XiaoMi-AI文件搜索系统
World File Search System严重程度
预测印度尼西亚心力衰竭患者的严重程度和再入院风险：一种机器学习方法
目标：在印度尼西亚，心力衰竭患者（HF）的预后不良和高医院再入院率尚未受到关注。但是，机器学习（ML）方法可以帮助缓解这些问题。我们旨在确定哪种ML模型最能预测的HF严重程度和医院再入院，并可以用于患者自我监测移动应用。方法：在一项回顾性队列研究中，我们在2020年，2021年和2022年收集了HF接受HF的患者数据。使用橙色数据挖掘分类方法分析数据。ML支持算法，包括人工神经网络（ANN），随机森林，梯度增强，幼稚的贝叶斯，基于树的模型和逻辑回归用于预测HF严重性和医院再入院。使用曲线（AUC），准确性和F1得分下的区域评估了这些模型的性能。结果：在543例HF患者中，3例（0.56％）因入院死亡而被排除。医院再入院发生在138名患者中（25.6％）。在测试的六种算法中，ANN在预测HF严重程度（AUC = 1.000，准确性= 0.998，F1-得分= 0.998）和HF的再入院方面表现出最佳性能（AUC = 0.998，精度= 0.975，F1评分= 0.972）。其他研究显示了最佳算法的可变结果，以预测HF患者的医院再入院。结论：ANN算法最能预测HF严重性和医院再入院，并将集成到移动应用程序中，以进行患者自我监控以防止再入院。
基于疾病严重程度的2型糖尿病的子组不平行生活质量差异：Maastricht研究
摘要目的/假设2型糖尿病是一种高度异质性疾病，基于疾病的严重程度，已提出了新的亚组（“群集”）：中度与年龄相关的糖尿病（MARD），中度肥胖相关糖尿病（MOD），与严重的胰岛素缺乏胰岛素的糖尿病（S s SIDIDDIDDIDDIDDIDDIDDIDDIDDIDDIDD）。尚不清楚这些簇中如何反映疾病的严重程度。因此，我们旨在研究以前定义的2型糖尿病簇中生活质量的聚类特征和群集的演变。方法，我们包括Maastricht研究中有2型糖尿病的人，他们根据最近的质心方法分配给簇。我们使用逻辑回归来评估与糖尿病相关并发症的聚类关联。我们绘制了随着时间的推移，我们绘制了HBA 1C水平的演变，并使用了Kaplan-Meier曲线和Cox回归来评估聚类的时间以达到足够的血糖控制。基于简短表格36（SF-36）的生活质量也随着时间的流逝而绘制，并使用广义估计方程对年龄和性别进行了调整。随访时间为7年。分析是针对已诊断和已诊断为2型糖尿病的患者进行的。结果我们包括了127个新诊断的新诊断和585个已经诊断出的个体。已经诊断出SIDD群集中的人比其他簇中的人少于血糖控制的可能性较小，而HR的可能性较小，而MARD为0.31（95％CI 0.22，0.43）。特别是，在生活质量方面，MOD群集似乎并不中等。在新近和已经被诊断的个体中，SF-36的心理成分得分几乎没有差异。在两组中，MARD簇的物理组件得分的SF-36比其他群集都高，并且MOD簇的得分与SIDD和SIRD簇的得分相似。结论/解释性疾病的严重程度由2型糖尿病的簇建议，并未完全反映在生活质量中。在实践中应仔细考虑使用建议的集群名称，因为非中性命名法可能会影响2型糖尿病及其医疗保健提供者的个体中的疾病感知。
血栓形成发展与疾病严重程度恶化之间的相关性中度共vid-19
收到2022年4月26日；修订的手稿于2022年5月19日收到； 2022年5月23日接受； Nagasaki Nagasaki Nagasaki University Biomedical Sciences研究生院长10天在线发布J-Stage Advance出版物：10天心血管医学系（S.I.U.，Y.U.，K.M.）;日本社区医疗保健组织东京新口医学中心，东京（S.Y.，M.T。）; Amagasaki的Hyogo县Amagasaki通用医疗中心（Y.N.）;萨波罗北海道大学医院（I.T.，J.N。）; Hamamatsu Hamamatsu医疗中心（N. Yamamoto，T.K。）;横田Yokosuka综合医院，Yokosuka（H.N.）;仙台Tohoku大学医院（M.U.）; Tsukuba Tsukuba医疗中心医院（S.A.）；大阪大学医学院大阪大学（H.H.）;福岛医学院，福岛医学院（H.S.）;京都京都大学医院（Y. Okuno，Y.Y。）;塞基（E.I.）; MIE大学医院，TSU（Y。Ogihara）；东京的Toho University Ohashi医学中心（N.I.）; Shikoku儿童和成人医学中心，Zentsuji（又名）; Tsukuba血管中心，Moriya（T.I.）;库瓦纳库瓦纳市医疗中心（N. Yamada）；福岛福岛Daiichi医院（T.O.）;和横滨横滨京岛医院（M.M.），日本（脚注继续下一页。）
高级临床见解的创新自动糖尿病性视网膜病变严重程度分级
[2]电子和电气工程可爱的专业大学，旁遮普省，印度摘要：糖尿病性视网膜病（DR）是一种影响视网膜的危险眼疾，可能导致视力丧失和失明，尤其是在糖尿病患者中。早期识别对于良好的结果至关重要，但是只能通过耗时和劳动密集的彩色眼镜图片来诊断糖尿病性视网膜病。为了克服这一挑战，这项研究提出了一种基于深度学习的策略，该策略通过增强的神经网络（IDR-ENN）使用糖尿病性视网膜病变分级，将视网膜图片分类为糖尿病性视网膜病的不同阶段。在一个数据集中对所提出的方法进行了培训，该数据集包括测试集中的2200张照片和训练集中的11000个彩色视网膜图像。模拟结果表明，基于IDR的算法可以达到极好的准确性，灵敏度和特异性。在这项研究中，我们提出了一种方法来显着减少糖尿病性视网膜病变检测的计算时间。一种NovelIdr-enn方法可在糖尿病性视网膜病变检测的训练计算时间中显着减少85％。本文的总体结论强调了深度学习的潜力，以改善糖尿病性视网膜病的诊断和分级，这可能会对预防由这种疾病引起的失明产生重大影响。关键字：深度学习，糖尿病性视网膜病，盲型跨跨神经网络+，诊断，分级，预防1。简介
