國內(nèi)外ICU數(shù)智化技術(shù)應(yīng)用研究熱點的共詞聚類分析

[摘要]"目的"分析重癥醫(yī)學(xué)病房（intensive"care"unit，ICU）中數(shù)智化技術(shù)研究領(lǐng)域的熱點及趨勢。方法"檢索Web"of"Science核心數(shù)據(jù)庫、中國知網(wǎng)、萬方數(shù)據(jù)知識服務(wù)平臺、維普中文期刊服務(wù)平臺收錄的ICU數(shù)智化技術(shù)應(yīng)用文獻，檢索時限為建庫至2023年12月12日。應(yīng)用CiteSpace軟件進行可視化分析。結(jié)果"最終納入中文文獻700篇、英文文獻1705篇。結(jié)論"中文文獻共形成18個聚類，包括智能手機、數(shù)據(jù)挖掘、室性早搏、膿毒血癥等。英文文獻共形成17個聚類，包括深度學(xué)習(xí)、專家系統(tǒng)、自然語言處理、生理特征等。其中風(fēng)險預(yù)測模型、臨床決策支持是未來研究的趨勢。通過拓寬疾病和人群范圍、聯(lián)合人工智能研發(fā)可穿戴設(shè)備和智能檢測云系統(tǒng)、機器人等是未來ICU數(shù)智化技術(shù)應(yīng)用領(lǐng)域的發(fā)展趨勢。

[關(guān)鍵詞]"數(shù)智化；人工智能；重癥醫(yī)學(xué)病房；文獻計量學(xué)

[中圖分類號]"R197""""""[文獻標識碼]"A""""[DOI]"10.3969/j.issn.1673-9701.2024.24.009

Co-word"clustering"analysis"of"research"hotspots"on"the"application"of"digital"intelligence"technology"in"ICU"at"home"and"abroad

LIN"Peiyu1，"SHAN"Liming1，"FANG"Xiaofang1，"CHEN"Jiajia1，"YANG"Xuyan1，"NING"Li2

1.Department"of"Hematology，"Hangzhou"First"People’s"Hospital，"Hangzhou"310006，"Zhejiang，"China;"2.Department"of"Nursing，"Hangzhou"First"People’s"Hospital，"Hangzhou"310006，"Zhejiang，"China

[Abstract]"Objective"To"analyze"the"hot"spots"and"trends"of"digital"intelligence"technology"research"in"intensive"care"unit"（ICU）."Methods"ICU"digital"intelligence"technology"related"literature"collected"in"Web"of"Science"core"database，"China"National"Knowledge"Infrastructure，"Wanfang"Data"Knowledge"Service"Platform，"VIP"Chinese"Journal"Service"Platform"were"searched，"and"the"retrieval"period"is"from"the"establishment"of"the"database"to"December"12，"2023，"and"visualized"analysis"was"performed"by"CiteSpace"software."Results"700"Chinese"literatures"and"1705"English"literatures"were"included."Conclusion"A"total"of"18"clusters"were"formed"in"Chinese"literature，"including"smart"phones，"data"mining，"ventricular"premature"beats，"sepsis，"etc."A"total"of"17"clusters"were"formed"in"English"literature，"including"deep"learning，"expert"systems，"natural"language"processing，"physiological"characteristics，"etc."Among"them，"risk"prediction"model"and"clinical"decision"support"are"the"trends"of"future"research."Conclusion"By"broadening"the"scope"of"diseases"and"populations，"joint"artificial"intelligence"research"and"development"of"wearable"devices"and"intelligent"detection"cloud"systems，"robots，"etc.，"is"the"development"trend"of"the"future"application"field"of"ICU"digital"intelligence"technology.

