本期精选3篇妇产科相关领域文章,对摘要进行了翻译,与妇产科同仁共读:
1.Treatment of Gestational Diabetes Mellitus Diagnosed Early in Pregnancy
妊娠期糖尿病的早期诊断与治疗
2.Efficacy of Continuous Transdermal Nitroglycerin for Treating Hot Flashes by Inducing Nitrate Cross-tolerance in Perimenopausal and Postmenopausal Women A Randomized Clinical Trial
通过硝酸甘油连续经皮给药治疗围绝经期及绝经后女性的潮热问题
3.The exciting potential for ChatGPT in obstetrics and gynecology
ChatGPT在妇产科领域的无限可能
01
题目:Treatment of Gestational Diabetes Mellitus Diagnosed Early in Pregnancy 妊娠期糖尿病的早期诊断与治疗 文献类型:随机对照研究 作者:Simmons D, Immanuel J, Hague WM, Teede H, Nolan CJ, Peek MJ, Flack JR, McLean M, Wong V, Hibbert E, Kautzky-Willer A, Harreiter J, Backman H, Gianatti E, Sweeting A, Mohan V, Enticott J, Cheung NW; TOBOGM Research Group 杂志:The New England Journal of Medicine 原文下载链接:https://www.nejm.org/doi/full/10.1056/NEJMoa2214956 背景:妊娠20周前治疗妊娠期糖尿病能否改善母婴健康? 方法:选择妊娠4周~19周6天的女性作为研究对象。研究对象均在20周前已完成OGTT实验证实存在高血糖风险,或已确诊为妊娠期糖尿病(诊断标准参考2013年WHO的标准)。将研究对象按1:1随机分为两组,分别为“立即接受治疗组”及对照组。“立即接受治疗组”指通过宣教、饮食指导、监测血糖、药物等措施予以治疗。对照组在24~28周时进行第二次OGTT实验。以以下三项指标为主要研究结果:1、新生儿不良结局情况,包括:小于37周出生、产伤、新生儿出生体重≥4500g、呼吸窘迫综合征、需要光疗、死产或新生儿死亡、肩难产;2、妊娠期高血压相关疾病,包括:子痫前期、子痫、妊娠期高血压;3、新生儿去脂体重。 结果:共入组802例研究对象,经过随机分组后,406例入“立即接受治疗组”,396例为对照组。通过追踪随访,得到793例完整数据。研究对象进行首次OGTT实验的平均孕周为15.6±2.5周。“立即治疗组”378例女性中,有94例(24.9%)出现了新生儿不良结局;对照组370例女性中,有113例(30.5%)出现新生儿不良结局(矫正后的率差,-5.6%;95%CI为−10.1至−1.2)。“立即治疗组”378例女性中,有40例女性(10.6%)出现了妊娠期高血压相关疾病;对照组372例女性中,有37例女性(9.9%)出现了妊娠期高血压相关疾病(矫正后的率差,0.7%;95% CI,−1.6至2.9)。“立即治疗组”新生儿去脂体重为2.86g,对照组新生儿去脂体重为2.91g(矫正后的率差,−0.04g;95% CI,−0.09至0.02)。筛查与治疗相关的不良事件无组间差异。 结论:妊娠20周前立即治疗妊娠期糖尿病,可降低新生儿不良结局的发生率;但对妊娠期相关高血压疾病或新生儿去脂体重无显著影响。
题目:Efficacy of Continuous Transdermal Nitroglycerin for Treating Hot Flashes by Inducing Nitrate Cross-tolerance in Perimenopausal and Postmenopausal Women A Randomized Clinical Trial 通过硝酸甘油连续经皮给药治疗围绝经期及绝经后女性的潮热问题 文献类型:随机对照试验 作者:Alison J. Huang, MD, MAS; Steven R. Cummings, MD, MPH; Peter Ganz, MD; Michael Schembri, BA; Harini Raghunathan, BS, MS; Eric Vittinghoff, PhD; Carolyn J. Gibson, PhD; Deborah Grady, MD, MPH 杂志:JAMA Internal Medicine 原文下载链接:https://jamanetwork.com/journals/jamainternalmedicine/article-abstract/2805584 摘要:由于全身长期应用雌激素治疗存在诸多风险,许多绝经期女性对血管舒缩症状的非激素治疗感兴趣。