摘要 目的 抗癫痫和抗心律失常药物抑制电压门控钠 (Na +) 通道 (VGSC),临床前研究表明这些药物可减少肿瘤生长、侵袭和转移。我们研究了乳腺癌、肠癌和前列腺癌患者使用 VGSC 抑制剂与生存期之间的关联。设计回顾性队列研究。设置从临床实践研究数据链接中提取的个人电子初级医疗保健记录。参与者 132 996 名被诊断为乳腺癌、肠癌或前列腺癌的患者的记录。结果测量调整后的 Cox 比例风险回归用于分析与接触 VGSC 抑制剂相关的癌症特异性生存期。还考虑了非 VGSC 抑制抗癫痫药物和其他非 VGSC 阻滞剂的暴露。药物暴露被视为时变协变量,以解释永恒时间偏差。结果 在 1 002 225 人年的随访中,共有 42 037 人死于癌症。53 724 名(40.4%)癌症患者至少开过一次 VGSC 抑制剂处方。癌症死亡风险的增加与接触此类药物有关(HR 1.59,95% CI 1.56 至 1.63,p<0.001)。这适用于 VGSC 抑制三环抗抑郁药(HR 1.61,95% CI 1.50 至 1.65,p<0.001)、局部麻醉药(HR 1.49,95% CI 1.43 至 1.55,p<0.001)和抗惊厥药(HR 1.40,95% CI 1.34 至 1.48,p<0.001),并且在敏感性分析中持续存在。相反,暴露于 VGSC 抑制 1c 类和 1d 类抗心律失常药物与癌症特异性生存率显著提高相关(分别为 HR 0.75,95% CI 0.64 至 0.88,p<0.001 和 HR 0.54,95% CI 0.33 至 0.88,p=0.01)。结论 VGSC 抑制剂的使用与癌症患者死亡率之间的关联因适应症而异。使用 VGSC 抑制性抗心律失常药物(而非抗惊厥药物)支持了临床前数据的结果,即生存率有所提高。然而,这些关联可能还存在其他混杂因素,这凸显了进一步研究的必要性。
摘要:氧与氧气消耗量增加的有限扩散导致大多数固体恶性肿瘤的慢性缺氧。已知这种氧气的稀缺性会诱导辐射势并导致免疫抑制的微环境。碳酸酐酶IX(CAIX)是一种酶,充当低氧细胞中酸性输出的催化剂,是慢性缺氧的内源性生物标志物。这项研究的目的是开发一种放射标记的抗体,该抗体识别出鼠类caix可视化慢性肿瘤模型中的慢性缺氧,并研究这些低氧区域中的免疫细胞群体。将一种抗MCACIS抗体(MSC3)偶联到二乙基三环乙酸乙酸(DTPA),并用依赖二醇标记为111(111英寸)。使用流式细胞仪确定鼠肿瘤细胞上的CAIX表达,并在竞争性结合测定中分析了[111 in] In-MSC3的体外亲和力。进行了体内生物分布研究,以确定体内放射性分布。CAIX +肿瘤分数通过MCAIX微光谱/CT确定,并使用免疫组织化学和自身自显影分析肿瘤微环境。我们表明,[111 in] In-MSC3在体外与表达Caix(Caix +)鼠细胞结合,并在体内积聚在Caix +地区。我们优化了[111 in] In-MSC3用于临床前成像的使用,以便可以将其应用于合成小鼠模型中,并表明我们可以通过Vivo McAix Micropect/CT进行定量区分具有不同CAIX +分数的肿瘤模型。对肿瘤微环境的分析确定这些Caix +区域被免疫细胞浸润较少。这些数据共同表明,McAix Microspect/CT是一种敏感技术,可视化缺氧的Caix +肿瘤区域,在合成小鼠模型中表现出降低免疫细胞的浸润。将来,该技术可能会在针对缺氧或减少缺氧治疗之前或期间可视化CAIX表达。因此,它将有助于优化翻译相关的合成小鼠肿瘤模型中的免疫和放射疗法功效。关键词:碳酸酐酶IX,缺氧,动物成像,免疫学,肿瘤微环境■简介
