188彩票 - 188彩票

湖南基层卫生院：医药送上门 联动护重症******

　　中新社长沙1月10日电 题：湖南基层卫生院：医药送上门 联动护重症

　　中新社记者 唐小晴

　　“这是我们自制的抗病毒汤剂，内含十几味中药，对感染奥密克戎毒株后的发热、咽喉疼痛和咳嗽咳痰等症状疗效很好。”在湖南长沙县江背镇中心卫生院煎药室，院长江鑫和同事正忙着给刚熬好的中药装袋。

　　中国防控疫情进入新阶段。尤其是春节将至，返乡人员增多，医疗资源相对匮乏的农村地区疫情防控、医疗救治工作备受瞩目。

　　在长沙，为减缓疫情向农村地区快速蔓延，有序做好春节期间疫情防控工作，当地要求由各区县(市)分期分批次免费向全市农村地区人员供应方药，特别是65岁以上合并冠心病、高血压、糖尿病等8类基础疾病的老年人、孕产妇、透析患者等重点关爱人群。

　　快速攀升的感染人数，让基层医疗机构压力倍增。江背镇中心卫生院服务覆盖4个社区、9个行政村，感染高峰期，卫生院一天门诊量达300多人，住院病人暴增。“增设床位20多张，妇产科、中医科也增设病床，住院病人应收尽收。”江鑫说。

　　每天上午，卫生院会在门诊集中派发抗病毒汤剂，免费提供中药方剂。“住院患者也吃抗病毒中药。医务人员会给住院老人多吸氧、拍背排痰，鼓励他们多补充蛋白质，告诉他们咳嗽不是坏事，要把痰咳出来。”江鑫说，卫生院还会联系村组，把中药和抗原试剂送到贫困户、独居老人家中。

　　江背镇福田村三里塘组71岁的唐海元发热后咽喉疼痛、咳嗽。在老人家中，医护人员帮其测血压、血糖、血氧，还送上“健康礼包”。“嗲嗲，这是抗病毒中药，一次一包，一天两次，要热一下再恰(长沙方言，意为吃)，还要注意休息，加强营养。”一同上门的家庭医生团队长陈艳红耐心指导老人用药。她介绍，除中药汤剂，“健康礼包”里还有口罩、抗原和退热药。

　　元旦以来，江背镇中心卫生院共发放包装中药一万多包。江鑫说，卫生院的中药由银翘散和麻杏石甘汤加减化裁制成，每天要熬制一两千包。“这是南方治疗新冠的协定方，处方我们会随机调整，精准治疗。”江鑫举例说，如果这几天患者咳嗽咳痰多，止咳化痰成分的中药就多用点。

　　在卫生院，记者遇到来为江背镇敬老院老人开药的陈先中。“一些有基础病的老人感染后咳嗽重。我们线上问诊后来拿药，开了20副中药和一些止咳化痰的药。”陈先中说。

　　畅通急危重症转诊通道是保障农村老年人就医的关键环节之一。遇到重症病例，江背镇中心卫生院立即启动转诊绿色通道，第一时间将患者送到三甲医院和县医院救治。“发现白肺就及时通过医联体转诊，县里还组建了一个县乡联动医疗救治群医疗，负责救治、药品采购和专家会诊。”江鑫说。

　　春节期间，江背镇医护人员和家庭医生通过电话、视频、微信或线下随访等方式加强对居家治疗观察人员的健康监测，指导用药和抗原检测。“镇上会组织医护人员到村下户为老年人接种疫苗，尽最大努力为重点人群提供强有力的医疗保障。”江鑫同时表示，救治危急重症患者是基层医疗机构的短板。

　　“我们会保障农村居家的轻症患者及时得到治疗，为有就医需求的患者提供诊疗服务，及时发现、识别重症风险人群，协助及时顺畅转诊，平稳度过疫情冲击。”有着20多年基层从医经验的江鑫建议，春节期间，老年人还是要居家不聚集，做到经常开窗通风、提升免疫力。(完)

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）