Effect of Jianpi Qufeng Decoction on intestinal flora in patients with atopic dermatitis
-
摘要:目的
探讨健脾祛风汤对特应性皮炎(AD)患者肠道菌群的影响。
方法选取30例AD儿童患者为治疗组(治疗前简称TB组，治疗后简称TA组)，予口服健脾祛风汤合并外涂尿素乳膏，治疗6周; 选取27例健康儿童作为健康对照组(N组)。治疗组于治疗前后采集粪便样品, N组无干预直接采集粪便样品。治疗前后进行SCORAD评分并进行临床疗效评价; 应用Illumina Miseq测序平台对研究对象粪便细菌的16SrRNA基因V3~V4区进行高通量测序; 采用Wilcoxon秩和检验进行物种丰度差异分析。
结果健脾祛风汤治疗AD的总有效率为96.67%, 治疗后SCORAD评分降低，差异有统计学意义(P < 0.001)。肠道菌群分析显示，在门水平，治疗后厚壁菌门(Firmicutes)丰度呈升高趋势，拟杆菌门(Bacteroidetes)丰度呈下降趋势，但差异无统计学意义(P>0.05)。在属水平，厚壁菌门下Blautia丰度呈升高趋势，差异有统计学意义(P < 0.05); 拟杆菌门下Bacteroides丰度呈现降低趋势，但差异无统计学意义(P>0.05)。在种水平，厚壁菌门下unclassified_g_Faecalibacterium、unclassified_g_ [Eubacterium]_rectale_group、Ruminococcus_sp. _5_1_39BFAA丰度呈现升高趋势，拟杆菌门下Bacteroides_vulgatus_ATCC_8482、Bacteroides_Xylanisolvens_g_Bacteroides、Bacteroides_uniformis丰度呈现降低趋势，但差异均无统计学意义(P>0.05)。
结论健脾祛风汤对AD的治疗作用可能与厚壁菌门及拟杆菌门物种丰度的变化有关。
Abstract:ObjectiveTo investigate the effect of Jianpi Qufeng Decoction on intestinal flora in patients with atopic dermatitis (AD).
MethodsA total of 30 AD children were selected as treatment group (abbreviated as TB group before treatment, TA group after treatment). They were orally taken Jianpi Qufeng Decoction combined with external application of urea cream for 6 weeks. Twenty-seven healthy children were selected as healthy control group (N group). Fecal samples were collected before and after treatment in the treatment group and in the N group without intervention. SCORAD score and clinical efficacy were evaluated before and after treatment; Illumina Miseq sequencing platform was used to perform high-throughput sequencing of V3 to V4 region of 16SrRNA gene of fecal bacteria; Wilcoxon rank sum test was used to analyze differences in species abundance.
ResultsThe total effective rate of Jianpi Qufeng Decoction in the treatment of AD was 96.67%, and the SCORAD score was significantly decreased after treatment (P < 0.001). Intestinal microbiota analysis showed that at the phylum level, the abundance of Firmicutes increased and the abundance of Bacteroidetes decreased after treatment, but the difference was not statistically significant (P>0.05). At the genus level, the abundance of Blautia showed an increasing trend (P < 0.05); the abundance of Bacteroides showed a decreasing trend, but the difference was not statistically significant (P>0.05). At species level, under the phylum of Firmicutes, the abundance of unclassified_g_Faecalibacterium, unclassified_g_[Eubacterium]_rectale_group, Ruminococcus_sp._5_1_39BFAA showedincreasing trend, under the phylum of Bacteroidetes, the abundance of Bacteroides_vulgatus_ATCC_8482, Bacteroides_Xylanisolvens_g_Bacteroides, Bacteroides_uniformis showed decreasing trend, but the differences were not statistically significant (P>0.05).
ConclusionThe effect of Jianpi Qufeng Decoction in treating AD may be related to the changes in the abundance of Firmicutes and Bacteroidetes.
