本发明公开了一种钙基二氧化碳/二氧化硫吸收剂及其制备方 法，该制备方法为将含有钠盐化合物或钾盐化合物配制成质量百分浓 度为 5％～25％的盐溶液；接着，将含氧化钙的粉末投入到该盐溶液 中；然后，在 20℃～90℃干燥，接着，在 700℃～950℃煅烧即得到钙 基二氧化碳/二氧化硫吸收剂。本发明通过对制备方法中关键的工艺步 骤，如水合反应与浸渍反应的时机、盐溶液的浓度与施加量、氧化钙 原料的粒径大小等进行改进，能够制备组织均匀的钙基吸收剂，该吸 收剂还具有高循环转化率以及稳定的孔隙结构，尤其在多次循环中该 吸收剂的吸收容量比天然的吸收剂可以提高 130％以上。

本发明公开了一种高性能二氧化碳/二氧化硫钙基吸收剂颗粒的制备方法，将含钙的前驱体和有机物溶于水中，将溶液在 60～90℃条件下持续搅拌成溶胶，经过 110～200℃干燥 1 小时以上得到干凝胶；再将干凝胶在 600～900℃条件下空气中煅烧 0.5 小时以上，得到白色钙基吸收剂粉；最后将粉末与水泥以及微量水混合成泥状后，经过挤压成型得到所需钙基吸收剂颗粒。有机物的燃烧可以使钙基吸收剂的表面具有丰富的孔隙，水泥的添加可

（专利号：ZL 201310697615.X） 简介：本发明公开一种利用含二氧化碳的硫化氢酸气制备硫氢化钠的方法，属于脱碳技术领域。该方法首先将含有氢氧化钠和碳酸氢钠的缓冲溶液与未脱碳的硫化氢酸气进行混合反应吸收酸气中的二氧化碳和部分硫化氢，得到脱碳富液，然后加热脱碳富液，使脱碳富液中的硫氢化钠发生水解反应，转化成氢氧化钠，水解反应生成的氢氧化钠与脱碳富液中的游离碱和碳酸氢钠反应生成碳酸钠；将脱除二氧化碳后的硫化氢酸气进入管式混合反应器，

本发明提供一种表面富含二氧化铱的氧化铜掺杂二氧化铱钛阳极及其制备方法。该阳极通过以下步骤制备：1）钛基体的预处理2）配制涂覆溶液：将CuO的前驱体和IrO₂的前驱体溶于乙醇和异丙醇的混合溶剂中制成前驱体涂覆液；3）热分解法制备涂层：利用浸渍提拉法在预处理后的钛板上均匀覆盖上述涂覆溶液，焙烧、冷却；如此涂覆、烘干、焙烧、冷却过程循环多次，最后一次在300‑500℃下焙烧1‑3h，然后自然冷却到室温；4）后处理：将上一步制备好的涂层电极放入浓硫酸中浸渍或者放入稀硫酸中进行电化学处理即得。该阳极的电催化活性和稳定性都得到显著提高。 （注：本项目发布于2017年4月）

本发明属于催化方法及催化剂技术领域，具体涉及一种三氟甲烷磺酸类化合物催化制备二氢喹啉并吡咯衍生物的方法，所述的方法通过协同催化体系，以三氟甲烷磺酸类化合物为催化剂，通过1,4‑吡啶硫内鎓盐和氨基丙二腈发生分子间串联环化反应实现了二氢喹啉并吡咯衍生物的高效制备，具有条件温和、选择性高等显著优势，所述的方法采用简单易得的原料，避免了传统复杂底物的使用，并展现出优异的官能团兼容性，可耐受硝基、卤素、胡椒基、烷基、芳基、烷氧基、吲哚及噻吩等多种取代基，为二氢喹啉并吡咯衍生物骨架的构建提供了新策略，其操作简便、产率高和化学选择性好的特点，为该类化合物的工业化生产提供了重要参考。

本发明公开了一种3‑烷基‑3‑芳基‑4，4，4‑三氟‑1‑丁炔化合物及其制备方法。3‑烷基‑3‑芳基‑4，4，4‑三氟‑1‑丁炔化合物的合成采用α‑三氟甲基苯乙烯类化合物为起始原料，经可见光催化的烷基烯丙基化反应可得4‑烷基‑4‑芳基‑5，5，5‑三氟‑1‑戊烯化合物，再经氧化得到3‑烷基‑3‑芳基‑4，4,4‑三氟丁醛化合物，最后经溴代、消除反应可得3‑烷基‑3‑芳基‑4，4，4‑三氟‑1‑丁炔化合物。本发明提供的3‑烷基‑3‑芳基‑4，4，4‑三氟‑1‑丁炔化合物可用作含相应结构单元的合成砌块，快速在药物分子中引入4，4，4‑三氟‑1‑丁炔结构单元。