[Key"words]"Digital"intelligence;"Artificial"intelligence;"Intensive"care"unit;"Bibliometrics

數(shù)智化技術(shù)是將大數(shù)據(jù)技術(shù)、計算機視覺、移動互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)等先進技術(shù)應(yīng)用于臨床醫(yī)學(xué)的預(yù)防、診斷、治療、預(yù)后，是醫(yī)學(xué)領(lǐng)域與計算機科學(xué)學(xué)科交叉融合的研究趨勢[1]。重癥醫(yī)學(xué)病房（intensive"care"unit，ICU）具有的數(shù)據(jù)密集、技術(shù)密集和知識密集的特征是數(shù)智化技術(shù)應(yīng)用的重要場所[2]。在ICU中應(yīng)用數(shù)智化技術(shù)逐漸成為未來科研的重要領(lǐng)域，其研究現(xiàn)狀及熱點方向亟需探索并歸納總結(jié)。本研究采用文獻計量學(xué)和可視化分析國內(nèi)外ICU數(shù)智化技術(shù)應(yīng)用發(fā)展趨勢，為今后研究提供參考。

1""資料與方法

1.1""文獻檢索策略

檢索Web"of"Science"核心數(shù)據(jù)庫、中國知網(wǎng)、萬方數(shù)據(jù)知識服務(wù)平臺、維普中文期刊服務(wù)平臺。檢索詞來源：MeSH詞庫（artificial"intelligence和intensive"care"unit）和與其相關(guān)的同義詞、近義詞、縮寫等。中文檢索策略為“主題=（數(shù)智化or神經(jīng)網(wǎng)絡(luò)or人工智能or計算智能or機器智能or機器學(xué)習(xí)or深度學(xué)習(xí)or數(shù)據(jù)挖掘or列線圖）and（ICU"or監(jiān)護室）”。英文檢索策略為“Topic=（digital"intelligence"or"artificial"intelligence"or"computational"intelligence"or"machine"intelligence"or"machine"learning"or"computer"reasoning"or"deep"learning"or"natural"language"processing"or"nomogrand）and（ICU"or"intensive"care"unit）”。檢索時限為建庫至2023年12月12日。

1.2""納入與排除標準

納入標準：①研究對象為年齡≥18歲的ICU患者；②研究方法為應(yīng)用數(shù)智化技術(shù)如大數(shù)據(jù)、物聯(lián)網(wǎng)、機器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)的支持，使系統(tǒng)具有狀態(tài)感知、實時分析、科學(xué)決策、精準執(zhí)行的能力，如實現(xiàn)人機交互、圖像識別與生物特征識別、自然語言處理等。排除標準：①綜述、摘要、短評類、消息、征文通知等；②研究方法為應(yīng)用計算機輔助設(shè)計、云計算技術(shù)等僅用于輔助人類設(shè)計、繪

畫或托管、儲存用戶數(shù)據(jù)的技術(shù)（這些技術(shù)僅將數(shù)據(jù)數(shù)字化，未能提升人的智慧管理水平）。

1.3""資料分析方法

采用CiteSpace"V6.1.R6軟件繪制可視化圖譜。軟件參數(shù)設(shè)置：時間分區(qū)（#Year"Per"Slice）設(shè)置為1年，節(jié)點類型為“keyword”。其余為默認值。根據(jù)每年發(fā)表文獻的關(guān)鍵詞進行頻次排序、關(guān)鍵詞共現(xiàn)分析和聚類分析，應(yīng)用時區(qū)分析呈現(xiàn)關(guān)鍵詞的逐年變化情況。以平均輪廓值（S）gt;0.5及模塊值（Q）gt;0.3判斷分析結(jié)果的可信度[3]。

2""結(jié)果

2.1""ICU數(shù)智化技術(shù)應(yīng)用研究中英文文獻計量學(xué)分析

2.1.1""發(fā)表數(shù)量及年份分布情況""將檢索到的3453篇文獻導(dǎo)入NoteExpress系統(tǒng)剔除重復(fù)文獻后余2809篇，由2名研究者篩選后獲得2405篇，其中中文文獻700篇，英文文獻1705篇。結(jié)果顯示2020年至2023年12月12日國內(nèi)外ICU數(shù)智化技術(shù)應(yīng)用研究文獻發(fā)文量呈爆發(fā)性增長，見圖1和圖2。

