【摘 要】
：
抵挡汤作为中医传统经典名方之一，为破血逐瘀之强方。以往认为抵挡汤伤正气、有水蛭、虻虫有毒之品，被人们所忽视。随着对经方的重视，抵挡汤也被广泛运用于临床，根据其病位、病机、症状、药理作用等方面，将其用于治疗糖尿病及其并发症、恶性肿瘤、阿尔茨海默病、脑卒中、肾病、心血管疾病、周围血管病、妇科、男科等疾病，均具有较为满意的疗效。抵挡汤具有改善胰岛素抵抗、改善微血管和周围血管循环、延缓糖尿病大血管病变、抗
【基金项目】
：
辽宁省教育厅科技研究项目（L2020048）； 辽宁省基础科学研究项目青年项目（LJKQZ2021064）； 辽宁中医药大学附属医院2021“育苗工程”（YM202109）；
论文部分内容阅读
抵挡汤作为中医传统经典名方之一，为破血逐瘀之强方。以往认为抵挡汤伤正气、有水蛭、虻虫有毒之品，被人们所忽视。随着对经方的重视，抵挡汤也被广泛运用于临床，根据其病位、病机、症状、药理作用等方面，将其用于治疗糖尿病及其并发症、恶性肿瘤、阿尔茨海默病、脑卒中、肾病、心血管疾病、周围血管病、妇科、男科等疾病，均具有较为满意的疗效。抵挡汤具有改善胰岛素抵抗、改善微血管和周围血管循环、延缓糖尿病大血管病变、抗血管纤维化、提高免疫力、抗肿瘤、保护脑组织及神经细胞、改善血管内皮功能、保护肾脏、抗炎和抗衰老等作用。本文对抵挡汤的临床应用进行总结，并初步探索其作用机制。
其他文献
本文通过梳理地方债务问题的根源及现状,详细测算了疫情后地方政府债务的结构和规模变化,考察了地方债务尤其是隐性债务对宏观金融风险、实体融资效率的影响,并据此提出政策建议。研究发现,疫情后我国地方债务未见明显恶化,但包含了隐性债务的广义地方负债率较高,涉及的企业和金融机构甚广,融资平台的资金使用效率不高,中长期债务风险应予重视。监管方面,短期内收紧地方债融资不宜激进,中长期应继续削弱隐性担保,并从制度
＜正＞作为国家重点布局的战略性新兴产业之一,新能源汽车行业具有明显的科技创新带动强、产业波及范围广、绿色节能环保等特征。做大做强新能源汽车产业关键要实施强链补链行动,加强关键技术、共性技术研发体系建设,加快车用芯片、操作系统等核心技术研发和产业应用,推动四川新能源汽车产业提质增效。
目的 探究釉丛蛋白1（TUFT1）在直肠癌组织中的表达水平及其对直肠癌的诊断和预后价值。方法 利用Ualcan数据库分析TUFT1 mRNA在正常直肠组织及直肠癌组织中的表达水平；选取2014年12月～2018年4月新乡市第一人民医院诊治的77例直肠癌患者为研究对象，实时荧光定量PCR（qRT-PCR）法测定直肠癌组织、癌旁正常组织TUFT1 mRNA表达水平；分析直肠癌组织TUFT1 mRNA表
石雕艺术是中华建筑文化的重要代表，也是我国优秀传统文化的重要组成部分，具有独特的历史、艺术和科学价值。中华石雕艺术源远流长，特别是明清时期的石雕艺术是中国古代石雕文化的发展顶峰。明清时期的石雕文物工艺精湛，匠心独运，蕴含着深厚的人文和历史价值，保护和传承明清石雕艺术，对传承中华优秀建筑文化，提升民族文化自信，都具有重要的现实意义和社会价值。
军队体育文职教员作为近年的新生力量，已逐步承担起军事体育教学训练的使命任务，优点是学历层次高、年轻活力足、学习速度快；缺点是军人素养缺乏、教学经验不足、教学内容生疏。构建军队体育文职教员胜任力的洋葱模型以及理论模型，对模型中较易提升的中层个人素质能力和表层技能知识能力进行分析。其中，个人素质能力作为基础构成，包括自我形象和军人素养；技能能力作为重要部分，包括教学能力、组训能力和教育能力；知识能力作
福建省长汀金龙稀土有限公司开发了一种新型萃取剂产品，可用于稀土料液中铝铁等杂质的去除。本文研究了该新型萃取剂萃取铝铁杂质的性能，考察了有机相的皂化度和铝铁杂质浓度对萃取剂除杂性能的影响。结果表明，该新型萃取剂具有优异的除铝铁效果。经过萃取除杂，稀土料液中，Al2O3和Fe2O3的浓度从3710 mg/L和488 mg/L下降到了35.4 mg/L和2.2 mg/L。
目前，随着我国新课程改革和教育改革的进一步推进，传统的教学模式和方法已经不再适用当前形势的发展，如在教学评价方面，教师要探索激励和改进教学的评价。在正式的数学课堂教学当中，课程评价不仅是要从学生现阶段的学习状况、学习内容出发，还应该考虑到学生学习的各个环节，这样才能够实现多元化的教学评价。同时，在小学数学课堂当中运用多元化的评价方式，不仅能够提高学生数学学习的能力，还能够培养学生的数学学科素养，引
聚酯纤维聚合过程是一个化学工艺复杂、生产设备多样的复杂流程工业过程,对其中的关键指标进行实时状态监控和数据分析有利于保障最终纤维质量,提高生产效能。工业监控和数据采集系统中存储了包含丰富历史工况信息的时间序列数据,利用这些历史数据对过程关键指标进行预测有助于了解工业过程趋势,正确评估系统状态。但是,利用传统的机器学习方法进行时间序列预测建模往往需要大量（通常是长时间跨度）的历史数据来训练学习模型,