背景:目的是比较接受各种抗抑郁药 (AD) 治疗的患者和作为对照组的接受氟西汀治疗的患者一年内患 2 型糖尿病 (T2D) 的风险。方法:本研究使用了健康保险审查和评估服务索赔数据库 (n = 1,456,489) 的标准化数据。年龄 ≥10 岁、以前未使用过 AD 且无糖尿病史的患者,无论他们是否被诊断患有抑郁症,均符合本研究的条件。在这些符合条件的患者中,选择 2017 年 1 月至 2017 年 12 月期间首次使用 AD 或从未使用过 AD 的患者进行本研究。我比较了使用各种 AD(三环类 AD 除外)的患者与使用氟西汀作为对照的患者短期(<12 个月)患 2 型糖尿病的风险。使用 Cox 比例风险模型计算风险比 (HR)。结果: 各 AD 组与氟西汀组相比,T2D 发病率的 HR(95% 置信区间)如下:安非他酮 0.84(0.67-1.06,P = .15);噻奈普汀 0.91(0.77-1.07,P = .25);依他普仑 0.91(0.77-1.07,P = .25);帕罗西汀 0.96(0.82-1.13,P = .63);氟伏沙明 0.97(0.70-1.35,P = .87);沃替西汀 1.07(0.85-1.36,P = .55);舍曲林 1.07(0.91-1.25,P = .42); 1.14 (0.99-1.31, P = .07),度洛西汀;1.17 (0.97-1.41, P = .09),米氮平;1.17 (1.00-1.38, P = .05),曲唑酮;1.22 (1.04-1.45, P = .02),文拉法辛;1.29 (1.03-1.61, P = .03),米那普仑。结论:米那普仑和文拉法辛组的短期 2 型糖尿病风险显著高于氟西汀组。除米那普仑和文拉法辛外,所有其他 AD 与氟西汀相比,患 2 型糖尿病的风险均无差异。这些结果表明,临床医生在给患者使用米那普仑和文拉法辛时应注意患 2 型糖尿病的风险。
神经性疼痛管理:第三级护理设置中的处方策略Chethan Kumar JK,1, * Jason Fernandes Jokem,1 Chandralekha N 2和Padmaja UdayKumar 3 1药房实践系,Karavali Pharm College,Karavali Pharmacy,Karnataka,Karnataka,India-India-fordicational offormation of tromegiate of togressati印度卡纳塔克邦芒格洛尔市的曼加罗尔大学 - 575002 3印度卡纳塔克邦曼格雷市穆勒医学院药理学系主管由于其多面性质和患者对治疗的反应,临床管理中的复杂挑战。了解三级护理环境中的处方模式可以为当前的临床实践提供见解,并突出改进领域。目的:神经性疼痛及其管理中处方模式的前瞻性研究。方法:一项前瞻性研究通过了卡纳塔克邦芒格洛尔的三级护理父亲穆勒医学院医院的收集专利数据进行。从2023年5月至2023年10月收集数据,包括患者人群,诊断神经性疼痛和处方信息。使用SPSS软件进行了与患者人口统计相关的处方趋势的统计分析。结果:该研究分析了363个病历,与女性患者相比,男性患者患病率更高(56%)。糖尿病神经病是最常观察到的疾病,占病例的49.04%。治疗和处方模式是基于疼痛,当前状况和患者年龄组的严重程度。受神经性疼痛影响最大的年龄组为39-50岁。单一疗法对40.77%的患者进行(148/363),抗惊厥药是最常见的药物类别(76.2%)。结论:这些发现表明在管理神经性疼痛中对联合疗法和多药的依赖性明显。尽管这些策略与临床指南保持一致,但它们还强调了需要仔细管理以最大程度地减少与多种药物方案相关的风险。未来的研究应着重于优化治疗方案和整合非药物干预措施以改善患者的预后。关键字:神经性疼痛,糖尿病神经性疼痛,住院患者,门诊患者,慢性炎症性脱发脱发多神性,黄色贝克量表,三环抗抑郁药,羟色胺 - 羟色胺 - 诺雷诺蛋白 - 甲肾上腺素 - 磷酸磷脂抑制剂 *
研究设计:回顾性队列。目的:确定(1)血清素再摄取抑制剂对前路颈椎减压融合术 (ACDF) 后假关节发生率的影响,以及(2)确定服用血清素再摄取抑制剂的患者报告的结果指标。文献概述:最近的文献表明,选择性血清素再摄取抑制剂 (SSRI) 可能通过下调成骨细胞分化来抑制骨折愈合。脊柱融合补充富含成骨细胞的物质可增强脊柱融合,因此 SSRI 可能有害。方法:ACDF 术后 1 年动态颈椎 X 光片患者分为血清素再摄取抑制剂处方组(SSRI、血清素-去甲肾上腺素再摄取抑制剂 [SNRI] 或三环类抗抑郁药 [TCA])和无处方组(非典型抗抑郁药或无抗抑郁药)。假关节定义为动态 X 光片上棘突间运动≥1 mm。控制 Logistic 回归模型的混杂因素,分析假关节发生率。