2.1.2""國內(nèi)外ICU數(shù)智化技術(shù)應(yīng)用研究發(fā)文國家和機構(gòu)""1705篇英文文獻分布于66個國家和地區(qū)，美國發(fā)文量位居首位。共501所機構(gòu)參與發(fā)表ICU數(shù)智化技術(shù)應(yīng)用相關(guān)英文文獻，發(fā)文量最多的研究機構(gòu)是哈佛大學(xué)，其機構(gòu)中心度均為0.08。700篇中文文獻由538所機構(gòu)發(fā)表，發(fā)表最多的機構(gòu)是山東大學(xué)，中文文獻發(fā)文機構(gòu)中心度均為0，見表1～3。

2.1.3""國內(nèi)外ICU數(shù)智化技術(shù)應(yīng)用研究發(fā)文期刊情況""700篇中文文獻共發(fā)表在183種期刊，發(fā)文量最多的期刊是《中國急救醫(yī)學(xué)》，見表4。1705篇英文文獻共發(fā)表在711種期刊，發(fā)文量最多的期刊是Scientific"Reports，見表5。

2.2""文獻內(nèi)部特征

2.2.1""ICU數(shù)智化技術(shù)應(yīng)用研究的關(guān)鍵詞共現(xiàn)分析""對每年發(fā)表文獻的關(guān)鍵詞進行頻次排序、關(guān)鍵詞共現(xiàn)分析，其中中文關(guān)鍵詞共現(xiàn)圖譜見圖3，英文關(guān)鍵詞共現(xiàn)圖譜見圖4。共現(xiàn)頻次排名前10位的中英文關(guān)鍵詞見表6、表7。國內(nèi)學(xué)者聚焦于采用機器學(xué)習(xí)、人工智能、深度學(xué)習(xí)、列線圖、卷積神經(jīng)網(wǎng)絡(luò)等方法構(gòu)建膿毒血癥、壓力性損傷、跌倒、死亡等不良事件的風(fēng)險因素。同時探索急性腎損傷、急性低血壓、機械通氣患者等危重患者的預(yù)后。國外研究還關(guān)注構(gòu)建住院日、決策支持系統(tǒng)、并發(fā)癥等方面早期預(yù)警模型。

2.2.2""ICU數(shù)智化技術(shù)應(yīng)用研究的關(guān)鍵詞聚類分析""中文文獻共形成18個聚類，見圖5；英文文獻形成17個聚類，見圖6。中文關(guān)鍵詞聚類分析結(jié)果見表8，英文關(guān)鍵詞聚類分析結(jié)果見表9。結(jié)果顯示中國學(xué)者關(guān)注ICU數(shù)智化技術(shù)應(yīng)用的研究熱點主要集中在嵌入式傳感器或可穿戴傳感器識別人體動作監(jiān)測老年人日常生活；構(gòu)建ICU患者高鉀血癥、室性早搏、血流感染、急性心肌梗死、呼吸器肺炎預(yù)警模型；利用數(shù)智化技術(shù)構(gòu)建疾病相關(guān)知識庫系統(tǒng)等。國外研究熱點主要集中于計算機輔助醫(yī)學(xué)決策系統(tǒng)、基于專家系統(tǒng)的知識轉(zhuǎn)化；構(gòu)建住院費用評估模型；構(gòu)建腹膜透析患者、流行病、血流感染、房顫、睡眠等風(fēng)險因素預(yù)測模型；基于機器學(xué)習(xí)分析患者生理特征數(shù)據(jù)進行疾病出院診斷等研究方向。

2.2.3""ICU數(shù)智化技術(shù)應(yīng)用研究的中英文關(guān)鍵詞時區(qū)分析""為了解國內(nèi)外該領(lǐng)域不同階段研究方向和熱點，采用文獻計量分析方法對文獻進行共詞聚類分析。中文關(guān)鍵詞時區(qū)圖譜見圖7，英文關(guān)鍵詞時區(qū)圖譜見圖8。近年來國內(nèi)外該領(lǐng)域研究逐漸向死亡風(fēng)險、壓力性損傷、急性腎損傷、膿毒血癥等疾病預(yù)測方向發(fā)展。

