ChinJEm ergR烈usrD isas丨erMecKDeremiher 2020，V〇1.15N〇.12 2020年12月第15卷第丨2期中国急救复苏与灾害医学杂志/灾害医学研究12S 地震人员伤亡影响因素及预测方法研究进展 刘姝昱，李悦，卢明，曹春霞，樊毫军
天津大学灾难医学研究院，天津300072
摘要：目的探索研究地震人员伤亡情况的影响因素、预测方法及演化趋势，为地震灾害应急响应、应急处置、资
源配置及指挥调度提供理论依据和支撑。方法结合文献研究和案例回顾法，深入系统分析近年来国内外地震
人员伤亡影响因素和预测方法。结果影响地震人5伤亡的因素概括为地震因素、社会因素、自然因素、环境因
素、人为因素5大类；主要基于数理统计、结构模型构建、计算机软件算法等，从不同角度预测地震人贞伤亡情
况。结论当前研究初步阐明了不同领域与视角下的地震人员伤亡影响因素，探索了基于数理统计、计算机软
件分析、结构模型构建等多种方法对地震人员伤亡数量的预测。
涂料刮棒
关键词：地震；人员伤亡；影响因素；预测方法
中图分类号：R129 文献标识码： A 文章编号：1673-6966(2020)12-1379-05
Research progress on influencing factors and prediction methods of
浮油e d r t h q i l d k e C d S U a l t i e S LIU Shuyu, LI Yue, LU Ming, CAO Chunxia, FAN Haojun. Institute o
f Disaster
Medicine, Tianjin University, Tianjin 300072, China
Correspondence author: CAO Chunxia, E-m ail:******************;FAN Haojun,E-mail:********************.
Abstract: Objective To explore the influencing factors and prediction methods of earthquake casualties, and provide
theoretical basis and support for earthquake disaster preparedness and medical response. Methods Combined with lit
erature research and case review, the influencing factors and prediction methods of earthquake casualties at home and
abroad in recent years were analyzed systematically. Results The factors affecting earthquake casualties are summa
rized into five categories: earthquake factor, social factor, natural factor, environmental factor and human factor. Based
on mathematical statistics, structural model construction, computer software algorithm, etc., the earthquake casualties
are predicted ranging from theoretical layer to practical layer. Conclusion The current literature had analyzed the in
fluencing factors and explored the prediction methods of earthquake casualties preliminarily.
Key words: Earthquake; Casualties; Influencing factors; Prediction methods
据统计，近10年全球7级以上(含7级)地震共发 生197次，波及60多个国家及地区，仅中国地区(包括 台湾)近10年就发生了 321次5级以上(含5级)地震，造成了大量的人员伤亡及数千亿元的经济损失叭地震 灾害可直接导致地面塌陷、建筑物倒塌、公共设施损坏、社会通信中断等多种破坏，对社会、经济发展以及人们 的身心健康带来不同程度的影响121。因此，学者们基于 不同领域与视角对影响地震人员伤亡的因素，如地震基 本参数、建筑物受损状况、人员自身素养水平等进行了 详细的剖析；此外，学者们还基于数理统计、计算机软件 分析、结构模型构建等多种方法对地震人员伤亡数量的 预测进行了相关探索，并取得了一定的成果13_41。
1地震人员伤亡的影响因素
影响地震人员伤亡的因素错综复杂，不同学者结合自身学术背景及专业视角，对其划分的标准也会有 所不同，主要可将其归纳为地震因素、房屋建筑类因 素、自然及社会因素、受灾人员自身素养水平及其他因素这几类。
1.1 地震因素对地震人员伤亡的影响研究表明，地震人员伤亡数量很大程度上受地震释放能量大小的影响，主要表现为震级的大小或震中烈度的高低。一般情况下，震级或震中烈度越低，地震人员伤亡数会越少，反之则伤亡人数越多。对于震级相近的地震，一般由震源深度决定对地表的破坏性程度〜1。震 源深度越浅，对地表的破坏程度越大，地震人员的伤亡越多；反之则伤亡越少。此外，发震时
间也会影响人员伤亡的数量。一般而言，夜间发生的地震会造成 较多的人员伤亡151，如1900—2008年，云南省夜晚发震死亡的人数为28 744人，占总震亡人数的95.7%171。
基金项目：国家重点研发项目(编号:2〇19YFC16063〇4-01)
通信作者：曹春霞，E-mail:******************；樊毫军,E-mail:********************
•1379.