Alpha 设置为 p 值 <0.05。结果:在符合纳入标准的 523 名患者中,137 名 (26.2%) 被处方了 SSRI、SNRI 或 TCA。被处方这些药物的患者更有可能患上假关节 (p=0.008),但不太可能因假关节而接受翻修手术 (p=0.219)。此外,这些患者术后 1 年心理成分总结 (MCS)-12 (p=0.015) 和颈部残疾指数 (NDI) (p=0.006) 较差。多元逻辑回归分析显示,SSRI/SNRI/TCA 的使用(优势比 [OR],1.82;95% 置信区间 [CI],1.11–2.99;p=0.018)和结构长度(OR,1.91;95% CI,1.50–2.44;p<0.001)是假关节的预测因素。单变量分析显示,SSRI/SNRI/TCA 处方是邻近节段疾病导致的翻修手术的预测因素(OR,2.51;p=0.035),但在多元逻辑回归分析显示并非如此(OR,2.24;p=0.10)。结论:服用抑制血清素再摄取的抗抑郁药的患者术后结果评分(包括 NDI 和 MCS-12)较差的风险增加,这可能是由于他们潜在的抑郁症状。这可能增加他们接受邻近节段手术的可能性。此外,接受 ACDF 的患者术前使用血清素再摄取抑制剂可以预测放射学假关节,但不能预测假关节修复。
T40.0X4A 鸦片中毒,未确定,初次接触 T40.1X4A 海洛因中毒,非故意,初次接触 T40.2X4A 其他阿片类药物中毒,未确定,初次接触 T40.3X4A 美沙酮中毒,未确定,初次接触 T40.414A 芬太尼或芬太尼类似物中毒,未确定,初次接触 T40.424A 曲马多中毒,未确定,初次接触 T40.494A 其他合成麻醉品中毒,未确定,初次接触 T40.5X4A 可卡因中毒,未确定,初次接触 T40.604A 未指明的麻醉品中毒,未确定,初次接触麻醉品中毒,未确定,初次接触 T40714A 大麻中毒,未确定,初次接触 T40724A 合成大麻素中毒,未确定,初次接触 T40.7X4A 大麻(衍生物)中毒,未确定,初次接触 T40.8X4A 麦角酸二乙酯 [LSD] 中毒,未确定,初次接触 T40.904A 未指明的精神障碍药物 [致幻剂] 中毒,未确定,初次接触 T40.994A 其他精神障碍药物 [致幻剂] 中毒,未确定,初次接触 T42.3X4A 巴比妥类药物中毒,未确定,初次接触 T42.4X4A 苯二氮卓类药物中毒,未确定,初次接触T42.5X4A 混合抗癫痫药中毒,未确定,初次就诊 T42.6X4A 其他抗癫痫药和镇静催眠药中毒,未确定,初次就诊 T42.74XA 未指明的抗癫痫药和镇静催眠药中毒,未确定,初次就诊 T43.014A 三环类抗抑郁药中毒,未确定,初次就诊 T43.024A 四环类抗抑郁药中毒,未确定,初次就诊 T43.1X4A 单胺氧化酶抑制剂抗抑郁药中毒,未确定,初次就诊 T43.204A 未指明的抗抑郁药中毒,未确定,初次就诊 T43.214A 选择性 5-羟色胺和去甲肾上腺素再摄取中毒抑制剂中毒,未确定,初次就诊 T43.224A 选择性血清素再摄取抑制剂中毒,未确定,初次就诊 T43.294A 其他抗抑郁药中毒,未确定,初次就诊 T43.3X4A 吩噻嗪类抗精神病药和神经安定药中毒,未确定,初次就诊 T43.4X4A 丁酰苯和噻噻嗪类神经安定药中毒,未确定,初次就诊 T43.504A 未指明的抗精神病药和神经安定药中毒,未确定,初次就诊 T43.594A 其他抗精神病药和神经安定药中毒,未确定,初次就诊 T43.604A 未指明的精神兴奋剂中毒,未确定,初次就诊安非他明,未确定,初次接触 T43.634A 哌甲酯中毒,未确定,初次接触 T43.644A 摇头丸中毒,未确定,初次接触 T43.694A 其他精神兴奋剂中毒,未确定,初次接触 T43.8X4A 其他精神药物中毒,未确定,初次接触 T43.94XA 未明确的精神药物中毒,未确定,初次接触 T48.0X4A 催产药物中毒,未确定,初次接触 T48.1X4A 骨骼肌松弛剂(神经肌肉阻断剂)中毒,未确定,初次接触 T48.204A 作用于肌肉的未明确药物中毒,意外未确定,初次接触 T48.294A 作用于肌肉的其他药物中毒,未确定,初次接触 T48.3X4A 镇咳药中毒,未确定,初次接触 T48.5X4A 其他抗感冒药中毒,未确定,初次接触初次相遇
