至尊彩票官方_至尊彩票下载app

山东省社区卫生服务中心持续扩容扩能******

　　我省社区卫生服务中心持续扩容扩能

　　积极采购发热诊疗药物、抗病毒药物、血氧仪、氧气罐等，提升医疗配置

　　本报记者 蔡明亮

　　“这两天感觉有点喘不上气，社区配备了血氧仪，对我们这些有需要的老人来说就是‘及时雨’。”1月5日一早，青岛市李沧区李村街道社区卫生服务中心30台血氧仪“到岗”，大崂路社区居民刘美玲来测量血氧饱和度。

　　“刘阿姨，您血氧饱和度在95%以上，是正常的。我给您开一些止咳化痰的药物，您平时多喝水，近期不要剧烈运动。”社区卫生服务中心大夫于清章仔细叮嘱刘美玲老人。

　　随着新冠病毒感染“乙类乙管”的推进，防控工作重心转向“保健康、防重症”，我省进一步健全完善城乡社区疫情防控体系、分级分类做好健康服务、及时响应居民群众健康服务需求。

　　社区处在服务群众的最前沿。我省对社区卫生服务中心扩容扩能，发挥社区卫生服务中心“关口前移”作用，不断提升社区医疗救治能力，截至目前，全省5万多家村卫生室和2000多家社区卫生服务站实现接诊发热患者全覆盖。同时，积极采购发热诊疗药物、抗病毒药物、血氧仪、氧气罐等，提升社区卫生服务中心医疗配置。

　　青岛市李沧区科学调度医护资源，加强急救药品和医疗设备储备。在李村街道社区卫生服务中心，同30台血氧仪一起“到岗”的，还有肺功能仪、心电监护、抢救车等医疗设备和新三联、旧三联等急救药品。

　　“我们把辖区60岁以上老年人按照年龄、基础疾病、疫苗接种情况等分类标记，建立了台账，做好必要的医疗服务保障。我们手机也24小时开机，可以随时为他们提供在线问诊服务。”李村街道社区卫生服务中心负责人纪彩霞介绍，中心已成立8支家庭医生服务团队，为重点人群提供个性化服务。目前，680份装有布洛芬、抗原检测试剂等用品的“爱心药物健康包”发放到60岁以上老人手中。

　　“这里紧邻济南西站，为应对春节期间大规模人员流动可能带来的新就诊高峰，我们提前储备好退烧、止咳、抗病毒、抗生素四类药品，尽可能满足上千人两周以上的基本用药。”济南市槐荫区兴福街道社区卫生服务中心工作人员王前告诉记者。该中心前期已将原有发热哨点升级改造为发热门诊，并设置了6张留观床位。

　　在济南高新区，孙村街道社区卫生服务中心正忙着“搬家”。“为了更好地服务居民，我们搬到了济南高新东区医院（山东健康集团济南医院），目前正在进行相关设备调试工作。”该中心副主任李加智介绍，他们将与医院共享医疗设备资源，患者能够在基层社区卫生服务中心享受到二级医院的医疗条件，“而且旁边就是医院急诊科，楼上就是ICU，开展急救工作也将更方便。”

　　记者了解到，目前，济南社区各种药品充足，布洛芬、连花清瘟等药品储备数量能充分满足就医需求，不少社区卫生服务中心还备好了新冠病毒感染中药协定处方方剂。

　　“线上就医，足不出户就能买到便宜药，真不错！”1月9日，济宁市任城区金城街道兴东社区居民陈丽丽在居民微信群里向邻居们分享自己的就医经历。济宁众和社区卫生服务中心（金城街道社区卫生服务中心）推出“在线问诊+零加成购药”服务，居民只需关注中心微信公众号，选择“线上服务”就可足不出户享受家庭医生的在线诊疗和网格员的线下送药服务。送药服务可同时满足居民防疫用药和其他一般性用药需求。与此同时，中心还在社区开设一点多用发热便民医疗服务点，在居民家门口提供便利就医服务。

　　为更好地服务社区，我省还要求医疗机构支援社区卫生服务中心。这几日，诸城市整合统筹医疗资源，协调人民医院、中医院等城区医院，适当安排医务力量到社区一线帮扶。

　　记者从省卫健委了解到，随着医疗资源的有效补充和分级分类诊疗体系发挥作用，我省各级医疗机构就诊发热患者数量持续下降，基层就诊比例持续上升。

　　（记者 李丽 王健 张晓帆 王浩奇 张鹏 参与采写）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）