XiaoMi-AI文件搜索系统
World File Search System严重程度
功能性脑网络稀疏分层表征学习用于预测自闭症严重程度
机器学习算法已广泛应用于自闭症谱系障碍 (ASD) 的诊断工具，揭示了大脑连接的改变。然而，对于基于磁共振成像 (MRI) 的大脑网络是否与大规模队列中的 ASD 症状严重程度有关，人们知之甚少。我们提出了一个基于图卷积神经网络的框架，可以生成稀疏分层图表示以表示功能性大脑连接。我们没有为每个节点分配初始特征，而是利用特征提取器来导出节点特征，并将提取的表示输入到分层图自注意框架中，以有效地表示整个图。通过在特征提取器中结合连接嵌入，我们提出了邻接嵌入网络来表征大脑连接的异构表示。我们提出的模型变体优于具有不同配置的邻接嵌入网络和功能连接矩阵类型的基准模型。使用这种方法和最佳配置（用于节点定义的 SHEN 图集、用于连接性估计的 Tikhonov 相关性和身份邻接嵌入），我们能够以有意义的准确度预测单个 ASD 严重程度：预测和观察到的 ASD 严重程度评分之间的平均绝对误差 (MAE) 和相关性分别为 0.96 和 r = 0.61（P < 0.0001）。为了更好地理解如何生成更好的表示，我们使用典型相关分析研究了提取的特征嵌入和基于图论的节点测量之间的关系。最后，我们对模型进行了可视化，以确定对预测 ASD 严重程度评分最有贡献的功能连接。
Covid-19的微生物丢失：双歧杆菌，粪便核酸杆菌耗竭和与SARS-COV-2感染严重程度相关的微生物组多样性降低
摘要目的研究目标是比较SARS-COV-2 PCR阳性患者的肠道微生物组多样性和组成，其症状从无症状到严重的暴露对照范围从无症状到严重的暴露对照。使用横截面设计的设计，我们在凳子样品上进行了shot弹枪测序，以评估两名患有SARS-COV-2 PCR-2 PCR-2固定感染的患者的肠道微生物组组成和多样性，该感染已向2020年3月至2020年3月至2021年3月至2021年3月的Ventura临床试验提供了临床试验。患者根据国家卫生标准，将患者分类为无症状或患有轻度，中度或重度症状。暴露的对照是与患有SARS-COV-2感染或样本的患者（例如患者或前线医疗保健工作者的家庭成员）密切接触的个体。比较了所有分类学水平的患者和暴露对照组之间的微生物组多样性和组成。与对照组相比（n = 20），严重症状的SARS-COV-2感染患者（n = 28）的细菌多样性明显降低（Shannon指数，P = 0.0499； Simpson Index，p = 0.0581），阳性患者的阳性患者的总丰度较低，而BifiDobib = 70001），P <0.0001），P <0.0001），P <0.0001）acecater actteriib actteriib actteriib actecterib acterib ececaliib actecterib act。 （p = 0.0327），同时增加了杀菌剂（p = 0.0075）。有趣的是，疾病的严重程度与同一细菌的丰度之间存在反向关联。试验注册号NCT04031469（PCR-）和04359836（PCR+）。结论我们假设在感染之前或之后，双歧杆菌属的细菌多样性低和耗竭导致降低了肿瘤功能，从而使SARS-COV-2感染变得有症状。这种特殊的营养不良模式可能是SARS-COV-2感染的有症状严重程度的敏感性标记，并且可能适合于预感染，肠内感染或感染后干预。
疾病和经济负担随着全身性狼疮的严重程度而增加，诊断前后1年：一项现实世界中的同类研究，美国，2004- 2015年，
摘要目标是在诊断前后1年评估美国疾病严重程度的SLE患者的经济负担。在2005年1月至2014年12月之间，从与电子病历（EMRS）链接的行政商业索赔数据中鉴定出了≥18岁的患者，并在2005年1月至2014年12月之间进行了首次SLE诊断（指数日期）。使用基于索赔的算法和EMR数据将诊断后一年中的疾病严重程度归类为轻度，中度或重度。 医疗保健资源利用率（HCRU）和全因医疗保健费用（2017年US $）在诊断前和诊断后进行了1年。 广义线性建模检查了索引后1年以上的全因费用，调整了基线人口统计，临床特征，查尔森合并症指数和1年诊断前成本。 2227例患者的结果为26.3％，中度为51.0％，重度为22.7％。 