灾害医学研究中国急救复苏与灾害医学杂志2020年12月第丨5卷第12期Chin J Emprg R«<USr Disaster Med.Deremher 2020. Vol. 15 No.12
1.2房屋建筑因素对地震人员伤亡的影响震后建筑物的损毁主要呈现出两种状态—损坏及倒塌。建筑物轻度损坏时不会造成人员伤亡，而中等或严重 损坏时则会造成一定的人员伤亡且建筑物严重损坏会导致建筑物的倒塌|8_91。建筑物倒塌是造成地震人员伤亡的主要原因之一，约75%的地震人员伤亡是由建筑物倒塌所致|1()1。研究表明，建筑物的倒塌受其自身抗震设防能力及相关参数(如：房屋类型、建造时 间、建筑质量等)影响，建筑物抗震设防指数越高、建 筑要求越严格，建筑物倒塌越少，人员伤亡也就越少【11]〇
1.3自然与社会因素对地震人员伤亡的影响发震地点的地形地貌、气候状况等因素可影响地震人员伤
亡的数量。相较于平原地区，山区、高原等地更易发生滑坡、泥石流等次生灾害，从而引发更多的人员伤亡；降温降雨等不利的气候状况也会增加伤亡人员的数量|5i。人口密度也是影响地震人员伤亡的一个重要 因素，当其他条件相同时，发震地区人口密度与伤亡人数呈正相关，即人口密度越大，伤亡人数越多，且地 震伤亡人数城市>乡镇>农村|51。此外，地震预报水平的高低也会影响地震人员伤亡的数量，预报水平越高 即预报越准确，震区人员伤亡数量越少，反之则越多【12]。
1.4素养水平对地震人员伤亡的影响人员素养水平也会影响地震伤亡的数量，其主要包括两个方面：救援人员素养水平及受灾众素养水平。救援人员 素养水平越高、救灾能力越强|U|，人员伤亡数量越少；受灾众健康素养水平越高，地震发生时其自救互救 能力越强，被救援时间越短，人员伤亡数量越少15141。
除上述因素外，震区断层性质，震区地质构造，人 员的性别、被困环境、作业方式、心理状态，人均GDP 等因素亦会影响地震人员的伤亡数量15'〜51。
2地震人员伤亡的预测方法
通过对地震人员伤亡影响因素的系统研究，学者 们发现可借助地震人员伤亡影响因素来预测地震人员的伤亡，并研究出了基于数理统计、结构模型及软件算法的等多种预测方法。
2.1基于数理统计预测地震人员伤亡数量学者们早期多基于数理知识研究地震人员伤亡影响因素与伤亡数量之间的关系。如尹之潜基于概率学方法，探 究房屋损坏率与死亡人数之间的关系得到了关于震后人员死亡数量的简便算法，并提出地震受伤人数为 死亡人数3〜5倍的结论肖光先对房屋的破坏程度进行了轻、中、重、全部破坏、倒塌5个等级的划分，基 于概率学方法求出了震后人员的死亡率im；丁伯阳综
合考虑发震时间、在室率以及震害程度的影响，得出 了地震人员伤亡的预测概率™; Murakami研究房屋类 型、在室率、建筑物倒塌率、人员被困率等对地震人员 死亡率的影响，提出了房屋倒塌造成人员伤亡的经验 预测公式
上述学者多基于概率学方法，综合考虑各影响因 素将其划分成不同的等级，得出关于地震人员伤亡(率)的公式。但这类方法需要考虑较多因素，运算过 程较为复杂，且概率数值本身就具有一定的不确定性，导致预测结果具有一定的偏差。
2.2构建结构模型预测地震人员伤亡数量当数据样本量足够大时，地震人员的伤亡数量随一个或多个 变量具有一定的变化趋势，表现出一定的规律性。因 此，研究人员联想到利用现有的数学模型或基于相关 数据构建出一种较为理想的模型，从而达到预测人员 伤亡数量的目的。
2.2.1基于指数模型的地震人员伤亡数量预测。有 研究人员发现震后人员的伤亡数量表现出随时间先增