AUC = area under the concentration-time curve, Cl or = oral clearance, C ss = plasma concentration in steady state, CTCAE = common terminology criteria for adverse events, FIBSER = Frequency, Intensity, and Burden of Side Effects Rating scale, HAMD-17 = 17-item Hamilton Rating Scale for Depression, HNT = 10-hydroxynortriptyline, IM = intermediate metaboliser (gene dose 0.25-1) (decreased CYP2D6 enzyme activity), MR = metabolic ratio, NM = normal metaboliser (gene dose 1.25-2.5) (normal CYP2D6 enzyme activity), NS = non-significant, NT = nortriptyline, PM = poor metaboliser (gene dose 0) (absent CYP2D6 enzyme activity), S = significant, SmPC = Summary of Product Characteristics, t 1/2 = half-life, TCA = tricyclic antidepressant, TDM = therapeutic drug monitoring, UM = ultra- rapid metaboliser (gene dose 2.75) (increased CYP2D6 enzyme activity) Disclaimer : The Pharmacogenetics Working Group of the KNMP formulates the optimal recommendations for each phenotype group based on the available 证据。如果由于实际限制而无法遵循此最佳建议,例如无法获得治疗药物监测或较低剂量,医疗保健专业人员应考虑下一个最佳选择。选择的简要摘要和选择:Nortriptyline主要由CYP2D6代谢到活性代谢物E-10-羟基曲替林。该代谢物大约是诺特林林本身的一半,但是诺特替林的治疗范围仅基于氯替林浓度(50-150 ng/ml)。NORTRIPTYLINE由CYP2D6和CYP2C19转换为非活性代谢产物脱甲基硝酸triptyline。但是,这在11个UM的研究中无法证实。遗传变异可能会导致CYP2D6酶活性降低(中间代谢剂(IM)),不存在CYP2D6酶活性(代谢剂(PM)较差)或CYP2D6酶活性(Ultra-Rapid meta-leta-leta-leta-leta-leta-leta-leta-likersers(um))。动力学研究表明,CYP2D6基因变异患者的诺三丁字林暴露差异(Ganesh 2021,Hodgson 2014,Lee 2006,Murphy 2001,Murita 2001,Morita 2000,Yue 1998,Dalen 1998和Dalen 1998和Dahl 1996)。此外,VOS 2023还发现了基因型引导的治疗,以减少治疗性血浆浓度的时间,尽管Van der Schans 2019,不包括NM,仅在治疗开始后大约2周就开始进行基因型指导治疗,但并未进行。病例报告表明,PM和IM中有毒血浆浓度和不良事件的风险增加(Lee 2004; Chen 1996和Bertilsson 1981)。然而,这在20个IM和20 pm(Hodgson 2015)的研究中无法证实这一点,对10 IM和3 pm的研究(BERM 2016)和4点的研究(Roberts 2004)。