-
Keywords:
- atopic dermatitis /
- intestinal flora /
- Jianpi Qufeng Decoction /
- 16SrRNA sequencing
-
下肢深静脉血栓(DVT)是一种血液循环障碍性疾病，下肢栓子脱落会进一步引起肺栓塞，导致严重的呼吸循环障碍[1]。欧美国家普通外科患者无预防措施下，术后DVT发生率为10%~40%, 术后肺栓塞(PE)发生率为0.2%~0.9%[2]。DVT的形成和发展不仅可加重病情，甚至可能危及患者的生命[3]。目前，临床上缺少操作简单、灵敏度高和特异度高的血栓评估方法[4]。本研究回顾性分析蚌埠医学院附属泰兴医院普通外科手术患者的临床资料，筛选出术后DVT预测的相关指标，并建立了DVT预测模型，现报告如下。
1. 资料与方法
1.1 一般资料
选取2018年1月—2021年1月普通外科手术患者272例为研究对象，根据术后多普勒超声结果分为DVT组249例与非DVT组23例。纳入标准: ①术前所有检查结果明确有手术指征者; ②在本院接受手术治疗者; ③ 20岁以上者; ④术前DVT阴性者; ⑤病例资料齐全者。排除标准: ①有急性脑梗死、心肌梗死等疾病者; ②既往有血液制品输注史或凝血功能障碍、易栓症家族病史者; ③孕妇或长期服用口服避孕药和性激素类药物，停药时间少于90 d者; ④术前下肢彩色多普勒超声检查显示DVT者。本研究已获得蚌埠医学院附属泰兴医院伦理委员会批准，所有患者及其家属均签署知情同意书。
1.2 方法
所有入院患者均按照普通外科疾病诊疗规范进行医治，详细制订患者的手术方案，由同一批外科医师进行手术，根据常规操作程序及临床经验，对患者进行预防性抗凝治疗。入院第2天早晨，取患者空腹静脉血5 mL, 采用日本Sysmex公司生产的CA-7000全自动血凝检测仪，检测凝血酶原时间(PT)、活化部分凝血酶原时间(APTT)、凝血酶时间(TT)、纤维蛋白原(Fib)、D-二聚体等常规凝血指标。使用血栓弹力图(TEG)分析仪5000 (美国, Braintree, Massachusetts)对所有患者进行全血测试，记录TEG的凝血反应时间(R)、凝固角(α角)、血栓最大振幅(MA)和血液凝固时间(K)。术后行彩色多普勒超声诊断，对患者下肢静脉进行检测，并将其分为DVT组和非DVT组。
1.3 统计学分析
采用SPSS 24.0软件分析数据。符合正态分布的计量资料采用(x±s)表示，方差齐行t检验，方差不齐采用近似t检验; 计数资料采用[n(%)]表示，行卡方检验。将单因素分析中具有统计学意义的指标纳入Logistic回归，建立血栓的预测模型: P预测概率=$=\frac{exp ({Logit}\;P)}{1+exp ({Logit}\;P)}$。根据每位手术患者得到的P预测概率与血栓事件的关系建立受试者工作特征(ROC)曲线，运用R version 4.1.0绘制受试者ROC曲线，运用MedCalc 20.0软件计算曲线下面积(AUC)、最佳阈值(约登指数最大时所对应的分界点为最佳阈值)、灵敏度、特异度和约登指数。AUC>0.9提示预测价值较高, AUC>0.7~0.9提示预测价值中等, AUC>0.5~0.7提示预测价值较低。P < 0.05为差异有统计学意义。
2. 结果
2.1 2组患者基线资料比较
2组患者性别、体质量指数(BMI)及高血压、糖尿病、饮酒、吸烟情况比较，差异无统计学意义(P>0.05)。DVT组患者年龄大于非DVT组，差异有统计学意义(P < 0.05); DVT组手术时间长于非DVT组，差异有统计学意义(P < 0.05), 见表 1。
表 1 2组患者治疗前基线资料比较(x±s)[n(%)]指标 非DVT组(n=249) DVT组(n=23) χ2/t P 年龄/岁 62.86±13.93 71.74±12.12 2.952 0.003 男性 139(55.82) 11(47.83) 0.544 0.461 体质量指数/(kg/m2) 23.76±3.10 24.01±2.46 0.380 0.705 手术时间 < 1 h 145(58.23) 5(21.74) 12.182 0.002 1~2 h 50(20.08) 7(30.43) >2 h 54(21.69) 11(47.83) 高血压 61(24.50) 7(30.43) 0.396 0.529 糖尿病 23(9.24) 2(8.70) 0.007 0.931 吸烟 99(39.76) 7(30.43) 0.770 0.380 饮酒 74(29.72) 5(21.74) 0.651 0.420 2.2 术前传统凝血功能试验(CCTs)参数比较
DVT组术前D-二聚体水平高于非DVT组，差异有统计学意义(P < 0.05); DVT组术前PT、APTT、TT短于非DVT组，差异有统计学意义(P < 0.05)。2组Fib比较，差异无统计学意义(P>0.05)。见表 2。