研究表明,一氧化氮可介导与潮热相关的血管舒缩作用,提示如果通过药物诱导血管对硝酸酯类的耐受性,可能对血管舒缩症状的治疗提供新思路。 目的:探讨连续经皮给药硝酸甘油诱导血管对硝酸酯类的耐受性,是否可以降低绝经相关的潮热发生频率或严重程度。 实验设计:这项随机、双盲、安慰剂作为对照组的临床实验从北加利福尼亚选取了研究对象,均为围绝经期或绝经期的女性,每日可出现7次以上的潮热症状。研究对象在2017年7月至2021年12月期间被随机分组,最后一位参与者完成随访后,实验结束,结束时间为2022年4月。 干预措施:连续每日经皮硝酸甘油给药(剂量为0.2~0.6mg/h)或相同剂量的安慰剂贴片。 结果:在141研究对象中(70例为经皮应用硝酸甘油组,71例为安慰剂对照组;12例为亚裔,16例为黑人或非裔美国人,9例为其他种族或种族不明确者,3例为混血人,1例为夏威夷或太平洋岛民,100例为白种人),参与者每日平均有10.8次中度潮热,8.4次重度潮热。经皮硝酸甘油给药组出现5例失访,安慰剂对照组出现2例失访,因此,最终有65例参与者被分配到经皮硝酸甘油给药组(92.9%),69例参与者被分配到安慰剂对照组(97.2%)。所有人均完成了为期12周的随访(P=0.27)。给药5周时,经皮硝酸甘油给药组的潮热频率下降了4.5次/天,安慰剂组的平均潮热频率下降了3.6次/天,估计组间差异为−0.9次/天(95%置信区间为−2.1~0.3)(P=0.10),经皮硝酸甘油给药组的中度至重度潮热频率下降了3.3次/天,而安慰剂组下降了2.2次/天,组间差异为−1.1次/天(95%置信区间为−2.2~0)(P=0.05)。12周时,硝酸甘油治疗并没有显著降低潮热频率,两组组间差异为−0.1次/天;95%置信区间为−1.2~0.4,中至重度潮热频率略有降低,组间差异为−0.5次/天,95%置信区间为−1.6~0.7。在对5周和12周数据进行分析之后,发现硝酸甘油组与对照组的潮热频率变化无显著差异(−0.5次/天;95%置信区间为−1.6~0.6;P=0.25),中至重度潮热(−0.8次/天;95%置信区间为−1.9~0.2;P=0.12)。此外,在用药1周左右,47名经皮硝酸甘油给药的参与者(67.1%)和4名对照组的参与者(5.6%)出现了头痛主诉(P<0.001),在第12周时,每组中只有1名参与者有头痛主诉。 结论和相关性:本随机对照实验发现,与对照组相比,连续使用硝酸甘油并没有改善潮热频率或潮热的严重程度,而且硝酸甘油与用药早期头痛的不良反应相关。
题目:The exciting potential for ChatGPT in obstetrics and gynecology ChatGPT在妇产科领域的无限可能 文献类型:期刊 作者:Grünebaum A, Chervenak J, Pollet SL, Katz A, Chervenak FA. 杂志:American Journal of Obstetrics and Gynecology 原文下载链接:https://www.ajog.org/article/S0002-9378(23)00154-0/fulltext 翻译:自然语言处理属于人工智能的分支,涉及计算机和人类语言之间的交互。近年来,随着深度学习模型的逐步引入,自然语言处理取得了显著进步。在文本和语言处理上的不断进步更是加深了人们对这些模型的认识。迄今为止,或许没有比2022年11月由OpenAI推出的ChatGPT更令人叹为观止的了。ChatGPT是一款基于生成预训练变压器(Generative Pre-trained Transformer)的自然语言处理模型。本实验的研究者通过向ChatGPT提出一系列有关妇产科的问题,对该模型掌握临床相关问题的能力进行评估。结果表明,就目前而言,用户可以通过ChatGPT初步了解该领域的相关信息,但我们必须认识到ChatGPT也存在局限性。尽管它的回答通常很有说服力,内容丰富,也没有明显的错误,但研究者发现其回答也有很多缺点。ChatGPT最明显的缺点是数据更新的问题,对于2021年以后的数据源而言,ChatGPT的回答不可靠、不正确,或看似正确实则毫无意义。用户如果注重数据更新的话,需要注意到数据更新这个问题。此外,ChatGPT也存在不能正确引用,缺乏真正理解人类语言复杂性的能力的问题。当用户在使用ChatGPT寻找妇产科相关信息时,需要谨慎,需要意识到ChatGPT可能会给出错误的答案,避免对用户造成不良影响。