目的  探究不同剂量布地奈德预防肺叶切除术后肺部并发症（PPCs）的疗效及用药的经济性。方法  收集2021年1月至2022年12月在山西省运城市中心医院行肺叶切除术的160例患者资料进行回顾性分析，根据术后吸入用布地奈德混悬液剂量不同分为高剂量组（日剂量＞4 mg，H组，62例）、低剂量组（日剂量≤4 mg，L组，98例），记录患者的基本信息。比较2组PPCs发生率、胸部引流管留置时间、咳痰无力持续天数、术后住院天数、术后抗菌药物费用及使用量、术后医疗及药品费用、术后药占比。采用单因素和多因素Logistic回归方法分析PPCs的危险因素。结果  2组PPCs发生率、胸部引流管留置时间、术后住院时长比较，差异均无统计学意义（均P＞0.05），H组咳痰无力持续天数少于L组［2（2,2）d比2（2,3）d］（P＜0.05）。肺部感染患者中，2组抗菌药物治疗费用及累计用药频度比较，差异均无统计学意义（均P＞0.05）。2组术后医疗费用、药品费用及药占比比较，差异均无统计学意义（均P＞0.05）。多因素Logistic回归显示，有吸烟史、健康状况差、手术时间长、气道管理三联用药方案为PPCs的独立危险因素(均P＜0.01)。结论  高剂量布地奈德在预防PPCs的疗效及经济性方面均无显著优势，建议参考说明书日最大剂量4 mg给药；含多索茶碱的四联干预方案可明显降低PPCs发生率，建议纳入气道管理方案。

目的 本研究基于公开的基孔肯雅病毒（CHIKV）多组学数据库，整合多组学分析方法 ，揭示CHIKV感染过程中微小RNA（miR）的调控机制，并预测CHIKV感染的潜在治疗药物。方法 通过分析基因表达综合数据库中多个数据集（GSE49985、GSE49884、GSE143390），使用R语言limma包鉴定差异表达信使RNA（DEmRNA）和差异表达miR（DEmiR）。利用miRTarBase、miRDB和TargetScanHuman数据库预测DEmiR的靶基因，构建CHIKV感染的miR-mRNA负调控网络。最后，基于EpiMed平台、Connectivity Map数据库和高通量虚拟筛选预测潜在治疗药物。结果 研究鉴定了1 134个DEmRNA和54个DEmiR；基因本体论分析结果显示，DEmRNA显著参与细胞周期、染色体分离、蛋白质折叠等生物学过程；京都基因与基因组百科全书分析结果显示，DEmRNA在病毒感染、蛋白质加工、溶酶体和神经退行性疾病等通路中富集。miR-mRNA负调控网络包含29对上调miR-下调mRNA和90对下调miR-上调mRNA；利用Cytoscape软件的cytoHubba插件中的最大团中心性算法筛选预测的靶基因，构建子调控网络。通过药物预测，EpiMed平台识别出94种候选药物，Connectivity Map数据库筛选出2 907种候选药物，经过高通量虚拟筛选进行综合评估，最终确定氯硝西泮、奈韦拉平、伊曲康唑、匹美克莫司和美洛昔康等5种与CHIKV感染典型临床症状相关的潜在治疗药物。结论 本研究构建了CHIKV感染相关miR-mRNA负调控网络并筛选关键基因，进一步结合药物重定位与虚拟筛选预测5种潜在候选药物，为CHIKV靶向干预提供了系统生物学线索与候选资源。

目的 本研究基于公开的基孔肯雅病毒（CHIKV）多组学数据库，整合多组学分析方法 ，揭示CHIKV感染过程中微小RNA（miR）的调控机制，并预测CHIKV感染的潜在治疗药物。方法 通过分析基因表达综合数据库中多个数据集（GSE49985、GSE49884、GSE143390），使用R语言limma包鉴定差异表达信使RNA（DEmRNA）和差异表达miR（DEmiR）。利用miRTarBase、miRDB和TargetScanHuman数据库预测DEmiR的靶基因，构建CHIKV感染的miR-mRNA负调控网络。最后，基于EpiMed平台、Connectivity Map数据库和高通量虚拟筛选预测潜在治疗药物。结果 研究鉴定了1 134个DEmRNA和54个DEmiR；基因本体论分析结果显示，DEmRNA显著参与细胞周期、染色体分离、蛋白质折叠等生物学过程；京都基因与基因组百科全书分析结果显示，DEmRNA在病毒感染、蛋白质加工、溶酶体和神经退行性疾病等通路中富集。miR-mRNA负调控网络包含29对上调miR-下调mRNA和90对下调miR-上调mRNA；利用Cytoscape软件的cytoHubba插件中的最大团中心性算法筛选预测的靶基因，构建子调控网络。通过药物预测，EpiMed平台识别出94种候选药物，Connectivity Map数据库筛选出2 907种候选药物，经过高通量虚拟筛选进行综合评估，最终确定氯硝西泮、奈韦拉平、伊曲康唑、匹美克莫司和美洛昔康等5种与CHIKV感染典型临床症状相关的潜在治疗药物。结论 本研究构建了CHIKV感染相关miR-mRNA负调控网络并筛选关键基因，进一步结合药物重定位与虚拟筛选预测5种潜在候选药物，为CHIKV靶向干预提供了系统生物学线索与候选资源。