《儿科》PEDIATRICS

儿童应有更多玩耍时间

美国儿科学会(AAP)发布的一份新报告建议儿童医生给孩子们开“玩耍药方”——与父母有发展性地适当玩耍，可以增强孩子们的社会情感、认知水平、语言能力和自我调节能力，从而增强其大脑结构和功能的发育。做游戏也有助于减少压力，加强彼此的联系。

该报告显示，在过去的30年里，孩子们做游戏的时间减少了25%，而使用电子设备娱乐的孩子数量却显著增加。报告作者说：“做游戏在减轻压力、提高学业技能、帮助培养可以对抗恶性压力和提高心理弹性的人际关系方面，有着不可替代的作用。”　本研究并没有具体探索孩子们需要自由玩耍的确切时间。但相比于给孩子说书讲故事，哪怕只有15分钟的自由玩耍时间也更能降低他们的压力水平，这表明孩子们应该有机会探索属于自己的玩耍方式。

《柳叶刀·全球健康》THE LANCET Global Health

全球四分之一人口身体活动不足

根据世界卫生组织9月5日发布的一项最新研究，2016年全球超过四分之一(约14亿)的成年人身体活动不足，这使他们罹患心血管疾病、II型糖尿病、痴呆症以及一些癌症的风险增加。

高收入国家成年人身体活动不足的人群比例是低收入国家的2倍多。活动不足的比例较高可能是由于人们更多从事久坐的工作，并且更多使用汽车出行;而低收入国家的人们在工作或出行时往往进行更多身体活动。这项新研究基于来自168个国家和地区、约190万18岁及以上人口自我报告的身体活动调查数据。研究者发现，高收入国家身体活动不足的人群比例增幅最大，从2001年的32%增加到2016年的37%;而东亚和东南亚国家这一比例降幅最大，从2001年的26%下降到2016年的17%，这很大程度上得益于全球人口第一大国中国对身体活动越来越重视。该研究建议各国政府维护并提供更多相关基础设施，以鼓励人们多步行或骑自行车出行，并积极参加体育和娱乐活动。

《生物医学中心·传染病》BMC

机场安检托盘病毒数量最多

芬兰与英国研究人员在赫尔辛基机场的安检用塑料托盘、零售支付终端、楼梯、入境护照检查台、儿童游乐场、卫生间等处的抽样样本中，检测出了不同程度的病毒污染。检测到的病毒包括：可引起感冒的鼻病毒，甲型流感病毒，可诱发呼吸道、胃肠道、尿道和膀胱、眼、肝脏等感染的腺病毒以及可导致呼吸系统感染的冠状病毒等。

令人意想不到的是，在安检托盘中发现的病毒数量最多。这是因为几乎所有旅客都要使用安检托盘，病毒污染的几率较大。研究人员指出，洗手和其他良好的个人卫生习惯是预防病毒感染的关键，建议机场旅客安检后立即洗手。研究者建议，预防病毒感染最重要的方法是洗手，咳嗽时不要用手去捂嘴，而应该用手帕、一次性纸巾，甚至是袖子。

《美国科学院学报》PNAS

女性心脏病患者由女医生救治存活率更高

美国一项大型医学研究显示，心脏病发作紧急送医后，女性患者如果由女医生实施救治，其存活率要大于那些由男医生救治的女患者。通常来说，心脏病发作(急性心肌梗死)被送至医院急救的患者中，死亡率大约为12%。而据哈佛大学等机构对1991~2010年间超过50万例病例数据进行分析后发现，患者与救治医生之间的性别匹配“事关生死”：女性患者如果由女医生实施急救，其死亡率会在此基础上下降5.4%。为何女性患者由女医生救治生存几率更大?研究人员认为，这可能因为急救过程中，女医生能更好识别女患者的各种心肌梗死症状。另一方面，急救过女性急性心肌梗死患者数量越多的男医生，救治生存几率也会相应更高一些。这表明，男医生需要靠救治更多女性患者来积累针对女性患者的特殊救治经验。研究人员说，美国医院急救系统中男医生比例要明显高于女医生，因此从长远来看，最简单有效的举措是着力提高急救体系中女医生比例。

《科学》Science

全球变暖将显著改变陆地生态系统

一个国际研究小组的最新研究表明，如果温室气体排放没有大幅减少，地球上大多数陆地生态系统都面临着发生“重大变化”的风险。这项耗时5年完成的研究中，科学家收集并评估了全球594个地点的花粉和植物化石记录，这些地点来自除南极洲以外的所有大陆。这是首次利用古生态数据来预测全球范围内未来生态系统变化的规模。研究者认为，由于后冰河期与现代的变暖程度相似，二者之间的比较提供了“对未来气候情景下，地球将面临生态变化的保守估计”。

研究者通过比较发现，随着气温上升，生态系统发生更多变化的风险越来越大。他们总结到：在一切照旧的排放情况下，大规模植被变化的概率大于60%。相比之下，如果温室气体排放量降低到2015年巴黎协议的目标水平，大规模植被变化的可能性低于45%。这一结果不仅仅是假设的。美国西部和西南部的森林退化和大规模的野火正在改变地貌。

《自然》nature

神经网络可帮助预测余震出现地点

人类当前的科技水平尚无法预测地震的到来。但在大地震发生后，估计后续余震发展趋势，也是人们非常关心的问题。科学家认为，余震是对大地震导致的地震应力变化的一种响应，现有的实证定律可用来描述余震的规模和频次。但解释并预测发生余震的地点，同样相当有难度。此前，一种名为“库仑破裂应力变化”(基于地震期间应力向周围的迁移)的因子常被用来解释发生余震的地点，但这种算法中，有一些问题尚待探讨。

美国康涅狄克大学研究人员利用13.1万多组地震及其余震的配对数据，训练了一种神经网络。研究团队发现，他们的神经网络能在包含3万多组“地震-余震”的独立数据集中，识别并解释余震出现地点的模式，且比库仑破裂应力变化的准确度更高。本结果展示了深度学习方法可提高余震预报的准确度，并为进一步了解地震激发机制提供了新见解。