与诊断前的轻度SLE相比，中度和重度SLE的患者的平均每个患者成本更高：轻度$ 12 373，中度$ 22 559和严重的39 261美元（p <0.0001）；诊断后1年：温和$ 13 415，中度$ 29 512和严重的68 260美元（p <0.0001）。 领先的平均成本驱动因素是门诊就诊（13 566美元）和住院（10 252美元）。 与轻度SLE（12.8％）相比，严重（51.2％）和中度（22.4％）SLE的患者（51.2％）和中度（22.4％）的患者（12.8％）的患者诊断后住院（≥1）更高，平均住院时间更长：温和0.47天，中度中度1.31天，严重的5.52天（p <0.0001）（p <0.0001）。 早期的诊断和治疗可能会改善健康结果，并降低HCRU和成本。使用基于索赔的算法和EMR数据将诊断后一年中的疾病严重程度归类为轻度，中度或重度。医疗保健资源利用率（HCRU）和全因医疗保健费用（2017年US $）在诊断前和诊断后进行了1年。广义线性建模检查了索引后1年以上的全因费用，调整了基线人口统计，临床特征，查尔森合并症指数和1年诊断前成本。2227例患者的结果为26.3％，中度为51.0％，重度为22.7％。与诊断前的轻度SLE相比，中度和重度SLE的患者的平均每个患者成本更高：轻度$ 12 373，中度$ 22 559和严重的39 261美元（p <0.0001）；诊断后1年：温和$ 13 415，中度$ 29 512和严重的68 260美元（p <0.0001）。领先的平均成本驱动因素是门诊就诊（13 566美元）和住院（10 252美元）。诊断后住院（≥1）更高，平均住院时间更长：温和0.47天，中度中度1.31天，严重的5.52天（p <0.0001）（p <0.0001）。早期的诊断和治疗可能会改善健康结果，并降低HCRU和成本。结论HCRU和诊断后一年和之后的疾病严重程度随疾病的严重程度的增加；诊断后领先的成本驱动因素是门诊和住院治疗。
用于 COVID-19 严重程度监测的表面等离子体共振成像 (SPRi) 和光子集成电路 (PIC)
摘要：直接光学检测方法，例如表面等离子体共振成像 (SPRi) 和基于光子集成电路 (PIC) 的生物传感器，可实时快速无标记检测 COVID-19 抗体。每种技术，即 SPRi 和 PIC，在吞吐量、小型化、多路复用、系统集成和具有成本效益的大规模生产方面都有优点和缺点。然而，这两种技术在传感机制方面有相似之处，都可以用作护理点或护理点附近的高含量诊断，其中分析物不仅被量化，而且被全面表征。这很重要，因为最近的结果表明，不仅三种同型 IgM、IgG 和 IgA 的抗体浓度，而且结合强度（亲和力）都可以指示潜在的 COVID-19 严重程度。具有高滴度低亲和力抗体的 COVID-19 患者与疾病严重程度有关。从这个角度来看，我们提供了一些见解，说明如何有效结合 SPR 和 PIC 技术并相互补充，以全面监测 COVID-19 严重程度。这为立即做出治疗决定开辟了一条途径，使患者在感染的早期阶段得到治疗，从而大大降低病情发展为严重阶段的风险。
根据新冠疫情严重程度采取经济政策措施重塑医疗保健行业：一项全球研究
摘要：世界各国政府都在寻找方法来管理 COVID-19 的经济后果并促进经济发展。本研究的目的是确定哪些领域可以应用经济政策措施来增强社会对流行病风险的抵御能力。我们使用了大量国家 COVID-19 大流行结果的数据。通过对多个计量经济模型的估计，我们确定了适合进行经济政策干预的领域。研究发现，可以确定值得采取的可行补救措施，无论是长期、中期还是短期，都会影响平等、医疗保健部门和国民经济特征。我们建议鼓励基于与医疗保健、制药和生物技术行业相关的创新技术的研究和开发，促进基于新技术的医疗保健系统转型，提供获得优质医疗保健的机会，促进公共医疗保健提供者，并投资于区域医疗保健基础设施的发展，作为基于经济评估的平等区域发展的工具。此外，本研究的核心要素，即创新识别矩阵，可以作为一个独特的政策框架，用于应对最新的流行病或未来的任何类似疫情。
三尖瓣反流：了解病理生理学，严重程度分级和结果的最新进展
