目的探讨全身麻醉联合超声引导下椎旁神经阻滞在胸腔镜下肺癌根治术中的应用效果。方法选取该院2017年2月至2019年2月确诊为肺癌并行胸腔镜下肺癌根治术的患者80例,按随机数字表法分为对照组和观察组,各40例,两组全身麻醉方法相同,麻醉...目的探讨全身麻醉联合超声引导下椎旁神经阻滞在胸腔镜下肺癌根治术中的应用效果。方法选取该院2017年2月至2019年2月确诊为肺癌并行胸腔镜下肺癌根治术的患者80例,按随机数字表法分为对照组和观察组,各40例,两组全身麻醉方法相同,麻醉维持均采用异丙酚复合瑞芬太尼静脉滴注,观察组于全身麻醉诱导前行椎旁神经阻滞。比较两组术中麻醉药物、血管活性药物用量;记录拔管时间、麻醉恢复室(PACU)停留时间;记录术后视觉模拟量表(VAS)疼痛评分;测试患者术前1 d和术后7 d简易智力状态检查量表(MMSE)评分;记录术后住院时间和术后7 d的不良反应发生情况。结果与对照组比较,观察组术中异丙酚、瑞芬太尼、舒芬太尼、去甲肾上腺素用量减少,拔管时间缩短,PACU躁动发生率降低,差异有统计学意义(P<0.05);观察组PACU内舒芬太尼和异丙酚用量减少,PACU停留时间和住院时间缩短,差异有统计学意义(P<0.05);观察组苏醒时、出PACU时、术后12 h和术后24 h VAS评分降低,术后3 d MMSE评分降低,差异有统计学意义(P<0.05)。结论异丙酚复合瑞芬太尼联合超声引导下胸椎旁神经阻滞可减少患者麻醉药物用量,比单纯全身麻醉具有更好的麻醉效果。展开更多
从用户?项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启...从用户?项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。展开更多
文摘目的探讨全身麻醉联合超声引导下椎旁神经阻滞在胸腔镜下肺癌根治术中的应用效果。方法选取该院2017年2月至2019年2月确诊为肺癌并行胸腔镜下肺癌根治术的患者80例,按随机数字表法分为对照组和观察组,各40例,两组全身麻醉方法相同,麻醉维持均采用异丙酚复合瑞芬太尼静脉滴注,观察组于全身麻醉诱导前行椎旁神经阻滞。比较两组术中麻醉药物、血管活性药物用量;记录拔管时间、麻醉恢复室(PACU)停留时间;记录术后视觉模拟量表(VAS)疼痛评分;测试患者术前1 d和术后7 d简易智力状态检查量表(MMSE)评分;记录术后住院时间和术后7 d的不良反应发生情况。结果与对照组比较,观察组术中异丙酚、瑞芬太尼、舒芬太尼、去甲肾上腺素用量减少,拔管时间缩短,PACU躁动发生率降低,差异有统计学意义(P<0.05);观察组PACU内舒芬太尼和异丙酚用量减少,PACU停留时间和住院时间缩短,差异有统计学意义(P<0.05);观察组苏醒时、出PACU时、术后12 h和术后24 h VAS评分降低,术后3 d MMSE评分降低,差异有统计学意义(P<0.05)。结论异丙酚复合瑞芬太尼联合超声引导下胸椎旁神经阻滞可减少患者麻醉药物用量,比单纯全身麻醉具有更好的麻醉效果。
文摘从用户?项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。
