彩神app论坛 - 彩神app娱乐

连花清瘟有三种剂型 该如何选择？******

　　连花清瘟自2005年获批上市以来，由于其广谱抗病毒、抑菌抗炎、退热止咳化痰以及调节免疫、提高抗病康复力的特点，一直在临床上广泛用于感冒、流感等病毒性呼吸道感染性疾病的防治。基于连花清瘟的确切疗效，2020年4月连花清瘟被国家药品监督管理局批准用于“新型冠状病毒肺炎轻型、普通型”的治疗。

　　如今“连花清瘟”这个名字几乎家喻户晓，但当消费者去药店购买连花清瘟时，很多人却常常被一个问题问住——要什么剂型的？

　　很多人知道连花清瘟，也有不少人家中常备连花清瘟，但知道连花清瘟有三种剂型的人似乎不多。2020版《中国药典》收录了连花清瘟胶囊、连花清瘟颗粒和连花清瘟片，这也正是市面上在售的连花清瘟的三种剂型。这三种剂型有何差别？需要之际该如何选择最适合自己或家人的剂型？

　　组方功效相同，剂型各有优势

　　实际上，连花清瘟胶囊、颗粒剂、片剂都是常用于治疗呼吸道感染病的中成药，三种剂型组方、功效及主治都一样，且三者均为口服用药，即全部为经胃肠道给药剂型。

　　连花清瘟的主要成分是金银花、连翘、炙麻黄、炒苦杏仁、石膏、板蓝根、绵马贯众、鱼腥草、广藿香、大黄、红景天、薄荷脑、甘草，具有清瘟解毒、宣肺泄热的作用，适用于感冒、流感症见发热或高热、恶寒、肌肉酸痛、咽干咽痛、身体乏力、舌红苔黄或黄腻等症状者。

　　那么，目前市面在售的连花清瘟胶囊、颗粒剂、片剂，三者在制作工艺上有什么区别？

　　胶囊剂是将药物有效成分填装在空心硬质胶囊中或密封于弹性软质胶囊中而制成的固体制剂。胶囊剂型不仅可以掩盖药物不良气味，更是隔绝了药物与外界水分、空气、光线的接触，从而提高了药物稳定性。因有了胶囊来隔绝外界，可更方便地控制胶囊在胃肠道中分散、分解、溶出和吸收起效的时间，使药物剂型做到了延缓释放和定位释放的目的。

　　颗粒剂作为一种常用中药口服固体剂型，是指使用原料药和适宜的辅料混合制成的呈现为干燥颗粒状的制剂，在使用时加温开水溶解，搅拌均匀后温度适宜即可口服。颗粒剂的工艺延续了传统中药汤剂的特点，所谓“汤者，荡也”，对病邪有扫荡之势，可知其来势勇猛、见效快捷。中药颗粒剂在保持了汤剂吸收快、显效迅速等优点的同时，又克服了汤药服前需临时煎煮、耗时费力、久存易变质等不足。

　　片剂是将药物原料与辅料等进行粉碎，造粒，干燥，再用压片机制成片状，最后在外层形成一层膜衣；也有不需要造粒和干燥，直接压成片剂者。连花清瘟片剂属于薄膜衣片类，使用了一种高分子物料作为片剂的衣膜，该方法应用广泛。这样做的原因，一是使药物理化性质更加稳定，在遇到空气、光线和水分时不易分解、变质，以此来保证药物质量与药效；二是可以掩盖部分中药的苦味或刺激性气味；三是有些药物遇胃酸易被破坏，需包肠溶衣。片剂覆盖一层膜之后，加入固定的食用色素包上颜色衣，则便于识别，可以防止误服。

　　如何选择连花清瘟剂型

　　如果单纯以起效速度而言，颗粒剂具有吸收快、显效迅速的特点。此外，一些吞咽功能不好或服药依从性差的人群，如儿童、老年人以及有吞咽功能障碍的人群等，出于服药时的安全性考虑，建议选用颗粒剂。但是颗粒剂在使用前需要用温开水调匀冲服，如果达不到这个条件，则只能选择其他剂型。另外颗粒剂在保存上不如胶囊和片剂方便，当有出差或旅游出行需求时，建议选择胶囊剂或片剂，使用时更为方便。

　　在知悉上述剂型各自优势以及患者自身状况的情况下，连花清瘟三种剂型的选择也应结合患者的用药顺应性而定，“怎么舒服怎么来”，以用药后症状得以缓解且没有其余不适为度，没有绝对的标准，不必拘泥。

　　在服用连花清瘟期间，应忌吸烟、饮酒，避免进食烧烤、火锅、麻辣烫、巧克力等辛辣、滋腻的食物，也不要贪凉饮冷，以免损伤中焦脾胃之阳气。为避免邪气留于体内，不宜在服用连花清瘟的同时，再服用人参、鹿茸、枸杞等滋补类中药或中成药。

　　连花清瘟虽是家中常备治疗感冒、流感的成药，但有严重的肝病、糖尿病、肾病等慢性病患者或正在使用其他药品，使用前可以咨询医师或药师，避免药物联用出现问题。需要强调的是，在新冠肺炎疫情的特殊背景下，疫情防控人人有责，当出现发热等不适时，应及时去医院就诊或上报社区，在医师指导下对症用药。（李妍）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）