长后逐渐平稳的趋势[20^，结合其增长趋势及相关实际意义，从而构建了指数模型预测地震人员的伤亡 数量。H uang等收集了中国近50年来84次6级以 上的地震，构建了关于震级、震中烈度、人口密度、发 震时间、建筑物受损面积与地震死亡人数的部分高斯 曲线预测模型李永强收集了云南省5级及以上的 破坏性地震数据资料，构建了震级、极震区烈度、人口 密度、发震时刻与死亡人数的指数回归模型，该模型 拟合效果良好，但存在部分数据差异较大的问题17|；吴 昊昱构造了震灾死亡人数随时间变化的修正指数模型，并借助2008年汶川地震数据进行拟合实证，预测 相对误差为25%[221。
2.2.2基于线性回归模型的地震人员伤亡数量预测。由于线性模型能直观的表现出各自变量对因变量的影响程度，因此有学者提出对收集到的数据进行 一定的处理，使其达到线性拟合的条件，从而预测地震人员伤亡数量。Urrutia对菲律宾30次破坏性地震 进行研究，基于震级、震中烈度、震源深度等5个基本 参数构建了地震伤亡线性回归模型1231；张洁以房屋倒 塌面积、房屋严重破坏面积、房屋一般破坏面积作为自变量，基于线性回归原理构建了人员伤亡的预测模 型1241；高惠瑛按震级将地震划分为强震(震级6^V1<7) 和中强震(震级5$M<6)，构建了不同强度地震人员伤亡的线性回归模型[251。
•1380•
ChinJEmergResuscDisasterMecKDecemher 2020，V 〇1. 15N 〇_12 2020年12月第15卷第12期中国急救复苏与灾害医学杂志/灾害医学研究
12S
2.2.3基于其他模型的地震人员伤亡数量预测。除 了上述模型，亦有其他模型可用于地震人员的伤亡预 测。S .Turkan 收集了 1900—2012年土耳其5级以上 (包括5级)的破坏性地震，构建了线性回归模型、(3回 归模型、半参数P 回归模型(SBR )等多种回归模型预 测地震人员伤亡。相较于其他模型，S B R 模型对于震 后人员死亡率具有良好的拟合效果且精度较高P 6]。 董蔓对国内外8组地震数据研究发现，除了修正指数 曲线模型外，Gompertz 曲线模型以及R ogers 曲线模 型也可用于地震死亡人数的预测估计1271。
以上研究表明，通过建模方法得出的预测模型公 式能够直观地表现出各自变量对因变量的影响程度， 弥补了早期预测方法的一些不足且提高了预测的准 确度。但随着研究的不断深入，学者们发现地震伤亡 数量并非是一组严格的线性数据，而是具有一定的变 化特征，单纯的通过建模方式进行伤亡预测，很难体 现整个震灾过程中伤亡的时空变化趋势。
2. 3 借助软件算法对地震人员伤亡数量进行预测 随着研究的不断深入与发展，人工神经网络、支持向 量机、地理信息系统等新的科学技术逐步应用于地震 人员伤亡的预测。
2.3.1基于人工神经网络的地震人员伤亡数量预 测。由于地震人员伤亡数量具有非线性1181、随时间动 态变化™、聚集性、受经济水平影响等多种特点，且在 地震发生之时，人们无法及时有效地获得
完整的数据 进行建模预测p '而人工神经网络(ANN )在处理非线 性问题以及残缺数据方面具有其独特的优势，并且还 具有自我学习、联想存储以及高速寻最优化的能 力，因此受到学者的广泛关注。Wang 等以31组汶川 地震受灾较为严重地区的数据为训练样本构建了灰 神经网络，并对绵竹、武都县等地震伤亡人数进行 预测，该方法能较大限度逼近复杂的非线性问题，提 高相关预测的准确性及可靠性™#^!等人选取震级、 震源深度、震中烈度、人口密度、备灾能力、地震加速 度、是否预警7个因素作为输入层，构建了一个关于 地震伤亡数量的B P 神经网络预测模型，并对其加以 训练，结果表明该预测模型能够对与训练样本具有相 同行政特征的地方人员震后伤亡进行预测[31)；田鑫结 合主成分分析与B P 神经网络，以15组破坏性地震 数据为基础，构建相关预测模型【321;MU hamtnet G u l 以 发震时间、震级、人口密度作为输入层，受伤人数作为 输出层，选用Levenberg -Marquardt 算法，构建了人工 网络模型，该模型能够较为准确的预测人员伤亡人 数™；周德红等突破B P 神经网络的局限性，研究了遗