从修改的视图或2D经透过食管超声心动图（TOE）经胃中短轴视图或使用任何一种模态的3D体积渲染的等效物上对任何2D经胸超声心动图（TTE）进行。在该术语建议中，深层压痕和真实的委员被认为是与之相同的，并用于识别超级传单。可以通过这样的观察结果证明，在传单中两个褶皱或真实的连击都伴随着沿着小叶边缘的弦数，并创建了潜在的位点，以使小叶边缘发生障碍。然后由以下方式定义了一个单独的小叶：（i）从邻近的传单中独立运动，（ii）收缩中的彩色多普勒流动延伸到小叶周围的区域。四个主要类传单的流行形态如图2所示：I型是经典的3叶形态。 II型是2叶的形态，并具有前后和后叶的融合； III类型是基于第四个传单的位置的4叶型配置。 IV型具有> 4个传单。
COVID-19 mRNA 疫苗接种、ABO 血型和大型医疗系统中自我报告的反应原性的严重程度：一份跨部门的简要报告
COVID-19 信使 RNA (mRNA) 疫苗的迅速推出，很大程度上得益于美国国立卫生研究院疫苗研究中心工作人员的现有研究，以及针对通用冠状病毒的“原型冠状病毒疫苗”的制备 [5]。虽然 mRNA 疫苗制造技术和专门知识的开发多年来一直在悄然进步，但公众对辉瑞和 Moderna 的 COVID-19 疫苗的接受度褒贬不一，因为他们不熟悉这项技术，也对疫苗的研究途径和副作用缺乏认识。虽然在临床前试验中看到了显著的疫苗反应原性，但人们对导致个体之间反应原性差异的原因有很多猜测。 2020 年 12 月，辉瑞 [6] 和 Moderna [7] 的 mRNA COVID-19 疫苗上市后不久，有传闻称不同 ABO 血型的人似乎对疫苗接种的反应原性程度不同。反应原性的频率和严重程度似乎与他们的血型有关，其中 A 血型的人比 O 血型的人有更严重的副作用。
原创研究阻塞性睡眠呼吸暂停严重程度对儿童脑白质完整性和认知功能的影响：
1 首都医科大学附属北京儿童医院、国家儿童保健中心耳鼻咽喉头颈外科，北京，中华人民共和国；2 北京交通大学计算机与信息技术学院，北京，中华人民共和国；3 首都医科大学附属北京儿童医院、国家儿童保健中心呼吸科，北京，中华人民共和国；4 首都医科大学附属北京儿童医院、国家儿童保健中心放射科，北京，中华人民共和国；5 首都医科大学附属北京儿童医院、国家儿童保健中心北京市儿科研究所、耳鼻咽喉头颈外科儿童疾病北京市重点实验室，北京，中华人民共和国；6 首都医科大学附属北京儿童医院、国家儿童保健中心神经康复科，北京，中华人民共和国； 7 首都儿科研究所儿童医院耳鼻咽喉科，北京，中国；8 北京航空航天大学工程医学院，北京精准医学大数据高精尖创新中心，北京，中国；9 中华人民共和国工业和信息化部大数据精准医学重点实验室（北京航空航天大学），北京，中国
预测失语症患者的严重程度 - AphasiaBank
摘要 — 语言病理学家需要准确评估失语症 (PWA) 患者的严重程度，以设计和提供最佳治疗方案。目前，严重程度由经验丰富且训练有素的临床医生手动评估，而这越来越少，需要花费大量时间资源。通过分析三种话语引出方法的记录，本研究结合自然语言处理 (NLP) 和机器学习 (ML) 来预测 PWA 的严重程度，包括分数和严重程度级别。通过从 PWA 任务中设计语言特征，非结构化 k 均值聚类呈现不同的失语症类型，显示所选特征的有效性。我们开发了回归模型来预测严重程度分数以及按级别（轻度、中度、重度和非常严重）对严重程度进行分类，以帮助临床医生轻松计划和监控治疗过程。我们最好的 ML 回归模型使用深度神经网络，平均绝对误差 (MAE) 为 0.0671，均方根误差 (RMSE) 为 0.0922。我们的最佳分类模型使用随机森林，总体准确率为 73%，轻度准确率最高为 87.5%。我们的结果表明，使用 NLP 和 ML 是一种准确且经济有效的方法来评估 PWA 的严重程度，从而帮助临床医生确定康复程序。
睡眠效果周期障碍增加了糖尿病患者的Covid-19严重程度的风险
在本文中，我们探讨了昼夜节律破坏的风险，并对Covid-19期间糖尿病患者的睡眠唤醒周期产生影响。睡眠持续时间和质量与葡萄糖水平的稳定性之间的关联是良好的。因此，在大流行期间，暴露于循环提示中的变化和局限性，这些提示吸收了昼夜节律，例如浅黑色和社交互动，我们假设昼夜节律节奏的力量和稳定性会降低，如果措施不采取措施有意识地造成包括Zeitgebers在内的常规的措施。知道睡眠 - 吸引周期破坏会损害褪黑激素的产生，免疫系统的反应和葡萄糖代谢，并且糖尿病患者在被SARS-COV-2感染感染时（尤其是如果血糖不超出目标），对预后不良的风险较高，我们建议这些人对这些人进行适当的态度，以保持良好的态度，以保持良好的态度。关键字：糖尿病；冠状病毒感染；大流行；昼夜节律；睡眠障碍；昼夜节律； SARS病毒。