【摘 要】
：
目的 观察拉考沙胺（Lacosamide,LCM）口服液单药或添加治疗4月龄～4岁婴幼儿局灶性癫痫的疗效和安全性。方法 收集2022年3月—2022年9月于苏州大学附属儿童医院采用LCM口服液单药或添加治疗的局灶性癫痫的20例患儿，其中男9例、女11例，平均年龄（22.4±13.0）月龄，分析LCM口服液治疗后1、2、3、4、6个月的疗效及不良反应。LCM口服液起始剂量为2 mg/（kg·d），每
【基金项目】
：
苏州市“科教兴卫”青年科技项目（KJXW2019023）；
论文部分内容阅读
目的 观察拉考沙胺（Lacosamide,LCM）口服液单药或添加治疗4月龄～4岁婴幼儿局灶性癫痫的疗效和安全性。方法 收集2022年3月—2022年9月于苏州大学附属儿童医院采用LCM口服液单药或添加治疗的局灶性癫痫的20例患儿，其中男9例、女11例，平均年龄（22.4±13.0）月龄，分析LCM口服液治疗后1、2、3、4、6个月的疗效及不良反应。LCM口服液起始剂量为2 mg/（kg·d），每周增加2 mg/（kg·d），维持剂量6～12 mg/（kg·d）。结果 对20例患儿随访6个月时，总有效例为17例（85.00%），无发作的累积控制例数15例（75.00%）。结论 LCM口服液在婴幼儿局灶性癫痫中单药或添加治疗中，可以有效减少癫痫发作频率、疗效明显、不良反应少、安全性高，具有较好的临床应用价值。
其他文献
＜正＞为了以优质高效地服务满足经济社会发展和人民美好生活用能需要，营造更好的电力营商环境，2019年9月国网益阳供电分公司（以下简称“益阳公司”）创新服务体系，以期通过对现有体系的深化和原有机制的提升，建设精益管理水平更高的“全业务协同全链条贯通”供电服务指挥体系（以下简称“‘两全’体系”），实现更高水平的供电服务运营。以推动供电服务向精益型管理转型升级为目标，建立强有力的组织保障体系，明确体系内
新课程改革背景下,为了进一步提高课堂教学效率,教师在教学中要注重对学生的学科核心素养进行培养,这其中包含兴趣、能力、情感价值观等三维教学目标,并且通过对教学模式的改革创新,引导学生进行主动学习探究,不仅要理解掌握知识,更是要实现综合素质的培养和发展。高中数学教师也要与时俱进,基于核心素养视角进行课堂教学模式的改革,要努力激发学生的学习兴趣,采用多媒体教学方式,还可以创设生活化情境,引导学生巧用数学
本文分析了新基建背景下交通投资集团的数字化转型的路径。本文以我国智能交通新型基础设施发展以及交通投资集团类型企业的数字化建设现状为背景，从原则、方法论和目标等角度重点分析了交通投资集团类型企业数字化转型的总体思路，提出了系统的方案规划，包含整体架构、基础设施、集团大脑、应用系统、治理体系等多个方面。
本文以广式高盐稀态酿造酱油为基础，通过对比不同发酵周期下原油中风味物质的变化，结合5’-呈味核苷酸二钠、蔗糖素的使用，综合提升酱油产品的感官品质。结果表明，随着发酵周期的增长，原油中风味物质的含量不断提高，但当发酵周期大于115 d，原油中还原糖含量开始下降。从原油指标需求以及生产周期综合评定后确认发酵周期115 d为宜（可随季节上下波动10～15 d）。该条件下辅以I+G添加量为1.3‰，蔗糖素
＜正＞ 我院收治2例剔颈自杀者,均救护成功,现将急救与护理介绍如下。 （1） 解除呼吸道梗阻:剔颈后血液流入气管或管腔塌陷,迅速远端气管插入气囊气管导管,吸出血液及分泌物,保持呼吸道通畅。（2）止血。及早彻底止血,同时静脉输液、输血。（3）彻底清创,仔细查明有无重要血管神经及其他组织损伤。（4）密切观察下T、P、R、Bp、变化及伤口出血情况。（5）重视口腔护理。（6）制动体位。术后取半卧位,尽量头
拉考沙胺是一种新型抗癫痫发作药物，目前已被批准用于治疗4岁及以上局灶性癫痫患者。为了评估拉考沙胺对成人及儿童不同类型癫痫的疗效和耐受性，对MEDLINE、Pubmed and Google Scholar进行了系统回顾，检索自2014年1月—2022年5月的文献，主要结果是拉考沙胺对成人及儿童不同类型癫痫的疗效和不良事件，并进行系统报告。目前的证据表明，拉考沙胺对成人及儿童局灶性癫痫、全身性癫痫、
为了提高DC-DC开关电源的瞬态响应速度,针对Buck转换器提出了一种V2预测无差拍控制算法.基于V2预测无差拍控制的Buck转换器系统结构,根据输出电压纹波的特点提出了适用于V2控制Buck转换器的预测无差拍控制.进一步提出了改进的V2预测无差拍控制器,使该算法更易于数字实现.Simulink仿真验证结果表明:与传统电压模式控制相比,V2控制算法在输入电压变化2V条件下,调整时间缩短60%;在负
在实践中,基于深度学习的分类模型经常会遇到明显偏离训练数据分布的未知（Out-Of-Distribution,OOD）样本,此时分类模型仍然可能以较高置信度将该样本识别成某种已知（In-Distribution,ID）类型,这会造成严重的后果。异常分布检测旨在确定模型的输入是来自训练数据分布的正常样本,还是来自其他分布的异常样本。异常分布检测对于确保模型的可靠性和安全性至关重要,尤其是高风险应用场