传算法优化的B P 神经网络，不仅降低了预测误差同 时提高了预测精确度[341。
基于神经网络的地震人员伤亡数量预测方法能 通过已有数据自我训练、不断学习并且表现出较强的 预测能力，但其也存在一定的不足与缺陷，如训练数 据不易搜集、受自变量因素与数据量的影响较大、稳 定性较差等。
2.3.2基于支持向量机的地震人员伤亡数量预测。 基于现实条件，预测地震人员伤亡时易存在搜集的
ct二次过电压保护器数据样本量较小，从而导致预测普适性不高的问题， 支持向量机(SVM )在处理小数据量样本非线性问题 方面的独特优势使其逐渐进入研究人员的视野。 H uang 将改进过的SV M 应用到地震人员伤亡数量 预测模型的构建中，得出了关于死亡及受伤率的输 出曲线且预测精度较高1351；王晨晖针对收集到的27 组数据样本，构建出了 PCA -G SM -SV M 伤亡预测模 型，对其进行预测验证，研究发现该模型表现处理较 高的预测精确度1361；任宁宁收集了云南省50组地震 灾害数据，构建了粗糙集(RS )与粒子优化算法 (PS 0)-最小二乘支持向量回归机(LSSVR )地震伤亡预 测模型，该模型较好的拟合出了震害伤亡数据的走 势，将其与R S -B P 神经网络模型进行比较，该模型可 表现出更精确的拟合效果|371。
以上研究结果表明，SV M 在预测地震人员伤亡 数量方面具有预测精度高、拟合效果较好等优势，但 目前国内基于SV M 地震伤亡人数预测方面的研究 较为有限，缺乏结构化的方法实现支持向量机中自 变量参数的最优选取，以及对给定数据选择最合适 的核函数。如何准确、高效地将SV M 应用于地震人 员伤亡预测模型构建，仍需要研究人员的进一步探 索与钻研。
2.3.3基于G IS 的地震人员伤亡数量预测。地理信 息系统(GIS )可获得发震地区的建筑物分布区域、损坏 程度及震区人员分布，实现相关信息的可视化，故可 将其应用于地震人员伤亡的预测方面。张丽军等基 于G IS 系统迅速精确的得出了地震人员伤亡以及经 济损失，并生成了相关地图[381；吴恒璟等提出了基于 遥感图像的地震伤亡预测模型，结合灾难医学，构建 了相关预测模型并进行了预测验
证，结果符合误差范 围w ;Sadr a 借助于G IS 平台，完成了伊朗一次真实地 震的人员伤亡数量预测|4()1；许立红对利用G IS 系统得 到的遥感图像进行了分类，使提取精度提高到 97.25%，进一步优化了人员伤亡预测的结果％。
但基于G I S 系统的地震人员伤亡数量预测多
• 1381 •
j p灾害医学研究\中国急救复苏与灾害医学杂志2020年12月第15卷第12期ChinJEm ergResnsrDisastprM ed.D—CTihfr 2020,V〇1.15N〇.12
依托于精确的人员伤亡评估模型，使用条件较为严
格，且相关仪器价格昂贵，故而受到一定的限制普
及度不尚。
3总结与展望
本文总结了地震人员伤亡的影响因素及相关预
测方法。随着技术的不断发展，人们对于地震人员伤
亡影响因素的认识日益深刻化、全面化，对相关预测
方法的探究也逐渐多元化、精确化。但同时也存在着
一定的缺陷，如对相关影响因素(如：人口密度、建筑
物的抗震设防等)的数值统计较为粗泛，难免产生较
冷却水循环大的预测误差。因此在之后的研究中，应当对相关数