表 2 2组患者术前CCTs参数比较(x±s)参数 非DVT组(n=249) DVT组(n=23) χ2/t P PT/s 12.55±1.29 11.26±0.74 7.382 < 0.001 Fib/(g/L) 3.54±1.10 3.69±0.54 1.081 0.286 APTT/s 35.50±1.82 33.95±2.40 3.016 0.006 TT/s 15.80±1.46 15.00±1.78 2.458 0.015 D-二聚体/(μg/L) 475.98±436.59 974.61±529.97 5.142 < 0.001 PT: 凝血酶原时间; Fib: 纤维蛋白原; APTT: 活化部分凝血活酶原时间; TT: 凝血酶时间。 2.3 术前TEG指标比较
DVT组术前K、α角、MA长于或大于非DVT组，差异有统计学意义(P < 0.05); DVT组术前R短于非DVT组，差异有统计学意义(P < 0.05)。见表 3。
表 3 2组患者术前TEG指标比较(x±s)指标 非DVT组(n=249) DVT组(n=23) χ2/t P R/min 4.90±1.28 4.17±1.60 2.135 0.043 K/min 3.25±0.55 3.96±0.50 5.987 < 0.001 α角/° 66.00±6.25 75.10±4.89 6.793 < 0.001 MA/mm 63.78±6.97 72.78±6.81 5.936 < 0.001 R: 凝血反应时间; K: 血液凝固时间; α角: 凝固角; MA: 最大振幅。 2.4 术前TEG和CCTs指标对术后血栓发生的预测价值
以患者术后是否发生下肢血栓作为诊断金标准，以术前TEG以及CCTs各项指标绘制ROC曲线，结果显示，术前K、α角、MA、PT以及D-二聚体对术后发生DVT具有中等预测价值(AUC为0.7~0.9), R、APTT、TT以及Fib对术后发生DVT的预测价值均较低(AUC < 0.7), 见图 1、图 2和表 4。
表 4 患者术前各指标对术后发生DVT的预测结果指标 AUC 最佳阈值 灵敏度/% 特异度/% 约登指数 R 0.692 3.6 65.22 93.57 0.587 9 K 0.857 3.5 91.30 79.12 0.704 2 α角 0.889 68.9 95.60 75.10 0.707 5 MA 0.833 68.8 91.30 78.71 0.700 2 PT 0.874 11.5 82.61 80.72 0.633 3 Fib 0.602 3.2 86.96 47.39 0.343 5 APTT 0.695 34.7 73.91 75.50 0.494 2 TT 0.672 14.5 60.87 81.93 0.428 0 D-二聚体 0.849 561.0 95.65 71.89 0.675 4 R: 凝血反应时间; K: 血液凝固时间; α角: 凝固角; MA: 最大振幅;
PT: 凝血酶原时间; Fib: 纤维蛋白原;
APTT: 活化部分凝血活酶原时间; TT: 凝血酶时间。2.5 基线资料、术前TEG、CCTs指标联合预测价值
将年龄、手术时间、PT、APTT、TT、D-二聚体、R、α角(K因与α角含义类似而未纳入)、MA共9个术前变量纳入二元Logistic回归分析，获得手术后血栓的预测模型: P预测概率=$\frac{exp ( { Logit }\; P)}{1+exp ( { Logit } \;P)}$[Logit P=0.085×年龄+1.297×手术时间(B)+1.886×手术时间(C)-2.431×PT-0.093×APTT+0.332×TT +0.002×D-二聚体+0.06×R+0.138×α+0.113×MA-1.571], 根据每位手术患者(n=272)得到的P预测概率与血栓事件的关系建立ROC曲线(图 3), AUC为0.964(95%CI: 0.934~0.983, P < 0.05)。当约登指数最大时，其所对应的最佳分界值(cut-off值)为0.174, 灵敏度为91.30%, 特异度为95.18%。
3. 讨论
DVT在普通外科患者中并不少见，手术对患者来说是一种创伤性操作，再加上麻醉会使血管扩张，下肢肌肉会变得麻木，血管内血液流动缓慢, DVT的发生率随之增高。此外，大部分患者术后需卧床休息，甚至需要长期卧床，下肢运动量减少，血液循环缓慢，进而增大DVT的发病风险[5-6]。故临床需寻找早期DVT风险识别指标，并建立预测模型筛选出血栓高危患者，对其进行预防、治疗，以降低患者术后DVT发生率。
传统凝血试验只能检测凝血过程中的某一阶段，不能评估血凝块形成到纤维溶解的整个过程，也不能评估血小板在凝血过程中的作用[7]。新型的凝血检测技术TEG通过对凝血、抗凝、纤溶等动态过程进行物理方法模拟，从而得到更好的反映凝血状态的参数，并根据相应的参数绘制出曲线图，更加直观地反映出凝血的动态演变、凝血的速度、血凝块的硬度及纤溶系统的活力等[8]。