3""討論

3.1""ICU數(shù)智化技術(shù)應(yīng)用研究發(fā)文量近年呈爆發(fā)性增長趨勢

2018年以前該領(lǐng)域研究文獻呈緩慢增長趨勢，至2020年發(fā)文量呈倍數(shù)增長性爆發(fā)。數(shù)智化技術(shù)應(yīng)用于ICU患者是目前重癥醫(yī)學(xué)領(lǐng)域的研究熱點，未來仍有重要的研究意義。

3.2""ICU數(shù)智化技術(shù)應(yīng)用研究熱點分析

3.2.1""疾病預(yù)防""基于醫(yī)療大數(shù)據(jù)挖掘的疾病風(fēng)險評估與預(yù)測。數(shù)智化技術(shù)的自動化分析、整合ICU患者的電子健康記錄可實現(xiàn)早期監(jiān)測患者、構(gòu)建疾病風(fēng)險預(yù)警模型，減輕醫(yī)護人員工作負擔(dān)。研究熱點為通過機器學(xué)習(xí)算法提取患者的生理、生化指標，構(gòu)建譫妄、急性腎損傷、膿毒血癥、急性低血壓、睡眠障礙等早期預(yù)警模型。如Mueller等[4]采用6種機器學(xué)習(xí)的算法構(gòu)建ICU患者譫妄的風(fēng)險預(yù)測模型，其中梯度提升機、隨機森林模型、L1-懲罰邏輯回歸模型表現(xiàn)出優(yōu)異的性能。Le等[5]通過機器學(xué)習(xí)構(gòu)建ICU患者急性腎損傷的風(fēng)險預(yù)測模型，并通過卷積神經(jīng)網(wǎng)絡(luò)和患者電子健康記錄構(gòu)建的預(yù)測系統(tǒng)可提前48h預(yù)測患者可能發(fā)生急性腎損傷。數(shù)智化技術(shù)可科學(xué)有效地分析海量臨床數(shù)據(jù)，通過疾病機制及特點和數(shù)據(jù)間的相互關(guān)聯(lián)，判斷疾病與相關(guān)因素之間的聯(lián)系。

數(shù)智化技術(shù)在ICU患者護理領(lǐng)域中應(yīng)用于預(yù)測機械通氣患者等危重患者的壓力性損傷[6-7]、靜脈血栓栓塞[8]等不良事件風(fēng)險因素。通過探索風(fēng)險預(yù)測模型評估不良事件的發(fā)生率，從而為制定干預(yù)措施提供研究基礎(chǔ)；如周祥龍等[9]探索ICU患者人工氣道相關(guān)壓力性損傷的危險因素并構(gòu)建列線圖模型。

應(yīng)用于麻醉鎮(zhèn)靜藥物也是該領(lǐng)域的研究熱點。臨床上醫(yī)生可依據(jù)Richmond躁動-鎮(zhèn)靜評分選擇和調(diào)節(jié)丙泊酚等鎮(zhèn)靜類藥物，但仍具有主觀性，且無法做到及時評估和調(diào)整。有學(xué)者采用機器學(xué)習(xí)分析ICU患者病例生理指標與鎮(zhèn)靜藥物劑量的關(guān)系，以探索科學(xué)客觀的藥物劑量調(diào)節(jié)方案[10]。

3.2.2""疾病診斷""醫(yī)學(xué)自然語言處理、臨床決策支持系統(tǒng)、醫(yī)學(xué)圖像處理與分析。國外學(xué)者關(guān)注研發(fā)基于數(shù)智化技術(shù)的臨床診療決策支持系統(tǒng)，加強臨床、科研數(shù)據(jù)整合共享及應(yīng)用。Young等[11]開發(fā)自然語言處理程序讀取ICU患者電子健康記錄，幫助醫(yī)生識別譫妄的ICU患者。運用卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)提取圖像特征并進行分類，該模型可通過X影像診斷COVID-19患者[12]。有學(xué)者通過分析圖像信息構(gòu)建檢測氣管插管管道置入錯誤的計算機輔助決策系統(tǒng)[13]。李振剛[14]通過采集ICU成人患者骶尾部壓力性損傷相關(guān)超聲圖像和其他生理生化參數(shù)構(gòu)建相關(guān)風(fēng)險預(yù)測模型。數(shù)智化技術(shù)對CT、MRI、X射線等醫(yī)學(xué)影像處理和分析可輔助醫(yī)務(wù)人員識別圖像信息實現(xiàn)智能化診斷，已有研究報道其準確性已接近專業(yè)醫(yī)務(wù)人員[15]。