据进行一定的分类整合，以提高预测的精确度。其 次，笔者总结发现现有的精确度较高的预测方法普遍
存在数据要求严格(如：将某一局部区域部分震级区
间的相关数据纳人研究范围或举一个具体的例子)、
数据量较小、未考虑次生灾害、研究条件较为理想的
现象。因此，对于那些覆盖地域广泛、数据出入较大、
涉及多重影响的研究再对其进行分类整合难免过于
繁琐，且分类标准也难以确定。如何研究出一种较为
简易的方法处理具有以上特征的数据库仍需要广大
学者的进一步研究与探索。
参考文献
[1 ]中国地震台网统一地震目录.[EB/OL】.(2019-02-03)国家地震科学
数据共享中心h ttp://data.earthquake/index.htnil.[2019-12-12]
[2] 陈冬，刘春梅，广昊，等.2007-2017年中国重特大自然灾害事件
废橡胶炼油特征及规律分析[J].中国急救复苏与灾害医学杂志，2019,14(4):
301-304.
[3]沈英甲.科幻还是预言一一科学界对2018年全球地震趋势的预言
[N].中国航空报，2018-02-13(007).
[4]李海兵，王焕，李春锐，等.地震研究进展与趋势一一全球地震科
学钻探研究综述[】].地球学报，2019,40(1): 117-134.
[5]张莹，尹文刚，郭红梅，等.地震灾害人员伤亡关键影响因素指标
体系构建[J].防灾减灾学报，2017，33(4): 87-94.
[6] Xu P, Wen R , Ren Y. Comparison of strong-motion records and
damage implications between the 2014 Yunnan M_S6.5 Ludian
earthquake and M_S6.6 Jinggu earthquake[J]. Earthquake Science,
2018, v31(l):13-19.
[7]李永强.云南人员震亡研究P].中国科学技术大学，2009.
[8]吴将丰，王海霞.基于AMOS的地震人员伤亡影响因素分析[J].地
震工程与工程振动，2013，33(2): 221 -228.
[9]黄佩蒂.地震人员伤亡影响因素研究[D].中国地震局工程力
学研究所，2018.
[10]田丽莉.地震灾害人员伤亡影响因素分析及人员伤亡估算公式
[D]•首都经济贸易大学，2012_
[11] Li S, Zhai CH, Zhang YJ, et al. A numerical simulation strategy on
occupant evacuation behaviors and casualty prediction in a building
during earthquakes[J]. Physica, A. Statistical mechanics and its ap
plications, 2018,(490)： 1238-1250.
[12]钱莉.基于SPSS统计分析的地震伤亡预测模型研究[J].现代营销
(下旬刊)，2018( 1): 239-240.
[13】高宏生，郭锦，胡骁，等.地震救援作业人员健康危害预警系统构 建[J].中国急救复苏与灾害医学杂志，2020，15(1):99-102.
[14] Shapira S, Levi T, Bar-Dayan Y, et al. The impact of behavior on the
risk of injury and death during an earthquake: a simulation-based
study[J]. Natural Hazards,2018(91):1059-1074.
