从武汉同济回来的第14天

01

我去武汉看病了

1月初的时候,我终于托好心的病友在专家查房的时候带到了我的情况,侧面试探了专家的态度,而且很幸运的挂到了春运之前最后一个周一专家门诊的专家号,定下来1月13号去武汉同济医院看血液科。

去之前有零星看到肺炎的一点新闻,看起来就像一种发生率很低的、跟病毒性肺炎差不多的冬天流行病,于是毫不犹豫买了上海-武汉当天来回的车票。

清早老唐把我送到虹桥火车站,我就一个人高铁过去了,汉口火车站离同济医院主院区打车很近,在医院附近吃了饭去挂号。

图为柱子哥就医vlog

一楼大厅人不多,也没什么人带口罩,可是3楼内科诊区真的惊呆我了,扶梯下来走廊、阳台、过道和诊区等候区人满为患。虽然我也是在上海各大医院打卡的人,还是觉得人太多了,最大的等候区至少坐着站着200个人,屏幕叫到号了再被分诊到不同诊室,进入诊室对应的等候区。我的号很靠后,估计下午四点多才看上,我没有在等候区等着,因为太闷了人太多了根本上不来气。虽然戴着口罩,我还是觉得我被陌生的细菌攻击了,一步撞一个人挤出来出去了。

我去血液科病房看了病友,又去了麦当劳,回去看叫号,还是很久,就又挤出去到医院外找个地方坐着喝茶。

第二次回诊区叫到我的号,我又在诊室门口坐了半小时左右到我了,面诊了快半小时出来,给自己的笔记拍了照就离开医院了。

晚上回上海的车是动车卧铺改的,6个人分别坐在卧铺下面的两张床,狭窄逼仄的空间里一股臭脚丫子味,只有我戴了口罩。

十二点多到上海的时候,觉得一天过得好长。到家洗洗弄弄都快三点了。

过了好几天,20号左右的时候,我才知道「卧槽,这次肺炎这么厉害的么」。

我开始居家隔离,也观察家里人有没有症状,我自己每天量体温,好好吃饭睡觉保证免疫力。

然后在1月23号看到陕西确诊的一例病例:患者3, 男,22岁,西安市人,1月15-17日于武汉同济医院做牙齿正畸,17日晚返回西安,20日出现发热症状,21日在省传染病医院隔离治疗。

我也看了几天新闻,虽然后面知道潜伏期可能长到10-14天,我依旧没有过分恐慌,一方面我觉得以我免疫缺陷的程度,或者以我平时接触陌生环境都会发热或者过敏的程度,14天已经是99.99%的安全了;另一方面,我觉得自己平时的个人防护已经是一个普通人能做到的全部了,只要病毒不脱离载体传播,我应该是安全的。

02  

我不是有洁癖

从我2018年10月确诊后化疗开始,我戴了460天口罩了。

不只戴口罩,我还多了很多以前完全没有的个人卫生习惯。

因为我的疾病是B细胞淋巴瘤,治疗期间靶向药就把有CD20表达的B细胞都打死了,所以我的血常规里,淋巴细胞百分比永远是低的,除去白细胞之外,免疫系统的淋巴细胞杀手也比正常人少。此外,我还要一直服用抑制免疫的药物来对抗自身免疫疾病。我会经常性的过敏以及在密闭空间面对陌生细菌时发热。

图为柱子哥日常包里的个人防护

所以我要格外注意会让自己暴露在陌生细菌和病毒里的事情,保持稳定的个人卫生习惯:

1. 随身常备免洗洗手液、75%酒精棉片,吃东西或者坐下脱了外套之后一定是要洗手的,用酒精棉片重点擦手指头和指甲

2. 365天戴帽子戴口罩,防晒、防飞沫

3. 家里和外面的东西要分开,回家一定要换了家居服才可以碰床和座椅,酒精棉片擦拭耳机、包和在外面用手摸过的东西,外套挂在阳台上吹,能用除菌喷雾的要喷了之后挂出去,不能用喷雾的材质就挂在那里等着紫外线臭氧灯消毒

4. 去了医院后全套衣服和东西都要消毒和清洗,医院常用的东西和平时用的东西隔离开

5. 外宿的时候带便携除菌喷雾、酒精湿巾、女性护理湿巾、便携热水壶、旅行睡袋、一次性马桶垫、一次性压缩毛巾和浴巾等等,几乎保证我的皮肤不用碰外面的东西

6. 切换环境换口罩,比如我从医院出来要去吃饭了,那么饭后我一定是换口罩的,装口罩的塑料包装裹着弃用的口罩丢掉

7. 经常酒精棉片擦手机,手机比我的手还脏,从睁眼睛一直到睡着都不离手,去过各种环境,怎么擦都不为过

8. 外出就餐用酒精棉片擦擦或者用便携紫外线消毒餐具灯(后未长期坚持),随身带漱口水

9. 尽量让自己处在通风环境中,我卧室的窗户几乎没关过,24小时通风

我想这是我从13号武汉就医回来至今安全的原因之一,个人防护比运气重要。

其实有边界感的个人卫生习惯不仅是对自己负责,更多的是,也不要让自己去影响别人,不把病菌带给别人,这是社会人基本的自律。

03

  不自律就是自私

我也经常遇到不自律的人,在病房里都「拎不清」的人。

我上次住院打靶向药又过敏了,症状之一就是喉咙水肿,我自己有经验,立即打铃让医生给打了抗过敏针。喉咙很痒很难受,就在5人病房摘了口罩透气,和我一样靠墙的病床的老太完全不戴口罩,还一直咳嗽吐痰,去卫生间吐痰也是吐到洗手池里不冲掉。