3.2.3""疾病預(yù)后""基于可穿戴設(shè)備、機器人的智能健康管理。數(shù)智化技術(shù)對個體生活習(xí)慣等信息進行處理，可監(jiān)測患者的健康。智能手機內(nèi)置的嵌入式傳感器獲取老年人行為數(shù)據(jù)，以監(jiān)護其日常生活[16]。雷達傳感器提取人體運動參數(shù)和微多普勒圖特征，結(jié)合多尺度時序卷積和注意力機制的神經(jīng)網(wǎng)絡(luò)分類模型，可建立老年人跌倒預(yù)警系統(tǒng)[17]。圖像處理技術(shù)采集ICU患者運動面部表情特征可檢測其睡眠時躁動情況[18]。

3.2.4""設(shè)備管理""基于數(shù)智化技術(shù)的患者管理閉環(huán)控制系統(tǒng)。ICU中大多數(shù)設(shè)備由醫(yī)生、護士手動控制，存在決策時間、注意力有限，無法處理大量數(shù)據(jù)等局限，一旦決策失誤將導(dǎo)致嚴重后果。開發(fā)可自動化控制臨床治療的系統(tǒng)有望實現(xiàn)患者管理閉環(huán)。將醫(yī)護人員精力與時間用于關(guān)鍵的臨床操作與治療決策中。Ris?r等[19]研究表明，藥物配制的自動化藥品調(diào)劑裝置和自動化儲存裝置可降低給藥錯誤率。

本研究從發(fā)文量、關(guān)鍵詞共現(xiàn)等多角度、直觀地展示ICU數(shù)智化技術(shù)研究領(lǐng)域的研究熱點趨勢，并進行解讀。雖然英文文獻僅來源于Web"of"Science核心數(shù)據(jù)庫，但其作為文獻計量分析中最可靠、最有價值的數(shù)據(jù)來源，研究結(jié)果仍可為未來開展ICU數(shù)智化設(shè)備設(shè)計、研發(fā)和相關(guān)研究提供參考。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] 劉冠軍."多器官功能障礙綜合征人工智能動態(tài)預(yù)警關(guān)鍵技術(shù)研究[D]."北京："軍事科學(xué)院，"2023.

[2] 迪麗熱巴·吐爾遜，"丁瓊莉，"于湘友."人工智能化管理在ICU中的應(yīng)用[J]."新疆醫(yī)學(xué)，"2021，"51（4）："378–380.

[3] 陳悅，"陳超美，"劉則淵，"等."CiteSpace知識圖譜的方法論功能[J]."科學(xué)學(xué)研究，"2015，"33（2）："242–253.

[4] MUELLER"B，"STREET"W"N，"CARNAHAN"R"M"M，"et"al."Evaluating"the"performance"of"machine"learning"methods"for"risk"estimation"of"delirium"in"patients"hospitalized"from"the"emergency"department[J]."Acta"Psychiatr"Scand，"2023，"147（5SI）："493–505.

[5] LE"S，"ALLEN"A，"CALVERT"J，"et"al."Convolutional"neural"network"model"for"intensive"care"unit"acute"kidney"injury"prediction[J]."Kidney"Int"Rep，"2021，"6（5）："1289–1298.

[6] 焦彥霞."ICU患者壓力性損傷風(fēng)險預(yù)測模型構(gòu)建及驗證研究[D]."蘭州："蘭州大學(xué)，"2023.

[7] 韓欣怡."俯臥位通氣患者壓力性損傷危險因素分析及風(fēng)險預(yù)測模型構(gòu)建[D]."蘭州："蘭州大學(xué)，"2023.