[15] Shapira Stav, Novack Lena, Aharonson-Daniel Limor, et al. An Inte
grated and Interdisciplinary Model for Predicting the Risk of Injury
and Death in Future Earthquakes[J]. PloS one, 2016, 1 l(3):e015111. [16]尹之潜.地震灾害损失预测研究[J].地震工程与工程振动，1991
(4)： 89-98.
[17]肖光先.地震工程中的经济问题[J].世界地震工程，1986(1):3-10,
19.
[18] 丁伯阳.介绍两种震害损失估算方法[J].灾害学，1991(2):45-47.
[19] Murakami H. A simulation model to estimate human loss for occu
pants of collapsed buildings in an earthquake[C]. Proceedings of the
Tenth World Conferenceon Earthquake Engineering, 1992.
[20] Jin HD, Huang X. An earthquake casualty prediction model based on
modified partial Gaussian curve[J]. Natural Hazards, 2018, 94(3):
999-1021.
[21] Tang BH, Chen Q, Zhang LL, et al. Rapid estimation of earthquake
fatalities in China using an empirical regression method[J]. Interna
tional Journal of Disaster Risk Reduction, 2019, (41): 101306.
[22]吴新，顾建华，吴昊昱.地震报道死亡人数随时间变化的修正指数
模型[J].地震学报，2009,31(4): 457-463.
[23] Urrutia J D , Bautista L A , Baccay E B .Mathematical models for es
timating earthquake casualties and damage cost through regression
analysis using matrices[J]. Journal of Physics Conference Series,
2014. 495(l)：96-99.
[24j张洁，高惠瑛，刘琦.基于汶川地震的地震人员伤亡预测模型研究 [J].中国安全科学学报，2011，21⑶:59-64.
[25]高惠瑛，李清霞.地震人员伤亡快速评估模型研究[J].灾害学，
2010,25(zl)：275-277.
[26] Turkan S, G. Ozel. Modeling destructive earthquake casualties based
on a comparative study for Turkey[J]. Natural Hazards: Journal of the
International Society for the Prevention and Mitigation of Natural
Hazards, 2014, 72(2): 1093-1110.
[27]董曼，杨天青，陈通，等.地震报道中死亡人数估计方法的适用性
分析[J].地震，2014，34(3): 140-148.
[28]赵振东，崔迪，余世舟，等.汶川地震人员伤亡评估[J].世界地震工
程，2012,28(2): 20-25.
[29]张文路，蒋欢军.地震人员伤亡评估方法与模型研究综述m.结构
工程师，2016 ⑶：181-191.
[30] Wang Y, Dai J, Feng X. A grey-neural networks prediction model of
death toll in “5.12” Wenchuan Earthquake[C]// Sixth International
Conference on Natural Computation, ICNC 2010, Yantai, Shandong,
China, 10-12 August 2010. IEEE, 2010.
[31] Wang HX. Niu JX, W u JF. ANN Model for the Estimation of Life Ca
sualties in Earthquake Engineering^]. Systems Engineering Proce-
•1382•
Chin J Emerg Resusr Disaster Med，Df*remht?r 2020, Vol. 15 No.12 2020年12月第15卷第12期中国急救复苏与灾害医学杂志j灾害医学研究
dia, 2011, l(none):55-60.
[32]田鑫，朱冉冉.基于主成分分析及BP神经网络分析的地震人员伤
亡预测模型研究[J].西北地震学报，2012，34(4): 365-368.
[33] Muhammet Giil, Guneri A F. An artificial neural network-based
earthquake casualty estimation model for Istanbul city[J]. Natural Hazards, 2016, 84(3): 1-16.
[34]周德红，冯豪，程乐棋，李文.遗传算法优化的BP神经网络在地震
死亡人数评估中的应用[J].安全与环境学报，2017,17(6): 2267 -2272.
[35] Huang X, Zhou ZG, Wang SY. The prediction model of earthquake
casuailty based on robust wavelet v-SVM[J]. Natural Hazards, 2015, 77(2): 717-732.