等我快打好了我看到那个老太的主治医生过来跟她说「我们已经求了呼吸科了把你转过去,重度肺部感染在我们血液科也没法治」,我这才一惊。我问了护士为什么老太不肯戴口罩,她不知道我们整个病房的病人都免疫力低下一旦肺部感染或者肺炎会要命的么,护士也没办法,怎么劝都不听。

该戴口罩不戴的人,自己不管不顾的代价就是让我们同病房的所有病人都被她带到危险的境地里担惊受怕,我们却不能拿她怎么样。

还有该戴口罩认为自己不需要戴的人,付出的代价是自己的生命和家人的爱。

我刚开始两次化疗的时候隔壁床一个病友,在规律的治疗过程间隙不在家养着非要独自去汽修厂给车喷漆,我们打靶向药伤肺不该去这种有害气体浑浊的地方,老头不顾家人反对执意去盯着工人把车子刮蹭处重新喷漆。

没有戴口罩,肺部吸入了莫名气体,再次入院后因肺部感染不能治疗,中断规律治疗后肿瘤反弹,像一颗颗小炸弹从身体里冒出来、凸出来,肚皮上一个个鼓包,像是把他吸干了,最后瘦成一身骨头,我眼睁睁看着他戴着氧气面罩过世了。

我那才知道,原来人死的时候,喉咙最后的「咯咯」声就像痰吐不出来黏在那里一样。

自私鬼嘴上说着「关你什么事」「爱咋咋地」,口嗨过后买单的从来都是别人。

麻痹大意带来的惋惜最后都会变成气急败坏的恨意。

举手之劳都不肯的防护最后都会变成后悔不迭的侥幸。

04

一些比喻

很多倔强的老人好像对心肺功能衰弱或者肺炎的感受完全没体会过,所以觉得不是什么难受的大事。

那我来做几个比喻吧。

心肺功能差的时候,你爬一层楼肺就感觉胸口被撑爆了,血气上涌,头晕力竭,缺氧,像被压缩袋的那个抽气筒最后一下抽干一样。

肺炎的时候,像是有人捏住了你的喉咙不能呼吸,只能从气球一小处针眼冒一点气出来,整个人想被压缩了一样,肺从两个轻快柔软膨大缩小的气球变成了挂满泥浆无力伸缩的水球。

咳嗽却咳不出痰来的时候,就像你一口吃了一把茎杆很长的茼蒿菜,无论你怎么咀嚼,粗烂却嚼不断的纤维就横亘在喉咙那里,拔不出来咽不下去,甚至合不上嘴。

发热不退的时候,你会感觉自己是块捂在电热毯里的大块雪糕,反反复复感觉自己被融了之后,醒来发现自己其实是煮在火锅里的金针菇,怎么煮,这肉身都出不去。

畏寒的时候,你会感觉自己是被从室外拎进屋的冻柿子,泡在自来水里,好像靠着暖器片,又好像,全身泄没了热气,绷紧的身体也囊了。

体感的变化是个断崖的过程。

我为什么知道这些感受呢?

我自己和我的病友们经历过。

最让我遗憾的事情之一是,我爷爷80岁的时候是个健康的老头,不听劝感冒加重病毒性肺炎,在我大四那年过世了。

05

保护和被保护

舆论的分流我看了很多,也不认同任何地图炮。

我始终坚持自己的观点,人类从来不是战无不胜的,甚至人类也很脆弱,吃了细菌病毒,成了宿主,再被细菌分解或被病毒反噬。

这场对立是人类和病毒两个物种的对立,不是不幸感染的人和幸运避开的人,不是武汉人和其他省份的人。

是我们和病毒。

在疾病面前,我们都是承受方。

由于知情权的缺失,大部分离开武汉的人根本不知道自己处在怎样的环境下。直到专家出来讲,我们才知道病毒还有潜伏期,潜伏期也是传染的。

一小部分人招惹的是非,我们集体承受和面对。

一部分人惊慌失措的逃离,我希望能做到自觉和善意。

除了神化个人英雄主义和医生的牺牲付出,除了针砭时弊,除了被情绪裹挟,我相信我们没有被派什么角色的普通人,安心做一个自律的老百姓保护好自己也很好,也许我们就是储备力量,总有什么事我们也能帮得上忙。

反观我们易感人群,我们这些一旦感染病毒很可能扛不过去的病人也不总是被保护的人,我们中很多人也站出来站在最前面保护大家。

我的淋巴瘤病友里,有人是医生,有人是护士,有人是检验检疫人员,有人是疾控中心工作人员。

他们比普通居家防护的人冒着更大的风险工作在一线。

一个还在治疗中的淋巴瘤病友刘赤赤,在一线调配医疗物资,他让我带一句话给大家:

「大家无需过度担心,心态放平和,做好适当的个人防护就可以有效杜绝传染。从官方渠道获取正确的防控信息,不传谣不信谣,请相信奋战在一线的医护人员和疾控人员,我们一定会全力以赴!」

     不断更新资源

     获取更多精彩

长按二维码扫码关注

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【5层】2800平米框架商务写字楼毕业设计(含计算书,建筑、结构图) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 、6可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值