（专利号：ZL 201510137251.9） 简介：本发明公开了一种基于分层配料与布料的烧结过程中同步控制污染物排放的新方法，属于烧结过程污染物减排技术领域。本发明的具体步骤为：步骤一：烧结混料：制备烧结混合料(a)和配有添加剂的混合料(b)；步骤二：烧结布料：(A)在烧结台车的上面铺装铺底料层；(B)将烧结混合料(a)铺装在铺底料层的上面形成第一混合料层；(C)将配有添加剂的混合料(b)铺装在第一混合料层上面形成协同减排料层；(D)再将烧结混合料(a)铺装在协同减排料层上面形成第二混合料层；步骤三：烟气集中收集处理：将台车中后部的风箱内的烟气经增压泵汇入布袋除尘器。本发明通过分层配料与布料，实现了烧结过程中多种污染物的同步控制。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

2-芳基喹啉、1-芳基异喹啉是一系列药物或生物活性化合物的结构，也是重要的有机材料骨架，比如2-苯基喹啉与不同的金属-配体络合会形成不同颜色的发光材料，因而具有良好的市场发展前景。但这些化合物的合成比较困难，大多数采用非常昂贵的2-溴喹啉和1-溴异喹啉与相应的芳香卤化物在昂贵且对环境有害的过渡金属催化下反应合成；或者由2-溴喹啉和1-溴异喹啉类化合物与不同的金属化合物在过渡金属催化下偶联；再或者先把喹啉与异喹啉首先氧化为相应的N-氧化物，然后与芳基格氏试剂反应，最后再脱掉氧得到2-芳基喹啉、1

内江卫生与健康职业学院是经四川省人民政府批准，教育部正式备案的全日制高等专科职业学校，由内江市人民政府举办，四川省教育厅依法实施教育行政管理。学院位于四川省首批医养结合试点城市——内江。内江素有“成渝之心、大千故里、甜城内江”之称，是“成渝双城经济圈”主轴发展带腹心节点城市，内江到成都、重庆的高速铁路仅需30余分钟，尽享两座特大城市的同城效应。学院环境幽雅、景色宜人，设施完备、生活便捷，是读书治学的理想之地。兼具景观休闲、实践基地等功能的校园山体“百草山”药花飘香、碧草如茵。学院占地443亩，一期建成校舍建筑面积12.99万平方米，包括教学楼、图书馆、实验（训）楼、大礼堂、学生宿舍、食堂等。其中，阶梯教室23间（包括学术厅2间）、普通教室65间；实验（训）楼3栋2.3万平方米119间，包括基础医学实验室、护理实训室、模拟病房、模拟药房、中药标本室、康复实训室等；学生宿舍778间；一个地下停车场，共550个车位；有标准的足球场、篮球场等体育设施；图书馆1栋，有纸质图书9.5万册、电子图书15万册、电子期刊8000种5000万篇。学院有专兼职教师240人，具有硕、博士学位93人，副高级及以上职称107人，双师型教师151人，外聘专家6人，拥有一大批神经学、心理学、呼吸内科等专家和学科带头人。学院坚持“精诚济世、仁心善治”的校训，培育和践行“定心守本、恒久为功”的校风和“行胜于言、止于至善”的学风，以“扎根内江、服务西南、健康中国”为办学目标，努力建设高水平医药卫生类高等职业院校。学院设护理系、健康服务系、医学技术系和药学系，开设老年保健与管理、健康管理、中医康复技术、助产、护理、药学6个专业，2020年在校生规模2400余人。学院秉承“医校共育、系科融合、理实一体”的办学理念，拥有校外实习基地30余个，内江市第二人民医院、内江市中医医院两所三级甲等医院为学院直属附属医院。内江市第二人民医院是“全国医师规范化培训基地”“四川省全科医生培训基地”“四川省护士规范化培训基地”，是全国第三家、四川省第一家“全国全民健康管理示范医院”。内江市中医医院是“全国市级示范中医院”“国家重点建设医院”“国家级中医医师规范化培训基地”“国家级中医助理全科医师规范化培训基地”。学院附属医院实力雄厚，全面满足人才培养和专业建设需要。百舸争流、千帆竞发，学院将践行为党育人、为国育才的初心使命，为健康中国奋力谱写高等职业教育的辉煌篇章！