本研究发现普通外科患者术后DVT的发生率为8.46%, 大部分患者没有临床症状或者症状较轻。DVT组患者年龄大于非DVT组，提示老年患者可能更容易在术后发生DVT，因此临床工作中对此类患者实施抗凝治疗时应更加谨慎。研究[9-11]表明，长时间手术可造成患者血液瘀滞、血液高凝状态、血管内皮损伤，促使血栓发生，与本研究结果一致。本研究结果显示, DVT组术前K、α角、MA、D-二聚体显著长于或大于或高于非DVT组; 术前R、APTT、TT、PT显著短于非DVT组患者; K、α角、MA、D-二聚体和PT对术后DVT具有中等预测价值，其他指标预测价值较低。本研究利用Logistic回归分析建立血栓预测模型，并通过ROC曲线发现该模型AUC、灵敏度、特异度均大于90%, 说明其可用于筛选DVT高危患者。
综上所述，血栓预测模型的建立可帮助临床早期筛选识别DVT高危患者，并尽早干预。
-
![]()
图 5 属水平网络结构属性图及物种相关性Heatmap图
A: 属水平物种网络结构属性图; B: 属水平单因素相关性网络分析。分类水平为属，颜色显示水平为门。图中节点的大小表示物种丰度大小，不同颜色表示不同的物种; 连线的颜色表示正负相关性，红色表示正相关，绿色表示负相关; 线的粗细表示相关性系数的大小，线越粗，表示物种之间的相关性越高; 线越多，表示该物种与其他物种之间的联系越密切。X轴和Y轴均为物种，通过计算获得相关系数R值和P值, R值在图中以不同颜色展示。
![]()
图 6 种水平网络结构属性图及物种相关性Heatmap图
A: 种水平物种网络结构属性图; B: 种水平单因素相关性网络分析。分类水平为种，颜色显示水平为属。图中节点的大小表示物种丰度大小，不同颜色表示不同的物种; 连线的颜色表示正负相关性，红色表示正相关，绿色表示负相关; 线的粗细表示相关性系数的大小，线越粗，表示物种之间的相关性越高; 线越多，表示该物种与其他物种之间的联系越密切。X轴和Y轴均为物种，通过计算获得相关系数R值和P值, R值在图中以不同颜色展示。
表 1 治疗前后门水平物种丰度比较(x±s)
% 门水平物种 TB组(n= 26) TA组(n=26) N组(n=27) Firmicutes 59.02±18.68 64.70±17.78 51.88±16.40 Bacteroidetes 27.93±20.64 16.00±15.01 38.98±15.95 Proteobacteria 7.85±10.12 7.94±9.48 5.80±7.62 Actinobacteria 4.81±5.11 9.85±16.33 2.43±2.62 Verrucomicrobia 0.20±0.55 1.29±3.56 0.35±1.14 Fusobacteria 0.09±0.20 0.11±0.40 0.50±1.67 Saccharibacteria 0.03±0.03 0.03±0.04 0.02±0.02 Chloroflexi 0.02±0.05 0.03±0.09* 0.002±0.01 与TB组比较, *P < 0.05。 
下载: 导出CSV
表 2 治疗前后属水平物种丰度比较(x±s)
% 属水平物种 TB组(n=26) TA组(n=26) N组(n=27) Bacteroides 21.67±17.88 12.04±11.81 33.14±15.73 Faecalibacterium 13.20±8.19 16.71±11.48 10.88±7.53 Bifidobacterium 3.63±4.38 6.23±9.56 2.06±2.57 [Eubacterium]_rectale_group 4.07±4.16 5.42±6.92 2.72±2.60 Blautia 3.37±4.20 6.11±6.27* 2.24±1.35 Subdoligranulum 5.57±12.69 3.43±4.18 2.82±5.03 Escherichia-Shigella 2.88±5.01 5.48±8.65 3.65±7.53 Lachnoclostridium 2.33±1.74 2.65±2.87 2.08±1.61 Dialister 3.31±5.03 0.89±2.00* 0.85±1.49 Collinsella 0.96±1.43 3.14±7.83 0.23±0.36 Klebsiella 2.72±8.51 0.62±1.25 0.36±1.03 与TB组比较, *P < 0.05。
下载: 导出CSV
表 3 治疗前后种水平物种丰度比较(x±s)
