【摘 要】
：
目的 探究小剂量秋水仙碱联合塞来昔布胶囊治疗对痛风性关节炎患者红细胞沉降率（ESR）、C反应蛋白（CRP）水平的影响。方法 选取收治的100例痛风性关节炎患者，分为对照组和观察组，每组各50例。对照组采用常规剂量（1.0 mg/次）秋水仙碱联合塞来昔布胶囊治疗，观察组采用小剂量（0.5 mg/次）秋水仙碱联合塞来昔布胶囊治疗。比较2组患者临床疗效、症状指标改善、ESR、CRP水平以及不良反应发生率
论文部分内容阅读
目的 探究小剂量秋水仙碱联合塞来昔布胶囊治疗对痛风性关节炎患者红细胞沉降率（ESR）、C反应蛋白（CRP）水平的影响。方法 选取收治的100例痛风性关节炎患者，分为对照组和观察组，每组各50例。对照组采用常规剂量（1.0 mg/次）秋水仙碱联合塞来昔布胶囊治疗，观察组采用小剂量（0.5 mg/次）秋水仙碱联合塞来昔布胶囊治疗。比较2组患者临床疗效、症状指标改善、ESR、CRP水平以及不良反应发生率。结果 2组患者总有效率比较，差异无统计学意义（P＞0.05）;2组关节炎疼痛缓解时间、治疗期间发作次数以及治疗后复发次数比较，差异无统计学意义（P＞0.05）;2组治疗后ESR、CRP水平均低于治疗前，且观察组低于对照组（P＜0.05）。观察组不良反应发生率低于对照组（P＜0.05）。结论 塞来昔布胶囊治疗痛风性关节炎时，相较于联合常规剂量秋水仙碱治疗，小剂量秋水仙碱治疗对患者症状的缓解速度更快，可更好地降低ESR和CRP水平，安全性有保障，值得临床广泛推广及应用。
其他文献
针对分级诊疗体系中医疗机构间利益冲突导致的推行优质医疗资源下沉的困境，设计协调服务能力下沉的三种利益共享机制：数量、绩效和混合利益共享机制，评估对我国医疗体系运营绩效的影响。通过构建一个博弈理论排队模型，分析患者就医选择、三甲医院能力下沉率、社区医院利益共享价格的均衡决策。研究结果表明，对于低的总优质服务能力，三种利益机制都可用于促进能力下沉，提高医疗可及性与社会福利；对于中等的总服务能力，混合利
生态缓冲带作为陆地生态系统和水生生态系统的交错地带，能够有效地拦截地表径流中氮、磷及除草剂等污染物质进入河流、湖泊。选取紫花苜蓿（Medicago sativa）、早熟禾（Poa annua）、高羊茅（Festuca elata）、黑麦草（Lolium perenne）和白花三叶草（Trifolium repens）等5种草本植物构建生态缓冲带。通过野外模拟径流实验，探究植被类型及缓冲带长度对生态
＜正＞家庭是幼儿园重要的合作伙伴,两者相互尊重、相互支持,共同促进幼儿的全面发展。幼儿阶段是人生启蒙的最佳时期,很多家庭往往只专注于幼儿的智力发展,容易忽视对幼儿非智力因素的开发与培养;而教师的日常教学活动,往往得不到家长的理解,很难促进幼儿的全面发展。因此,优化家园共育,对幼儿的健康发展具有积极作用。一、开展家园交流,共同优化幼儿教育
写作能力的提升是一个不断经历实践和训练的过程,在开展小学语文写作教学的过程中,教师可以通过引导学生进行语文随堂小练笔的方式去训练学生的语文写作能力,让学生将语文习作与语文课堂阅读紧密联系起来,进而达到"以文促写"和"随文而练"的教学目的。此外,在教师引导学生开展随堂小练笔的过程中,教师可以通过运用多元化的教学策略去激发学生对随堂小练笔的兴趣和好奇心,引导学生在享受语文写作的魅力中开展深入探索。为此
磷是植物生长的必需元素之一,而陆地生态系统普遍存在磷限制,全球变化可能会影响土壤磷循环过程,进一步加剧磷限制,探讨植物磷获取策略对科学预测生态系统生产力如何适应全球变化具有重要意义。该文通过收集和梳理相关文献,从4个方面综述植物的磷获取机制及其对全球变化的响应:1)植物的磷饥饿响应机制;2)植物的磷获取途径和策略;3)土壤微生物对植物磷吸收的影响; 4)植物磷吸收对全球变化（温度升高、氮沉降和降雨
装配式技术是我国建筑行业的重要发展方向,因工业化制造而诞生的装配式建筑为缓解住房压力做出了巨大贡献。然而,以标准化为特征的工业化生产模式也对建筑个性化设计带来了挑战,使得多元化的居住需求难以实现。本文以装配式住宅为研究对象,探讨在满足标准化生产的要求下,装配式技术如何与住宅个性化需求相适应的问题。本研究共分为四个部分。第一部分阐述了装配式建筑因标准化生产方式造成个性化缺失的问题以及实现装配式住宅适
研究背景多发性骨髓瘤（multiple myeloma,MM）是一种浆细胞异常增殖并产生大量单克隆免疫球蛋白的血液系统恶性肿瘤。近年来,随着蛋白酶体抑制剂硼替佐米和免疫调节剂来那度胺的应用,MM患者预后得到明显改善,其中位生存期可达5-7年。但是MM仍然是一种不可治愈的疾病。而随着以程序性死亡受体-1/配体-1（PD-1/PD-L1）为代表的免疫检查点抑制剂的兴起和以靶向B细胞成熟抗原的嵌合抗原受
针对数控机床中主轴轴承和刀具同时出现故障或机床主轴转速改变时的故障诊断问题，提出了基于增量学习的深度卷积诊断模型。首先，将常用转速下的主轴轴承和刀具振动数据集，输入结合了批量归一化算法的一维卷积神经网络，实现单一转速下故障诊断；然后，人工判断跨转速诊断时的未知故障类型，对其打标签后重新输入网络，通过增量学习实现知识迁移并使模型学习新数据特征；最后模型在跨转速故障诊断领域的准确率为76.49%～86