2.骨质疏松性骨折中医体质研究进展 |
| 3.骨质疏松性骨折相关危险因素研究进展概况 |
| 3.1 年龄 |
| 3.2 骨密度值 |
| 3.3 跌倒史 |
| 3.4 雌激素水平 |
| 3.5 家族骨折史 |
| 3.6 既往骨折史 |
| 3.7 不良的生活方式 |
| 3.8 体重/体重指数 |
| 3.9 初潮时间 |
| 3.10 怀孕/生产次数、母乳喂养时间 |
| 综述二 骨质疏松性骨折相关血清生物标志物研究进展 |
| 1.骨代谢生化指标的研究进展 |
| 1.1 钙磷代谢调节指标 |
| 1.2 骨转换标志物 |
| 1.3 激素与细胞因子 |
| 1.3.1 胰岛素样生长因子I(IGF-I) |
| 1.3.2 白介素-6 (IL-6) |
| 1.3.3 其他指标 |
| 第二部分 临床研究 |
| 前言 |
| 一、骨质疏松性骨折中医体质及相关危险因素研究 |
| 1.研究目的 |
| 2.研究方法 |
| 2.1 研究类型 |
| 2.2 伦理与注册 |
| 2.3 研究对象 |
| 2.3.1 数据来源 |
| 2.3.2 诊断标准 |
| 2.3.3 纳排标准 |
| 2.3.4 中医体质判定标准 |
| 2.3.5 结局判定标准 |
| 2.4 临床信息与生物样本采集 |
| 2.4.1 问卷调查 |
| 2.4.2 骨密度检测 |
| 2.4.3 生物样本采集 |
| 2.5 随访工作的实施 |
| 2.6 质量控制与质量保障 |
| 2.6.1 质量控制 |
| 2.6.2 研究者的培训 |
| 2.7 数据收集与管理 |
| 2.7.1 数据收集 |
| 2.7.2 数据管理 |
| 2.8 统计分析 |
| 3.技术路线图 |
| 4.结果 |
| 4.1 调查完成情况 |
| 4.2 调查人群一般情况 |
| 4.2.1 年龄 |
| 4.2.2 骨量情况 |
| 4.2.3 绝经年龄 |
| 4.2.4 工作类型 |
| 4.2.5 中医体质 |
| 4.3 调查人群骨质疏松性骨折发生情况 |
| 4.3.1 OP骨折发生部位 |
| 4.3.2 OP骨折发生原因 |
| 4.3.3 OP骨折人群骨量情况 |
| 4.3.4 OP骨折患者中医体质分布 |
| 4.4 基于SMOTE算法的不平衡数据处理 |
| 4.5 骨质疏松性骨折的危险因素筛查 |
| 4.5.1 骨质疏松性骨折的影响因素--单因素分析 |
| 4.5.2 骨质疏松性骨折的影响因素--多因素Logistic逐步回归分析 |
| 5.讨论 |
| 5.1 骨质疏松性骨折影响因素分析 |
| 5.1.1 骨密度值降低 |
| 5.1.2 跌倒 |
| 5.1.3 脑血管疾病家族史 |
| 5.1.4 饮用碳酸饮料 |
| 5.1.5 夜间睡眠时间短 |
| 5.1.6 IOF骨质疏松症风险测试 |
| 5.1.7 饮食习惯 |
| 5.2 体质对骨质疏松性骨折的影响 |
| 5.2.1 气虚质对骨质疏松性骨折的影响 |
| 5.2.2 其他体质对骨质疏松性骨折的影响 |
| 5.3 结合中医体质与危险因素进行骨质疏松性骨折的防治 |
| 5.3.1 对于绝经期女性、中老年人等骨质疏松性骨折高危人群,应做到“未病先防” |
| 5.3.2 对于已有骨质疏松症状者要“既病防变” |
| 5.3.3 对于骨质疏松性骨折患者来说要做到“瘥后防复” |
| 6.小结 |
| 二、骨质疏松性骨折与血清IGF-I、IL-6相关性探索分析 |
| 1.研究目的 |
| 2.研究方法 |
| 2.1 研究设计类型 |
| 2.2 实验对象 |
| 2.3 检测指标 |
| 2.4 检测方法及原理 |
| 2.5 检测实施 |
| 2.5.1 主要材料、仪器 |
| 2.5.2 实验分组 |
| 2.5.3 操作步骤 |
| 2.6 统计分析 |
| 3.技术路线图 |
| 4.结果 |
| 4.1 两组中医体质分布情况 |
| 4.2 骨质疏松性骨折与血清IGF-I、IL-6相关性探索分析 |
| 4.2.1 IGF-I检测结果 |
| 4.2.2 IL-6检测结果 |
| 5.讨论 |
| 5.1 骨质疏松性骨折与血清IGF-I、IL-6关系 |
| 5.2 中医体质与血清IGF-I、IL-6关系 |
| 6.小结 |
| 研究结论 |
| 创新点 |