[36]王晨晖，袁颖，刘立申，等.基于PCA-GSM-SVM的地震伤亡人数
预测[J].华北地震科学，2019，37(3): 25-30.[37]任宁宁，王俊杰.基于RS与PS0-LSSVR的地震伤亡人数预测[J].地
震工程与工程振动，2015,35(6):226-231.
[38]张丽军，刘亮，潘家伟.基于GIS的地震灾害损失快速评估系统开
发[J].科技创新导报，2009，25:128-129.
[39]吴恒璟，冯铁男，洪中华，等.基于遥感图像的地震人员伤亡预测
模型研究[J].同济大学学报(医学版)，2013(5):42-45.
[40] Karimzadeh S, Miyajima M, Hassanzadeh R,et al. A GIS-based seis
mic hazard, building vulnerability and human loss assessment for the
earthquake scenario in Tabriz[J]. Soil Dynamics and Earthquake Engineering, 2014 (66) 263-280.
[41]许立红.基于快速评估的地震人员伤亡研究[D].防灾科技学院，
2016.
收稿日期：2020-02-13 修回日期：2020-07-22
(上接1378页）
[16] Mueller T, Gegenhuber A, Poelz W, el al. Comparison of the Biomedi-
ca NT -proBNP enzyme immunoassay and the Roche NT-proBNP chemiluminescence immunoassay: implications for the prediction of symptomatic and asymptomatic structural heart disease[J]. Clin Chem, 2003, 49(6 Pt 1): 976-979.
[17]史慧荡，王海燕，花艳红.Application research of extracorporeal car
diopulmonary resuscitation in cardiac arrest[J]•中国急救复苏与灾 害医学杂志，2019, 14(5):419-422.
[18]陈亭杰，杨锋.PCI患者术后即刻心肌血流储备分数和脑钠尿肽
水平对患者预后的影响[J].中国心血管病研究杂志，2016,14(1): 42-44.
[19]乔香瑞，刘军辉，花蕊，等.循环单核细胞和血浆中GDF-15和NT-
proBNP对慢性心力衰竭的诊断及心血管事件的预测价值[J].南方医科大学学报，2019,39(11):1273-1279.
[20]林佩环.经皮冠状动脉介入术后高敏C-反应蛋白和肌钙蛋白水
平对支架内再狭窄的评价[J].中国临床医生，2015,43(1):26-28. [21]徐景俊，张丽，卢晓潇，等.二维斑点追踪成像对急性心肌梗死患
傅科摆原理
者经皮冠状动脉介入效果的评价及其与高敏肌钙蛋白T的相关
性[J].中国全科医学，2015,18(23):2758-2761.
[22]蒋小菊，赵印平，刘卫华，等.高血压患者血管病变及心脏重构与
尿微量白蛋白/肌酐关系的研究[J].中国社区医师，2018, 34(15):
134-135,137.
[23]鲍东来，黄伟剑，单培仁，等.血浆CysC及BNP水平对冠心病患者
经皮冠状动脉介入术预后的评估价值[J].中国老年学杂志，2015,
35(16)：4516-4518.
[24]李跃征，何小梅，高磊，等.组织多普勒Tei指数联合氨基末端脑钠
肽前体评价房间隔缺损患儿介人前后右心功能[J].中国综合
临床，2016,32(2): 109-112.
[25]钟远伦，罗昭琴.不稳定性心绞痛冠状动脉介入对患者血浆
氨基末端脑钠肽前体水平和心功能的影响[J].中国心血管杂志，2016,21(3):223-225.
[26]付广芳，吴敏，孙靖.冠心病PCI术后健康管理研究进展[J].中国医药
导报，2018，15(13):38-41.
[27]李英，赵丽红.间歇性低氧对急性ST段抬高型心肌梗死患者
PCI术后预后的影响[J].中国医药导报，2018，15(20):50-53.
收稿日期：2019-08-25 修回日期:2020-09-10
•1383•
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议