[8] 楊行，"馬莎莎，"陳曉琳，"等."不同模型預(yù)測ICU非手術(shù)病人靜脈血栓栓塞癥風(fēng)險的應(yīng)用價值比較研究[J]."循證護理，"2022，"8（24）："3361–3366.

[9] 周祥龍，"張國琴，"張帥，"等."ICU患者人工氣道相關(guān)壓力性損傷風(fēng)險列線圖預(yù)測模型的構(gòu)建[J]."護士進修雜志，"2023，"38（14）："1254–1260.

[10] 趙洪義."強化學(xué)習(xí)在重癥室智能決策中的應(yīng)用研究[D]."大連："大連理工大學(xué)，"2019.

[11] YOUNG"M，"HOLMES"N，"ROBBINS"R，"et"al."Natural"language"processing"to"assess"the"epidemiology"of"delirium-"suggestive"behavioural"disturbances"in"critically"ill"patients[J]."Crit"Care"Resusc，"2021，"23（2）："144–153.

[12] BAYRAM"F，"ELEYAN"A."COVID-19"detection"on"chest"radiographs"using"feature"fusion"based"deep"learning[J]."Signal"Image"Video"Process，"2022，"16（6）："1455–1462.

[13] ELAANBA"A，"RIDOUANI"M，"HASSOUNI"L."A"stacked"generalization"chest-X-ray-based"framework"for"mispositioned"medical"tubes"and"catheters"detection[J]."Biomed"Signal"Process"Control，"2023，"79（1）："393–404.

[14] 李振剛."基于超聲圖像的ICU成人患者骶尾部壓力性損傷列線圖預(yù)測模型構(gòu)建與驗證[D]."烏魯木齊："新疆醫(yī)科大學(xué)，"2023.

[15] LIU"X，"FAES"L，"KALE"A"U，"et"al."A"comparison"of"deep"learning"performance"against"health-care"professionals"in"detecting"diseases"from"medical"imaging："A"systematic"review"and"Meta-analysis[J]."Lancet"Digit"Health，"2019，"1（6）："e271–e297.

[16] 盧華超."基于智能手機面向老年人的行為識別技術(shù)[D]."南京："南京郵電大學(xué)，"2017.

[17] 高鵬."基于毫米波雷達的老人跌倒檢測關(guān)鍵技術(shù)研究[D]."北京："中國科學(xué)院大學(xué)，"2022.

[18] KOSA"G，"MOROZOV"O，"LEHMANN"A，"et"al."Robots"and"intelligent"medical"devices"in"the"intensive"care"unit："Vision，"state"of"the"art，"and"economic"analysis[J]."IEEE"Trans"Med"Robot"Bionics，"2023，"5（1）："2–17.

[19] RIS?R"B"W，"LISBY"M，"S?RENSEN"J."An"automated"medication"system"reduces"errors"in"the"medication"administration"process："Results"from"a"Danish"hospital"study[J]."Eur"J"Hosp"Pharm，"2016，"23（4）："189–196.

（收稿日期：2024–04–19）

（修回日期：2024–07–16）

（上接第24頁）

[6] 陳雪梅，"張少玉，"周志霞，"等."血清淀粉樣蛋白A聯(lián)合高敏C反應(yīng)蛋白、降鈣素原對新生兒肺炎的診斷價值[J]."中國醫(yī)刊，"2022，"57（12）："1374–1377.

[7] 諸福棠."實用兒科學(xué)[M]."7版."北京："人民衛(wèi)生出版社，"2008.

[8] 趙蘭花，"楊淑慧，"馬琳."肺炎支原體肺炎急性期X線與HRCT肺部特征及診斷價值對比[J]."影像科學(xué)與光化學(xué)，"2021，"39（4）："584–588.

[9] 胡偉，"余秀華，"宋欣欣，"等."肺超聲在小兒感染性肺炎的臨床應(yīng)用價值[J]."浙江中西醫(yī)結(jié)合雜志，"2023，"33（6）："543–546.