| 局限性和展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 附件 |
（8）吉林省部分地区社区居民原发性骨质疏松症的患病情况及影响因素分析（论文提纲范文）
| 中文摘要 |
| abstract |
| 中英文缩略词 |
| 第1章 绪论 |
| 1.1 骨质疏松症的定义 |
| 1.2 骨质疏松症的疾病负担 |
| 1.3 骨质疏松症的影响因素 |
| 1.3.1 年龄与性别 |
| 1.3.2 种族与遗传因素 |
| 1.3.3 体质指数 |
| 1.3.4 生活方式 |
| 1.3.5 营养状况 |
| 1.3.6 其他因素 |
| 1.4 研究目的与意义 |
| 第2章 资料与方法 |
| 2.1 数据来源 |
| 2.2 研究对象 |
| 2.3 研究方法 |
| 2.3.1 问卷调查 |
| 2.3.2 身体测量 |
| 2.3.3 骨密度检测 |
| 2.3.4 实验室检测 |
| 2.4 质量控制 |
| 2.5 统计学分析 |
| 第3章 结果 |
| 3.1 研究人群基本情况 |
| 3.1.1 研究人群人口学特征 |
| 3.1.2 研究人群体质指数、腰围的分布情况 |
| 3.1.3 研究人群行为生活方式 |
| 3.1.4 研究人群骨折史及家族史 |
| 3.1.5 研究人群饮食营养状况 |
| 3.1.6 研究人群检测指标情况 |
| 3.2 原发性骨质疏松症的患病情况 |
| 3.2.1 不同人口学特征人群原发性骨质疏松症的患病情况比较 |
| 3.2.2 不同体质指数、腰围人群原发性骨质疏松症的患病情况 |
| 3.2.3 不同行为生活方式的人群原发性骨质疏松症的患病情况 |
| 3.2.4 不同骨折史及家族史人群原发性骨质疏松症的患病情况 |
| 3.2.5 不同营养状况人群原发性骨质疏松症的患病情况 |
| 3.2.6 检测指标与原发性骨质疏松症关系 |
| 3.2.7 女性不同绝经情况和初潮年龄人群原发性骨质疏松症的患病情况 |
| 3.3 原发性骨质疏松症与相关因素的多因素分析 |
| 第4章 讨论 |
| 4.1 原发性骨质疏松症患病率及现状分析 |
| 4.2 原发性骨质疏松症相关影响因素分析 |
| 4.3 本研究的优点与局限性 |
| 第5章 结论 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（9）2型糖尿病患者外周血细胞分析与骨质疏松症的相关性研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 中英文对照表 |
| 第1章 绪论 |
| 第2章 文献综述 |
| 2.1 骨质疏松症 |
| 2.1.1 概述 |
| 2.1.2 血细胞分析与骨质疏松症 |
| 2.2 糖尿病 |
| 2.2.1 概述 |
| 2.2.2 血细胞分析与糖尿病 |
| 2.3 糖尿病与骨质疏松症 |
| 2.3.1 高血糖 |
| 2.3.2 胰岛素 |
| 2.3.3 激素 |
| 2.3.4 促炎细胞因子 |
| 2.4 结语 |
| 第3章 资料与方法 |
| 3.1 研究对象 |
| 3.2 研究分组 |
| 3.3 资料采集 |
| 3.3.1 一般资料 |
| 3.3.2 实验室指标 |
| 3.3.3 影像指标 |
| 3.3.4 参数计算 |
| 3.3.5 检测方法和仪器 |
| 3.4 质量控制 |
| 3.5 统计学方法 |
| 第4章 结果 |
| 4.1 各组基本资料 |
| 4.2 各组基线资料比较 |
| 4.3 各组生化指标的比较 |
| 4.4 各组血细胞相关指标的比较 |
| 4.5 T2DM患者L1-4 平均 BMD及双侧股骨颈平均 BMD与临床各指标相关性分析 |
| 4.6 年龄、PLT、PLR的受试者工作特征(ROC)曲线 |
| 4.7 T2DM合并骨质疏松症的多因素Logistic回归分析 |
| 第5章 讨论 |
| 5.1 性别、年龄与骨质疏松症 |
| 5.2 血糖水平、糖尿病病程与骨质疏松症 |
| 5.3 不良生活习惯与骨质疏松症 |
| 5.4 肥胖与骨质疏松症 |
| 5.5 RBC、HB、RDW与骨质疏松症 |
| 5.6 PLT、MPV、PDW与骨质疏松症 |
| 5.7 PLR、NLR、MLR与骨质疏松症 |
| 5.8 本文的不足之处 |
| 第6章 结论 |
| 参考文献 |
