- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
现代预防医学2008年第35卷第8期 Modem Preventive Medicine,2008,Vo1.35,NO.8 ·1595 ·
无以上任一条。 19例喂养耐受,l例喂养不耐受。血流参数变化见表
l_2.4 统计学分析 各参数以平均数:标准差 ( ±S)表示, 1,2O例餐后均血流速度增高,阻力下降。餐后各血流速度增
采用SPSS10.0统计软件统计处理,进行t检验。 加及RI、P1的下降较餐前差异有统计学意义 (PO.01)。表
明正常足月儿餐后SMA血流灌注增加活跃。餐后此血流变化
2 结果 新生儿绝大多数 (19/20)喂养耐受。
2.1 对照组第1次喂养餐前餐后SMA血流变化及喂养结果
表1对照组及窒息不耐受和耐受组第1次喂养餐前餐后SMA各血流参数值比较
PSFV(cm/s) TMFV(cm/s) EDFV(cm/s) RI PI
正常对照组 (n=20)
餐前 93-28±7.67 32.37±5.22 20.84±2.87 1.82±O.22
餐后 l11.56±1O-28 43.46±7.17 26.19±1.99 L6O±O.26
t值 14.85 16.07 9.156 5.705
P值 0.O1 0.01 0.O1 0.O1
窒息不耐受组 (n=18)
餐前 108-3O±24.62* 34.94±10.14 21-39±19.44 O.82±O.11} 2.O1±0.84
餐后 115I4l±25.48 55.12±13.95* 23.82±6.67 o81±0.05} 1.82±0.43
t值 0.806 5.192 0.499 O.495 0.838
P值 )O.O5 0.O1 0.O5 0.O5 0.O5
[注] 窒息不耐受组和耐受组与对照组比较PO.05 0 00 0 D ㈣
2.2 窒息组第1次喂养餐前餐后SMA血流变化及喂养结果
∞ 本文对照组2O例和窒息组 19例第 1次喂养餐后 SMA出
22例喂养耐受,18例喂养不耐受。窒息喂养而耐受组餐 现血流灌注增加活跃,绝大多数新生儿喂养耐受,而餐后未出
后各血流速度增加及RI、PI门下降较餐前比较差异有统计学 现血流灌注增加活跃的窒息组21例,18例早期喂养不耐受,
意义 (P0.05)。窒息喂养不耐受组餐后直流速度增高,阻力 9例喂养耐受。表明餐后SMA血流灌注增加是为满足消化吸
下降不明显,血流灌注不活跃。餐后除TMFV增加较餐前比较 收功能而发生的生理性变化,这种变化与早期喂养耐受有关。
差异有统计学意义 (P0.01),PSFV、EDFV较餐前比较差异 Martinussen E 等报道健康足月儿餐后45 aSMA血流速度增加。,
您可能关注的文档
最近下载
- 人教版五年级上册数学精品教学课件 第3单元 3.3 商的近似数.ppt VIP
- 《深度学习基础及应用》教案 第5课 构建神经网络(三).docx VIP
- 《深度学习基础及应用》教案 第10课 利用生成对抗神经网络进行图像生成.docx VIP
- 《深度学习基础及应用》教案 第8课 利用循环神经网络进行文本预测和分类(一).pdf VIP
- 《深度学习基础及应用》教案 第6课 利用卷积神经网络进行图像处理(一).docx VIP
- 《深度学习基础及应用》教案 第8课 利用循环神经网络进行文本预测和分类(一).docx VIP
- 《深度学习基础及应用》教案 第9课 利用循环神经网络进行文本预测和分类(二).docx VIP
- 《深度学习基础及应用》教案 第10课 利用生成对抗神经网络进行图像生成.pdf VIP
- 《深度学习基础及应用》教案 第11课 利用迁移学习进行图像分类.pdf VIP
- 《深度学习基础及应用》教案 第4课 构建神经网络(二).pdf VIP
文档评论(0)