案例报告表明,UM的血管造成血浆浓度和无效性的风险增加(Bertilsson 1993)。由于氯丁替林的治疗范围狭窄,因此expo的变化可能会带来治疗后果。出于这个原因,尽管Lite的证据有矛盾的证据,但KNMP药物遗传学工作组决定存在基因 - 药物相互作用,并且PM,IM和UM需要剂量调整(是/是/是相互作用)。根据氯替林的AUC或CSS计算每个CYP2D6表型剂量调整的建议。Ther Drug Monit 1985; 7:478-80。pm:根据5个研究(VOS 2023,Ganesh 2021,KVIST 2001,Dalen 1998和Dahl 1986)的总共41 pm调整的计算剂量调整的加权平均值是将正常剂量的35%(30%-41%;平均38%)降低到35%。在临床实践中,这将被舍入到40%。进行剂量调整时应监测有效性和副作用和/或血浆浓度。im:基于9个研究中总共215次IM(VOS 2023,Ganesh 2021,Lee 2006,Lee 2006,KVIST 2001,Murphy 2001,Murphy 2001,Morita 2000,Dalen 1998,Dalen 1998,Yue 1998和Dahl 1986)的加权平均值(VOS 2023,Ganesh 2021,Lee 2006,Murphy 2001,Morita 2001)是剂量减少到61%的剂量剂量(36%%)(36%)(36%)。在临床实践中,这将被舍入到60%的范围内。进行剂量调整时应监测有效性和副作用和/或血浆浓度。um:基于5个研究的总共18个UM(VOS 2023,GANESH 2021,LEE 2006,KVIST 2001和DALEN 1998)的总体加权平均值是剂量增加到正常剂量的174%(130%-130%-185%;中位数170%)。在临床实践中,这将被舍入至170%。进行剂量调整时应监测有效性和副作用和/或血浆浓度。由于UMS的调整很困难(Bertilsson L等。脱勃斯喹的极快羟基化:案例报告,对用氯蒂林和其他三环类抗抑郁药的治疗含义。PMID:4082245)和心毒性代谢物可以累积(Bertilsson 1985),com-
通常,使用各种方法(例如非线性控制和最佳控制)开发了导弹指导和控制系统。它们由指导和控制组成,并已单独开发。先前的研究是在指导循环与控制循环之间没有耦合的前提下进行的。在Ref [1]中,为导弹控制设计了三环结构,并通过线性二次调节器得出了控制增益。ref [2]使用后替式技术,并结合了状态重建和神经网络以增强鲁棒性。ref [3]使用非线性滑动模式控制(SMC)技术来避免聊天问题,并根据边界层厚度分析E ff ect。尽管先前研究的表现令人满意,但是设计和整合指导和控制是复杂而昂贵的。另外,由于快速的几何变化或系统的稳定性,控制器无法遵循加速命令。解决这些问题,是一种同时处理指导和控制的集成指导和控制方法(IGC)。参考。 [4,5]定义了导弹的动力学,并基于模型预测控制(MPC)进行了IGC研究。 参考。 [6]设计了SMC,以最大程度地减少零-E ff ort-ort-biss(ZEM),即已知目标的操纵加速度的前提。 参考。 [7]开发了IGC系统,该系统通过将SMC技术与强大的干扰观察者相结合,可以使干扰可靠。参考。[4,5]定义了导弹的动力学,并基于模型预测控制(MPC)进行了IGC研究。参考。 [6]设计了SMC,以最大程度地减少零-E ff ort-ort-biss(ZEM),即已知目标的操纵加速度的前提。 参考。 [7]开发了IGC系统,该系统通过将SMC技术与强大的干扰观察者相结合,可以使干扰可靠。参考。[6]设计了SMC,以最大程度地减少零-E ff ort-ort-biss(ZEM),即已知目标的操纵加速度的前提。参考。 [7]开发了IGC系统,该系统通过将SMC技术与强大的干扰观察者相结合,可以使干扰可靠。参考。[7]开发了IGC系统,该系统通过将SMC技术与强大的干扰观察者相结合,可以使干扰可靠。参考。 [8]考虑了观察目标状态的带状搜索者的视野。 参考。 [9]考虑了末端冲击角,以增强截距的E ff效果。 参考。 [10]进行了一项研究,以使用两个快速和缓慢的控制器来应对快速的几何变化。 尽管总体研究产生了令人满意的表现,但他们也没有考虑使用噪音损坏的观察。 为了减轻这个问题,深入的加强学习(DRL)正在吸引人们作为一种新方法。 DRL是增强学习的领域,它结合了深层的神经网络和增强学习算法,因此代理商与环境互动并以最大的奖励学习了政策。 这种方法在没有预定义的解决方案的情况下解决了解决问题的巨大潜力,并已用于导弹指导和控制系统。 Ref [11]进行了一项研究,以使用深层确定性策略梯度(DDPG)技术替换导弹态度控制器。 参考。 [12]试图使用2D运动学中的DDPG技术替换现有的指导技术。 但是,基于DRL的研究并未在IGC系统中积极进行。 在这项研究中,为了克服上述研究的局限性,我们提出了基于DRL的集成指导和控制法。 此方法通过将指导和控制纳入策略网络而进行。 为此,导弹参考。[8]考虑了观察目标状态的带状搜索者的视野。参考。 [9]考虑了末端冲击角,以增强截距的E ff效果。 参考。 [10]进行了一项研究,以使用两个快速和缓慢的控制器来应对快速的几何变化。 尽管总体研究产生了令人满意的表现,但他们也没有考虑使用噪音损坏的观察。 为了减轻这个问题,深入的加强学习(DRL)正在吸引人们作为一种新方法。 DRL是增强学习的领域,它结合了深层的神经网络和增强学习算法,因此代理商与环境互动并以最大的奖励学习了政策。 这种方法在没有预定义的解决方案的情况下解决了解决问题的巨大潜力,并已用于导弹指导和控制系统。 Ref [11]进行了一项研究,以使用深层确定性策略梯度(DDPG)技术替换导弹态度控制器。 参考。 [12]试图使用2D运动学中的DDPG技术替换现有的指导技术。 但是,基于DRL的研究并未在IGC系统中积极进行。 在这项研究中,为了克服上述研究的局限性,我们提出了基于DRL的集成指导和控制法。 此方法通过将指导和控制纳入策略网络而进行。 为此,导弹参考。[9]考虑了末端冲击角,以增强截距的E ff效果。参考。 [10]进行了一项研究,以使用两个快速和缓慢的控制器来应对快速的几何变化。 尽管总体研究产生了令人满意的表现,但他们也没有考虑使用噪音损坏的观察。 为了减轻这个问题,深入的加强学习(DRL)正在吸引人们作为一种新方法。 DRL是增强学习的领域,它结合了深层的神经网络和增强学习算法,因此代理商与环境互动并以最大的奖励学习了政策。 这种方法在没有预定义的解决方案的情况下解决了解决问题的巨大潜力,并已用于导弹指导和控制系统。 Ref [11]进行了一项研究,以使用深层确定性策略梯度(DDPG)技术替换导弹态度控制器。 参考。 [12]试图使用2D运动学中的DDPG技术替换现有的指导技术。 但是,基于DRL的研究并未在IGC系统中积极进行。 在这项研究中,为了克服上述研究的局限性,我们提出了基于DRL的集成指导和控制法。 此方法通过将指导和控制纳入策略网络而进行。 为此,导弹参考。[10]进行了一项研究,以使用两个快速和缓慢的控制器来应对快速的几何变化。尽管总体研究产生了令人满意的表现,但他们也没有考虑使用噪音损坏的观察。为了减轻这个问题,深入的加强学习(DRL)正在吸引人们作为一种新方法。DRL是增强学习的领域,它结合了深层的神经网络和增强学习算法,因此代理商与环境互动并以最大的奖励学习了政策。这种方法在没有预定义的解决方案的情况下解决了解决问题的巨大潜力,并已用于导弹指导和控制系统。Ref [11]进行了一项研究,以使用深层确定性策略梯度(DDPG)技术替换导弹态度控制器。参考。 [12]试图使用2D运动学中的DDPG技术替换现有的指导技术。 但是,基于DRL的研究并未在IGC系统中积极进行。 在这项研究中,为了克服上述研究的局限性,我们提出了基于DRL的集成指导和控制法。 此方法通过将指导和控制纳入策略网络而进行。 为此,导弹参考。[12]试图使用2D运动学中的DDPG技术替换现有的指导技术。但是,基于DRL的研究并未在IGC系统中积极进行。在这项研究中,为了克服上述研究的局限性,我们提出了基于DRL的集成指导和控制法。此方法通过将指导和控制纳入策略网络而进行。为此,导弹