% 种水平物种 TB组(n= 26) TA组(n=26) N组(n=27) unclassified_g_Faecalibacterium 13.20±8.19 16.71±11.48 10.88±7.53 Bacteroides_vulgatus_ATCC_8482 7.69±9.48 3.91±6.03 9.59±9.65 unclassified_g_[Eubacterium]_rectale_group 4.07±4.16 5.42±6.92 2.72±2.60 unclassified_g_Escherichia-Shigella 2.88±5.01 5.47±8.65 3.65±7.53 Ruminococcus_sp. _5_1_39BFAA 1.98±2.98 3.67±5.21 1.14±0.92 Bifidobacterium_pseudocatenulatum_DSM_20438_JCM_1200_LMG_10505 1.66±1.90 3.92±7.23 1.35±1.99 unclassified_g_Subdoligranulum 3.42±11.42 1.44±2.68 1.30±2.34 Bacteroides_xylanisolvens_g_Bacteroides 3.02±3.59 1.52±2.32 3.59±4.73 uncultured_bacterium_g_Subdoligranulum 2.15±3.41 1.99±2.66 1.52±3.84 Collinsella_aerofaciens 0.93±1.44 3.04±7.85 0.23±0.34 Bacteroides_uniformis 2.51±3.26 1.05±0.93 3.98±4.62 unclassified_g_Klebsiella 2.72±8.51 0.62±1.25 0.36±1.03 unclassified_g_Fusicatenibacter 1.15±1.22 2.17±2.24 0.84±0.82 unclassified_g_Phascolarctobacterium 2.04±2.90 1.24±1.67 2.73±2.92 Dialister_invisus_DSM_15470 2.66±4.94 0.57±1.72** 0.81±1.50 与TB组比较, **P < 0.01。
下载: 导出CSV
-
[1] KIM J, KIMB E, LEUNGD Y M. Pathophysiology of atopic dermatitis: clinical implications[J]. Allergy Asthma Proc, 2019, 40(2): 84-92. doi: 10.2500/aap.2019.40.4202
[2] 张杰, 郑晓草, 曹先伟. 特应性皮炎与肠道微生物组的相关性[J]. 中国麻风皮肤病杂志, 2020, 36(2): 122-125. https://www.cnki.com.cn/Article/CJFDTOTAL-MALA202002023.htm [3] 马欣, 王雪娇, 丁佩军, 等. 中医药调节肠道菌群治疗特应性皮炎研究进展[J]. 上海中医药杂志, 2017, 51(S1): 257-261. https://www.cnki.com.cn/Article/CJFDTOTAL-SHZZ2017S1068.htm [4] 彭勇, 李斌, 李锋, 等. 健脾祛风方治疗特应性皮炎95例临床观察[J]. 上海中医药大学学报, 2013, 27(3): 45-47. https://www.cnki.com.cn/Article/CJFDTOTAL-SHZD201303017.htm [5] WILLIAMS H C, BURNEY P G, HAY R J, et al. The U. K. Working Party's Diagnostic Criteria for Atopic Dermatitis. I. Derivation of a minimum set of discriminators for atopic dermatitis[J]. Br J Dermatol, 1994, 131(3): 383-396. doi: 10.1111/j.1365-2133.1994.tb08530.x
[6] No authors listed. Consensus Report of the European Task Force on Atopic Dermatitis. Severity scoring of atopic dermatitis: the SCORAD index[J]. Dermatology, 1993, 186(1): 23-31. doi: 10.1159/000247298
[7] 郑筱萸. 中药新药临床研究指导原则: 试行[M]. 北京: 中国医药科技出版社, 2002: 1-10. [8] CHEN L P, HUANG X Y, XIAO Y, et al. Prevalence and risk factors of atopic dermatitis, psoriasis, acne, and urticaria in China[J]. J Central South Univ Med Sci, 2020, 45(4): 449-455.