[10] 陳慧敏，"霍亞玲，"馮云，"等."肺臟超聲在新生兒感染性肺炎診斷及隨訪中的應(yīng)用價值[J]."中國中西醫(yī)結(jié)合影像學(xué)雜志，"2021，"19（2）："172–174.

[11] ZHU"J，"CHEN"P，"JIANG"D."Clinical"value"and"imaging"features"of"bedside"high-"frequency"ultrasound"imaging"in"the"diagnosis"of"neonatal"pneumonia[J]."Contrast"Media"Mol"Imaging，"2022，"22（1）："4805300.

[12] LIU"J，"MA"H"R，"FU"W."Lung"ultrasound"to"diagnose"pneumonia"in"neonates"with"fungal"infection[J]."Diagnostics"（Basel），"2022，"12（8）："1776.

[13] ISMAIL"R，"EL"RAGGAL"N"M，"HEGAZY"L"A，"et"al."Lung"ultrasound"role"in"diagnosis"of"neonatal"respiratory"disorders："A"prospective"cross-sectional"study[J]."Children"（Basel），"2023，"10（1）："173.

[14] GUITART"C，"ESTEBAN"E，"BECERA"J，"et"al."A"training"plan"to"implement"lung"ultrasound"for"diagnosing"pneumonia"in"children[J]."Pediatr"Res，"2022，"92（4）："1115–1121.

[15] GAO"Y"Q，"QIU"R"X，"LIU"J，"et"al."Lung"ultrasound"completely"replaced"chest"X-ray"for"diagnosing"neonatal"lung"diseases："A"3-year"clinical"practice"report"from"anbsp;neonatal"intensive"care"unit"in"China[J]."J"Matern"Fetal"Neonatal"Med，"2022，"35（18）："3565–3572.

[16] PERRI"A，"SBORDONE"A，"PATT"M"L，"et"al."The"future"of"neonatal"lung"ultrasound："Validation"of"an"artificial"intelligence"model"for"interpreting"lung"scans."A"multicentre"prospective"diagnostic"study[J]."Pediatr"Pulmonol，"2023，"58（9）："2610–2618.

[17] 姚一明，"曾平，"彭華保，"等."肺臟超聲評價兒童重癥肺炎療效的應(yīng)用分析[J]."中國醫(yī)學(xué)物理學(xué)雜志，"2022，"39（9）："1140–1144.

[18] 張萍，"崔婷婷，"王永強，"等."感染性肺炎新生兒SAA與cTnT和sTREM-1水平及其診斷價值[J]."中華醫(yī)院感染學(xué)雜志，"2023，"33（12）："1866–1869.

[19] 胡冰，"周栩平，"時英才，"等."血清SAA、sTREM-1、PCT聯(lián)合檢測在新生兒宮內(nèi)感染性肺炎中的價值[J]."分子診斷與治療雜志，"2021，"13（3）："441–444.

[20] 賀建龍，"朱彩艷，"白小云."新生兒感染性肺炎hs-CRP、IL-8及血氣分析聯(lián)合診斷價值[J]."貴州醫(yī)藥，"2022，"46（1）："124–125.

[21] 李迎敏，"楊小慶，"趙旭晶."nCD64指數(shù)、PCT、IL-6水平與新生兒感染性肺炎病情程度的關(guān)系[J]."川北醫(yī)學(xué)院學(xué)報，"2022，"37（9）："1166–1169.

[22] 羅云."細菌感染性肺炎患兒血清PCT、hs-CRP、WBC、IL-6、Hb與病情嚴重程度的相關(guān)性分析[J]."武警醫(yī)學(xué)，"2022，"33（4）："277–280，"286.

[23] 欒軍，"袁杰，"張偉利."中性粒細胞CD64表達指數(shù)"降鈣素原及血清淀粉樣蛋白A/超敏C-反應(yīng)蛋白比值在感染性肺炎患兒診斷中的應(yīng)用價值[J]."中國婦幼保健，"2022，"37（9）："1639–1642.

（收稿日期：2024–02–03）

（修回日期：2024–07–16）