糖尿病足患者的疾病严重程度和手术延伸相关的HBA 1C水平升高
HBA 1C值提供了有关症状血糖控制的长期信息。与高血糖一起形成的糖基化的氧化应激产物增加导致糖尿病患者的微血管和大血管并发症。DFUS患者中与高血糖和葡萄糖代谢相关的变化导致疾病称为PAD，并且动脉粥样硬化的发展以及内皮损伤，高脂血症，粘度增加，粘度增加和血小板活性。已经提出，换句话说，帕德（PAD）是动脉粥样硬化阻塞性疾病，其中30％–78％的DFU患者存在。[34,35]糖化血红蛋白增加了1％的增长，使PAD风险增加28％，而PAD作为独立危险因素的发生率与糖尿病的持续时间有关。[36]仅血管衰竭并不能导致溃疡，但灌注不足可以防止溃疡愈合，为组织坏死奠定基础，并防止感染清除。
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。
免疫缺陷患者的COVID-19疫苗和COVID-19的疾病严重程度的细胞和体液免疫原性
自SARS-COV-2大流行开始以来，已经开发了几种分析方法来测量宿主对感染和疫苗接种的免疫反应。良好协调的适应性免疫反应对于确定COVID-19疾病严重程度至关重要（1）。因此，一些具有原发性和继发性免疫降低的个体患有严重的COVID-19（2）的风险很高（2）。免疫降低患者可能对疫苗接种的体液和细胞反应受损，可能会受益于增强的疫苗接种时间表，或者是新兴预防性治疗剂的候选者。为了告知此类策略，开发了测量对疫苗自适应免疫反应的不同臂的标准化方法，特别是感兴趣的（3，4）。确定个体的疫苗反应最常用，最直接的方法是测量疫苗接种后SARS-COV-2峰值蛋白特异性抗体反应。已经证明，通过SARS-COV-2峰值蛋白特异性抗体水平测量的体液免疫反应与疾病的严重程度成反比（5-8）。然而，已知抗体反应的耐用性在几个月内会下降（9）。中和抗体被认为显示出最大的宿主保护效力（10）。因此，已经开发了伪中和分析，以测量伪打字的慢病毒的ACE-2结合，并提供中和的量度。对COVID-19暴露的细胞反应在持续免疫中起着至关重要的作用，可以测量直至6-8个月但是，由于需要组织培养设施以及缺乏试剂和过程的标准化，因此在诊断实验室环境中常规使用此类测定是有问题的（11）。
COVID-19 主要常见遗传风险因素对严重程度和死亡率的年龄相关影响
此预印本的版权所有者此版本于 2021 年 3 月 12 日发布。；https://doi.org/10.1101/2021.03.07.21252875 doi: medRxiv preprint
肺泡巨噬细胞的肠道菌群编程影响呼吸道病毒感染的严重程度
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年1月13日发布。 https://doi.org/10.1101/2023.09.21.558814 doi：Biorxiv Preprint
定量磁共振学指标与疾病的严重程度和原发性硬化性胆管炎患者的结局有关
在过去的几年中，已使用两种主要方法来研究Fe 2+的分布和局部协调环境和固体中的Fe 3+离子在微米或亚微米计尺度上：（1）X射线吸收光谱（XAS）与同步型光源（尤其是第二个和第三代能量的启发）（尤其是较高的能量射击量和高量）（尤其是较高的能量范围）（2001）和（2）具有透射电子显微镜的电子能量损失光谱（EEL）（在纳米尺度上提供高空间分辨率）（Van Aken等人。1998，1999）。 For XAS and EELS, the methodology consists first of probing the absorption jump on either side of the Fe- K edge [1s → con- duction band (CB) electronic transitions], or the Fe- L 2,3 edge (2p → CB), or the Fe- M 2,3 edge (3p → CB), and then of processing the experimental absorption to extract the information from both Fe 2+ and Fe 3+ components. 铁表现出未填充的3D状态（3d 51998，1999）。For XAS and EELS, the methodology consists first of probing the absorption jump on either side of the Fe- K edge [1s → con- duction band (CB) electronic transitions], or the Fe- L 2,3 edge (2p → CB), or the Fe- M 2,3 edge (3p → CB), and then of processing the experimental absorption to extract the information from both Fe 2+ and Fe 3+ components.铁表现出未填充的3D状态（3d 5