| 作者简介及在学期间所取得的研究成果 |
| 致谢 |
（10）慢性肾脏病营养管理依从性分析及交互式中西医智能辅助程序的建立与运用（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 第一章 文献研究 |
| 第一节 慢性肾脏病现代营养管理的研究概况 |
| 一、慢性肾脏病营养管理的必要性 |
| 二、主要营养素摄入的相关研究 |
| 第二节 中医学内有关慢性肾脏病的营养管理 |
| 一、中医学关于“营养”的理解 |
| 二、中医学“营养”管理的发展 |
| 三、慢性肾脏病中医营养管理食物的应用 |
| 四、慢性肾脏病中医营养管理治法的选择 |
| 五、慢性肾脏病中医营养管理现代的研究 |
| 第二章 慢性肾脏病营养管理合格率分析及低蛋白饮食的影响因素 |
| 第一节 研究背景 |
| 第二节 研究内容 |
| 一、研究目的 |
| 二、研究方法 |
| 三、实施方案 |
| 第三节 研究结果 |
| 一、营养素的摄入量 |
| 二、营养素摄入的合格率 |
| 三、营养素摄入未合格患者的具体原因 |
| 四、影响膳食蛋白质摄入的一般特征比较 |
| 五、影响膳食热量摄入的一般特征比较 |
| 六、一般特征的多因素二元Logistic回归分析 |
| 七、全部参与者的营养状况 |
| 八、影响膳食蛋白质摄入的营养评估指标的比较 |
| 九、影响膳食热量摄入的营养评估指标的比较 |
| 十、营养评估指标的多因素二元Logistic回归分析 |
| 第四节 讨论 |
| 第三章 慢性肾脏病交互式中西医营养管理辅助程序的建立 |
| 第一节 研究背景 |
| 第二节 中西医营养管理“移动终端程序”的需求调查 |
| 一、研究方法 |
| 二、研究结果 |
| 第三节 交互式中西医营养管理辅助微信小程序的开发 |
| 一、研发过程 |
| 二、功能模块 |
| 第四节 讨论 |
| 第四章 交互式中西医营养管理辅助程序的应用:一项前瞻性非随机对照研究 |
| 第一节 研究背景 |
| 第二节 研究内容 |
| 一、研究目的 |
| 二、研究方法 |
| 三、实施方案 |
| 第三节 研究结果 |
| 一、受试者进入研究的流程 |
| 二、观察指标 |
| 第四节 讨论 |
| 第五章 程序优化探索:亚型和阶段推导模型在预防营养不良事件发生中的应用 |
| 第一节 研究背景 |
| 第二节 模型框架 |
| 一、基础模型:基于事件模型 |
| 二、优化模型:亚型和阶段推导模型 |
| 第三节 模型运行 |
| 一、数据的采集 |
| 二、数据预处理 |
| 三、数据集转换 |
| 四、模型的输入 |
| 五、模型的运算 |
| 六、模型的运行 |
| 第四节 结果输出 |
| 第五节 讨论 |
| 结语 |
| 参考文献 |
| 附录 |
| 在校期间发表论文情况、参与课题与获奖情况 |
| 致谢 |
| 统计学审核证明 |
四、钙与人体 第2讲 参与人体钙平衡的激素（论文参考文献）
- [1]血清25羟维生素D水平对初发Graves病患者药物治疗前后TRAb、TPOAb的影响[D]. 张震. 华北理工大学, 2021
- [2]绵羊门静脉解剖学结构及其瘘管技术的应用[D]. 单宝轩. 新疆农业大学, 2021
- [3]尿毒清对慢性肾衰竭大鼠主动脉钙化的影响[D]. 陈婧. 华北理工大学, 2021
- [4]碳酸司维拉姆对慢性肾衰竭大鼠主动脉钙化的作用[D]. 王春艳. 华北理工大学, 2021
- [5]斑马鱼Ⅱ型糖尿病合并骨质疏松症模型的建立以及在药物评价中的应用[D]. 李玺雯. 南京师范大学, 2021
- [6]色氨酸及代谢物抑制β-淀粉样蛋白聚集的分子动力学研究 ——对运动延缓阿尔茨海默病的机理初探[D]. 弓烨弘. 上海体育学院, 2021(09)
- [7]骨质疏松性骨折危险因素筛查及与中医体质、血清IGF-I、IL-6相关性分析[D]. 孙梦华. 中国中医科学院, 2021
- [8]吉林省部分地区社区居民原发性骨质疏松症的患病情况及影响因素分析[D]. 乔文婧. 吉林大学, 2021(01)
- [9]2型糖尿病患者外周血细胞分析与骨质疏松症的相关性研究[D]. 杨婧茹. 吉林大学, 2021(01)
- [10]慢性肾脏病营养管理依从性分析及交互式中西医智能辅助程序的建立与运用[D]. 张显龙. 广州中医药大学, 2021