环球医讯心脑血管

匹兹堡大学医学院研究人员在《自然医学》杂志发表的开创性研究表明，脊髓电刺激技术可有效改善慢性中风患者的上肢功能。这项临床试验发现，七名参与者在仅接受不到九小时训练后，手臂力量平均提升32%，且肌肉痉挛明显减轻。研究表明，即使中风多年后，脊髓刺激仍能即时改善运动功能，但需持续使用才能维持效果，这为中风康复提供了新的神经假体辅助技术方向，有望解决约40万中风患者最迫切的手臂功能恢复需求，为传统康复手段难以达到效果的慢性中风患者带来新希望。

根据英国和加拿大魁北克省的观察性研究，在服用直接口服抗凝剂的心房颤动患者中，使用COX-2选择性非甾体抗炎药相比非选择性NSAIDs能显著降低胃肠道和非胃肠道出血风险。研究分析了30,240名患者数据，发现选择性NSAIDs可使胃肠道出血风险降低37%，非胃肠道出血风险降低46%。专家建议在抗凝治疗患者中应优先考虑COX-2选择性NSAIDs，并强调实施抗血栓药物管理项目的重要性，这可能使每1000患者年中胃肠道出血住院减少16例，对全球约100万同时使用这两种药物的患者具有重大临床意义。

本研究对29项观察性研究(497,368名患者)进行了系统评价和荟萃分析，比较急性心肌梗死导致的心源性休克(AMI-CS)与急性失代偿性心力衰竭导致的心源性休克(ADHF-CS)的临床表现、治疗策略和短期死亡率差异。研究发现AMI-CS患者年龄较大、左心室射血分数较高，但临床表现更为急骤，心脏骤停和SCAI D/E期休克发生率更高，机械循环支持使用更频繁，短期死亡率显著高于ADHF-CS。该研究提出了一个整合休克严重程度与病因的双轴框架，为未来心源性休克研究和临床实践提供了新的组织原则和方向。

多年来，一直流传着右侧卧睡对心脏有害的说法，但科学研究表明，对于健康人而言，右侧卧睡对心脏绝对没有风险。这一误解源于将针对心脏病患者的研究结论错误地应用于健康人群。心脏在胸腔中略偏左，一些研究发现左侧卧可能导致心脏位置发生轻微变化，但这仅是物理移动而非电气问题，且这些变化是否具有临床意义尚不确定。实际上，心力衰竭患者往往避免左侧卧睡，因为这会加剧心脏撞击胸壁的不适感（医学上称为"侧卧呼吸困难"），心脏越大这种不适越明显；而转向右侧卧则能显著减轻不适并改善呼吸，这一现象已在《美国心脏病学会杂志》等权威期刊的研究中得到证实。

本文详细比较了心脏病发作与心力衰竭这两种常见但易混淆的心血管疾病的症状与区别。心脏病发作是由冠状动脉阻塞引起的急性事件，典型症状包括胸痛、上半身不适和呼吸困难；而心力衰竭则是心脏泵血功能逐渐恶化的慢性状况，主要表现为活动时呼吸困难、疲劳和水肿。文章还特别指出女性心脏病发作症状往往更为隐匿，以及在何种情况下应立即拨打911寻求紧急医疗救助，对公众提高心血管疾病认知和及时识别危险信号具有重要指导意义。

本文详细解释了脑干梗塞后常见的吞咽困难和排尿障碍的成因，阐述了患者为何会出现"能稍微吞咽但突然在中途无法吞咽"、"有尿意却无法排尿"等困扰，介绍了康复期针对这些问题的治疗方法，强调脑干控制着呼吸、吞咽、排尿等基本生存功能，其损伤会导致这些看似理所当然的功能丧失，但通过循序渐进的康复训练，患者仍有机会逐步恢复这些功能，给予患者和家属希望与信心。

本研究是一项系统性综述和荟萃分析，比较了心源性休克中急性心肌梗死(AMI-CS)与急性失代偿性心力衰竭(ADHF-CS)的临床表型和死亡率差异，发现AMI-CS患者虽然射血分数较高但临床表现更为严重，更多出现心脏骤停和处于SCAI D/E期休克状态，临时机械循环支持使用率更高，短期死亡率显著高于ADHF-CS患者(比值比1.58)，研究提出了一个整合休克严重程度和病因的双轴框架，为未来研究提供新方向，强调需要进行具有详细表型分析的前瞻性研究来验证这些发现，这对改善心源性休克患者的临床管理和预后具有重要意义。

胡克·霍根(Hulk Hogan)的死亡调查已正式结案，佛罗里达州克利尔沃特警方确认这位71岁摔跤传奇人物死于自然原因。经过近一年的详细调查，警方表示没有证据表明其死亡涉及任何刑事犯罪行为。此前，霍根的女儿布鲁克曾公开质疑父亲的死亡原因，声称其可能遭受医疗事故，特别是有关膈神经被切断的说法。最终报告指出，霍根死于急性心肌梗死，且有心房颤动和慢性淋巴细胞白血病病史，警方通过全面审查陈述、医疗记录、监控录像和尸体检查后确认其死因为自然死亡。

本文详细介绍了冠状动脉疾病(CAD)的成因、症状、诊断方法和治疗方案，指出冠状动脉疾病是全球男女死亡的主要原因，影响美国超过1800万成年人。文章解释了健康动脉对心脏功能的关键作用，详细列举了可改变和不可改变的风险因素，包括吸烟、高血压、糖尿病、年龄增长等，并系统说明了心电图、负荷试验等诊断技术以及生活方式调整、药物治疗和手术干预等治疗策略，强调早期发现和预防对维护心血管健康的重要性。

本研究介绍了一种使用真实世界出院摘要进行冠状动脉疾病(CAD)分类的可解释人工智能(XAI)流程，从2021年至2024年期间巴勒斯坦的三家医院收集了4464份报告，并使用防数据泄露的NLP流程进行处理。研究评估了七种经典机器学习模型和两种深度学习模型(BiLSTM和ClinicalBERT)，发现XGBoost达到了最高的准确率(96.08%)，而SVM展示了最佳的ROC-AUC(97.79%)，并通过SHAP实现了模型可解释性，提供了与CAD知识一致的临床特征洞察。尽管深度学习模型表现出有竞争力的性能，但缺乏透明度，而结合可解释特征的经典模型为CAD决策支持提供了一种有效且实用的解决方案，尤其是在资源有限的医疗环境中。