目的 探究参桂胶囊联合沙库巴曲缬沙坦钠治疗慢性心力衰竭的临床效果及对血清血管紧张素Ⅱ（AngⅡ）、B型脑钠肽（BNP）水平的影响。方法 选取河北省胸科医院2023年7月至2024年5月收治的128例慢性心力衰竭患者，采用简单随机法分为单药组和联合组，各64例。单药组给予沙库巴曲缬沙坦钠治疗，联合组在单药组基础上联合参桂胶囊治疗。比较2组的治疗效果、AngⅡ、BNP、心功能、氧化应激水平及Lee氏心力衰竭积分、心力衰竭自我护理指数（SCHFI）评分情况。结果  治疗后，联合组总有效率高于单药组［92.2%（59/64）比78.1%（50/64）］（P=0.025）。治疗后，2组血清AngⅡ、BNP水平均低于治疗前，且联合组均低于单药组［（25.1±2.7）ng/L比（28.7±3.0）ng/L、（143±15）ng/L比（169±17）ng/L］（均P<0.05）。治疗后，2组左心室射血分数、超氧化物歧化酶、谷胱甘肽过氧化物酶、SCHFI评分均高于治疗前，且联合组均高于单药组（均P<0.05），2组左心室后壁厚度、丙二醛水平、Lee氏心力衰竭积分均低于治疗前，且联合组均低于单药组（均P<0.05）。结论  参桂胶囊联合沙库巴曲缬沙坦钠治疗慢性心力衰竭效果较好，有效提升心功能，改善呼吸困难等症状。

气道管理是麻醉中重要的环节，难以预料的困难气道可以导致严重的后果，如低氧血症、脑死亡等，因此麻醉前的气道评估尤为重要。机器学习和深度学习在建立困难气道预测模型方面有着比传统方法（如改良马氏分级、甲颏距离等）更加优越的性能。机器学习算法可以敏锐发现变量之间的非线性关系，深度学习算法，特别是卷积神经网络及其变体，通过自动分析多模态数据，显著提高预测准确性和效率。本文重点介绍机器学习与深度学习技术在困难气道评估方面的应用，以期提高麻醉的安全性。