目的观察全身麻醉(全麻)和椎管内麻醉对老年骨科手术患者术后精神状态及认知功能的影响。方法行骨科手术的老年患者52例,随机分为观察组和对照组,各26例。对照组采用全麻,观察组采用椎管内麻醉。记录两组手术时间、睁眼时间、语言陈述...目的观察全身麻醉(全麻)和椎管内麻醉对老年骨科手术患者术后精神状态及认知功能的影响。方法行骨科手术的老年患者52例,随机分为观察组和对照组,各26例。对照组采用全麻,观察组采用椎管内麻醉。记录两组手术时间、睁眼时间、语言陈述时间以及麻醉药用量,两组麻醉前及术后1、3、6、12、24 h的简易精神状态检查量表(MMSE)评分。结果观察组手术时间为(55±17)min,睁眼时间为(2.2±2.1)min,语言陈述时间为(3.9±2.2)min,麻醉药用量为(1 565±120)mL,对照组分别为(62±16)min、(3.1±1.9)min、(8.4±1.8)min、(1938±223)mL,两组语言陈述时间、麻醉药用量相比,P均<0.05。两组患者术后1、3、6、12、24 h MMSE评分均明显低于麻醉前,对照组术后1、3、6 h MMSE评分明显低于观察组(P均<0.05)。结论椎管内麻醉对老年骨科手术患者精神状态、认知功能的影响较全麻小,并可减少麻醉药用量,有利于患者术后苏醒,减少术后认知功能障碍(POCD)的发生。展开更多
冰雹是一种致灾性较强的强对流天气,但在气象业务工作中对其进行快捷、准确的预警和预报仍有一定的难度。本文基于C波段雷达回波资料,构建并应用随机森林模型对冰雹及其伴随强对流天气进行了分类识别及预报。结果发现,随机森林模型对训...冰雹是一种致灾性较强的强对流天气,但在气象业务工作中对其进行快捷、准确的预警和预报仍有一定的难度。本文基于C波段雷达回波资料,构建并应用随机森林模型对冰雹及其伴随强对流天气进行了分类识别及预报。结果发现,随机森林模型对训练集(2008-2017年)中四类冰雹天气(冰雹、冰雹大风、冰雹短强、冰雹大风短强)的平均命中率(Probability of Detection,POD)为90.2%,平均空报比率(False Alarm Ratio,FAR)为11.1%。对于2018-2019年的独立样本测试集,模型的平均POD和FAR则分别为72.8%和34.7%。因此,本文构建的随机森林模型较为理想。应用模型和风暴单体识别与跟踪产品(Strom Cell Identification and Tracking,SCIT)对未来15~60 min的强对流天气进行预报,结果表明四类冰雹天气的平均POD为74.8%,平均临界成功指数为60.8%,平均FAR为24.4%。因此,利用C波段雷达产品,随机森林模型能高效、自动化且较为准确地分类预警、预报冰雹及其伴随强对流天气,可应用于天气预报业务工作。展开更多
文摘目的观察全身麻醉(全麻)和椎管内麻醉对老年骨科手术患者术后精神状态及认知功能的影响。方法行骨科手术的老年患者52例,随机分为观察组和对照组,各26例。对照组采用全麻,观察组采用椎管内麻醉。记录两组手术时间、睁眼时间、语言陈述时间以及麻醉药用量,两组麻醉前及术后1、3、6、12、24 h的简易精神状态检查量表(MMSE)评分。结果观察组手术时间为(55±17)min,睁眼时间为(2.2±2.1)min,语言陈述时间为(3.9±2.2)min,麻醉药用量为(1 565±120)mL,对照组分别为(62±16)min、(3.1±1.9)min、(8.4±1.8)min、(1938±223)mL,两组语言陈述时间、麻醉药用量相比,P均<0.05。两组患者术后1、3、6、12、24 h MMSE评分均明显低于麻醉前,对照组术后1、3、6 h MMSE评分明显低于观察组(P均<0.05)。结论椎管内麻醉对老年骨科手术患者精神状态、认知功能的影响较全麻小,并可减少麻醉药用量,有利于患者术后苏醒,减少术后认知功能障碍(POCD)的发生。
文摘2013年6月19日20:00至20日08:00,西北地区东部出现了罕见的暖区大暴雨,最大降水量达258 mm,小时最大降水量达65 mm,且伴随雷电天气。利用卫星、雷达、区域自动气象站、高空、地面观测资料和NCEP再分析资料,重点分析六盘山西南侧极端降水中尺度对流系统的发生发展及传播特征。结果表明:近似的喇叭口地形及六盘山的阻挡,使700 h Pa偏南风在六盘山的西南侧形成一支长约200~300 km的低空急流;低空急流激发对流云带发展、加强,大暴雨主要由对流云带中一个向前传播的β中尺度对流云团产生;雷达强回波中心高度低于4 km,低质心暖云降水特征明显,对流带中具有多单体结构,大于35 d BZ强回波单体呈南北带状分布,对流单体以每小时1次的频次沿低空急流自南向北移动,显著的"列车效应"形成了六盘山西南侧带状大暴雨区。
文摘冰雹是一种致灾性较强的强对流天气,但在气象业务工作中对其进行快捷、准确的预警和预报仍有一定的难度。本文基于C波段雷达回波资料,构建并应用随机森林模型对冰雹及其伴随强对流天气进行了分类识别及预报。结果发现,随机森林模型对训练集(2008-2017年)中四类冰雹天气(冰雹、冰雹大风、冰雹短强、冰雹大风短强)的平均命中率(Probability of Detection,POD)为90.2%,平均空报比率(False Alarm Ratio,FAR)为11.1%。对于2018-2019年的独立样本测试集,模型的平均POD和FAR则分别为72.8%和34.7%。因此,本文构建的随机森林模型较为理想。应用模型和风暴单体识别与跟踪产品(Strom Cell Identification and Tracking,SCIT)对未来15~60 min的强对流天气进行预报,结果表明四类冰雹天气的平均POD为74.8%,平均临界成功指数为60.8%,平均FAR为24.4%。因此,利用C波段雷达产品,随机森林模型能高效、自动化且较为准确地分类预警、预报冰雹及其伴随强对流天气,可应用于天气预报业务工作。