[9] 张帆. 辅助性T细胞与调节性T细胞平衡在特应性皮炎中的作用分析[J]. 辽宁医学杂志, 2021, 35(2): 63-66. https://www.cnki.com.cn/Article/CJFDTOTAL-LNYX202102024.htm [10] 王斌, 黄功华, 刘新光. DC介导的Th2细胞免疫紊乱在Th2细胞免疫紊乱相关过敏性疾病中的研究进展[J]. 医学综述, 2021, 27(10): 1873-1879. doi: 10.3969/j.issn.1006-2084.2021.10.001 [11] DUPONTH L, JIANGZ D, DUPONTA W, et al. Theintestinalmicrobiomeinhumanhealthanddisease[J]. Trans Am Clin Climatol Assoc, 2020, 131: 178-197.
[12] CHENG J, RINGEL-KULKA T, HEIKAMP-DE JONG I, et al. Discordant temporal development of bacterial Phyla and the emergence of core in the fecal microbiota of young children[J]. ISME J, 2016, 10(4): 1002-1014.
[13] RAPIN A, PATTARONI C, MARSLANDB J, et al. Microbiota analysis using an illuminaMiSeqplatform to sequence 16S rRNA genes[J]. CurrProtoc Mouse Biol, 2017, 7(2): 100-129.
[14] YATSUNENKO T, REYF E, MANARYM J, et al. Human gut microbiome viewed across age and geography[J]. Nature, 2012, 486(7402): 222-227.
[15] CRESCIG A, BAWDEN E. Gut microbiome: what we do and don't know[J]. Nutr Clin Pract, 2015, 30(6): 734-746.
[16] PENDERS J, STOBBERINGHE E, VANDEN BRANDTP A, et al. The role of the intestinal microbiota in the development of atopic disorders[J]. Allergy, 2007, 62(11): 1223-1236.
[17] MELLIL C, DO CARMO-RODRIGUESM S, ARAÙJO-FILHOH B, et al. Intestinal microbiota and allergic diseases: a systematic review[J]. AllergolImmunopathol (Madr), 2016, 44(2): 177-188.
[18] PETERSENE B M, SKOV L, THYSSENJ P, et al. Role of the gut microbiota in atopic dermatitis: asystematic review[J]. Acta DermVenereol, 2019, 99(1): 5-11.
[19] 罗瑞静, 刘杰, 彭勇, 等. 特应性皮炎患儿与正常儿童肠道菌群差异性研究[J]. 中华皮肤科杂志, 2019, 52(10): 767-770. [20] 罗瑞静. 特应性皮炎患儿与正常儿童肠道菌群Network网络分析[J]. 中国皮肤性病学杂志, 2021, 35(2): 143-147. https://www.cnki.com.cn/Article/CJFDTOTAL-ZBFX202102005.htm [21] YE S Q, YAN F G, WANG H Y, et al. Diversity analysis of gut microbiota between healthy controls and those with atopic dermatitis in a Chinese population[J]. J Dermatol, 2021, 48(2): 158-167.
[22] SONG H, YOO Y, HWANG J, et al. Faecalibacteriumprausnitzii sub species-level dysbiosis in the human gut microbiome underlying atopic dermatitis[J]. J Allergy Clin Immunol, 2016, 137(3): 852-860.
-
期刊类型引用(3)
1. 李恒立，周丽娜，卢银苹，马艳伟，王路，杨亚攀. D-二聚体预测ST段抬高型心肌梗死患者PCI术后的院内不良结局. 黑龙江医学. 2025(02): 181-183 . 
百度学术
2. 牛帅，姜广伟，杨永宾. 腹部手术术后下肢深静脉血栓患者彩色多普勒超声参数与血清D-二聚体的相关性分析. 影像研究与医学应用. 2024(12): 58-60 . 百度学术
3. 沈晓琴，朱月华，张燕，金荣，袁园，彭霞，常雪娇. 胸腰椎骨折内固定术后合并下肢DVT风险预测列线图模型的建立与验证. 全科护理. 2023(28): 3901-3905 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 160
- HTML全文浏览量: 59
- PDF下载量: 4
- 被引次数: 3
苏公网安备 32100302010246号
