海军军医大学附属长海医院麻醉学部卞金俊主任团队——追光·中国麻醉行业科研一览（2021-2022）-华东篇

前言

PREFACE

岁月荏苒，时光不居，创新中国笃行致远，搭建起广阔的平台，赋予麻醉学更多的历史机遇。近年来，国内麻醉学日新月异，科研成果层出不穷，在国内外权威期刊上重磅发表，攀画学科发展的崭新蓝图，为行业崛起注入了源源动力。

见微知著，原始见终，为集中展示中国麻醉行业科研新成果，促进麻醉行业不同领域间学习交流，激励麻醉同仁攻坚克难、勇毅前行，积极投身学科科研事业，特精选一批颜具代表性的研究成果，汇编成册，以飨共勉。

借此契机，我们也将优秀企业的科研成果、发展规划，及企业管理者的科研感悟集萃汇编，展示中国企业麻醉、围术期产品科研创新成就，供行业内互动分享，推动行业再攀新高峰，再创新辉煌。

湖平两岸阔，风正一帆悬。让我们携手共进、志存高远，共同见证中国麻醉行业科研创新的累累硕果，共同见证榜样的澎湃力量!

海军军医大学附属长海医院麻醉学部

卞金俊主任

◆副主任医师、副教授，医学博士，硕士研究生导师

◆现任上海长海医院麻醉科主任、麻醉与复苏教研室主任

◆麻醉住院医师规范化培训基地主任

◆担任中华医学会麻醉学分会青年委员以及超声学组副组长

◆上海市医学会危重症专科分会委员兼秘书

◆上海市医学会麻醉科专科分会委员

◆中国人民解放军麻醉与复苏专业委员会青年委员会副主任委员以及中国人民解放军重症专业委员会青年委员

◆2009年赴美国圣路易斯华盛顿大学医学院BJH医院做访问学者一年

◆主持国家自然科学基金面上项目4项，上海市自然科学基金2项，军队青年培育项目以及教育部留学归国人员科研启动基金等多项科研项目。以第一作者或通讯作者发表SCI论文20余篇，主编专著3部，主译专著5部

（团队风采）

2021年1月1日至今，长海医院麻醉学部以第一作者或通讯作者发表SCI文章51篇，其中Q1区10余篇，Q2区20余篇；发文量呈逐年上升趋势，其中2022年26篇。获国自然面上项目2项，青年项目1项，省部级项目2项，军队项目8项，新获批专利12项。 

长海医院麻醉学部科研以脓毒症和神经病理性疼痛为两大基础科研主攻方向，围术期管理与患者预后为临床科研主攻方向。脓毒症研究方面最具影响力的论文为Upregulated PD-L1 delays human neutrophil apoptosis and promotes lung injury in an experimental mouse model of sepsis。《Blood》杂志第138期第9册封面刊登该文，并发表评论：王嘉锋教授团队发现PD-L1对中性粒细胞凋亡调控和脓毒症肺损伤的影响，发现PD-L1参与了脓毒症诱导的中性粒细胞凋亡延迟，进而导致脓毒症时肺部中性粒细胞聚集增多，肺损伤加重和预后变差。该研究在中性粒细胞生理学功能研究领域取得重要进展，也为某些免疫或炎症性疾病的新型治疗手段开放了新的道路，另有数篇相关系列研究的论文见刊。

临床研究与基础研究结合

近年来，我科更多将临床研究与基础研究相结合。为促进结直肠手术患者术后恢复，Blood metabolomic profiling predicts postoperative gastrointestinal function of colorectal surgical patients under the guidance of goal-directed fluid therapy这一研究结合目标导向液体治疗（GDFT），并对48例接受结直肠癌手术的患者进行了代谢组学分析，发现四种代谢物油酰胺、泛素-1、乙酰胆碱和油酸与术后胃肠功能高度相关。该研究结果提出了一种基于代谢组学分析预测术后胃肠功能恢复的新方法，并提出了GDFT液体管理下结肠直肠癌手术切除后胃肠功能的潜在机制。

围手术期认知功能下降

围手术期认知功能下降是老年患者围手术期常见的神经认知功能障碍之一，增加了患者死亡率和住院时间，但相关机制仍不清楚，其诊断缺乏统一、直接的神经心理评价量表；代谢物可以揭示细胞活动过程中留下的化学指纹。Preoperative Serum Metabolites and Potential Biomarkers for Perioperative Cognitive Decline in Elderly Patients研究选取56例择期骨科手术患者，根据术后MMSE评分分为POCD组和Non-POCD组，分析两组患者术前和术后血清代谢物，推断出7种与POCD机制呈正相关的代谢物。该研究结果为利用生物标志物辅助POCD的诊断和预防提供了一种更方便的方法，并探索了其背后可能的机制。

学科融合

此外，我科还注重学科融合，ICU中存活的脓毒症患者长期病死率和再入ICU的风险增加。An explainable machine learning algorithm for risk factor analysis of in-hospital mortality in sepsis survivors with ICU readmission这一研究通过机器学习（ML）算法识别脓毒症幸存者再入ICU后的院内死亡危险因素，并将单个危险因素与病死率之间的定量关系可视化，发现14个与脓毒症存活者再入ICU期间病死率相关的特异性参数及其阈值。先进的机器学习技术的构建可以支持分析和开发预测模型，用于支持重症患者的临床决策和治疗策略。

声明：古麻今醉公众号为舒医汇旗下，古麻今醉公众号所发表内容之知识产权为舒医汇及主办方、原作者等相关权利人所有。未经许可，禁止进行转载、摘编、复制、裁切、录制等。经许可授权使用，亦须注明来源。欢迎转发、分享。

打赏