XiaoMi-AI文件搜索系统
World File Search System体重
代谢支出，神经发育和体重增加到胎儿生长限制后的幼儿使用可解释的机器学习模型肾移植后预测移植物和患者结局
决定接受已故的捐赠器官提供移植的捐赠器官，或者将来等待可能更好的东西可能具有挑战性。缺乏预测移植结果的临床决策支持工具。该项目使用可解释的方法使用先前接受的肾脏移植报价的数据来预测移植失败和患者死亡。使用超过20年的移植结果数据，我们训练并比较单个风险设置中的几个生存分析模型。此外，我们使用事后可解释性技术在临床上验证这些模型。神经网络表现出与COX比例危害模型相当的性能，一致性分别为0.63和0.79，用于预测移植失败和患者死亡。接受者和供体年龄，原发性肾脏疾病，DR基因座的错配数量以及移植时计算的反应频率似乎是移植结果预测的重要特征。由于其良好的预测性能以及其事后解释的临床相关性，神经网络代表了在未来的Decistion Support Systems用于移植产品的构建中有希望的核心组成部分。
健康体重策略 2023-2028（最终版）
布莱克浦的预期寿命很短，与肥胖相关的疾病和死亡与不良饮食和久坐行为有关，持续增加。我们正处于一个临界点，需要采取直接行动，改善当代和后代的生活机会。如果目前的趋势继续下去，更多的人将因癌症、心脏病、肝病和疾病而过早死亡。肥胖还会对我们的心理健康产生负面影响，在许多情况下，这种影响从年轻时就开始了，并会产生终生的后果和影响。保持健康的体重是降低糖尿病、心脏病和癌症等长期健康状况风险的最有效方法之一。我们知道导致体重增加的因素很复杂，每个人对这些因素的反应都不同。我们的行为和生活方式受到周围环境、我们所生活的文化以及我们做出改变的能力的影响和驱动。近年来，外出就餐的人数大幅增加，而且不太可能减少。因此，我们需要找到与这种文化共存的方法。超重已经成为常态，因此很难认识到不健康的体重，这会使行为改变变得困难。我们不能仅仅通过告诉人们这个问题或做我们一直在做的事情来改变几代人养成的习惯。布莱克浦是第一个在 2016 年签署《地方当局健康体重宣言》的地方当局。从那时起，行动计划取得了良好的进展。然而，在疫情期间，这方面的工作放缓了，因此现在是时候反思已经取得的成就以及还需要采取哪些行动来降低布莱克浦的肥胖水平。2022 年 11 月 14 日，议会重申了其致力于解决肥胖问题的承诺，重新启动并签署了新的《地方当局健康体重宣言》。该战略不是短期解决方案，改变不会在一夜之间发生。它将通过一系列方法、干预措施和合作伙伴共同努力促进更健康的生活方式来实现。这一战略与宣言一起为卫生、教育、商业、志愿部门和社区的对话和行动奠定了基础。这一战略将以在促进更健康的生活方式方面已经取得的进展为基础。我们将制定行动方针，并带领人民、社区和合作组织一起踏上征程。
o r i g i n a l r e s a a r c h体重指数的轨迹和糖尿病并发症的风险和全因死亡率，芬兰2型糖尿病
目标：我们旨在评估芬兰2型糖尿病患者（T2D）患者的纵向体重指数（BMI）轨迹与糖尿病并发症和全因死亡率有关。方法：在这项队列研究中，利用了芬兰北卡雷利亚市所有13个市政当局的公共小学和专业医疗服务的电子健康记录。这项研究包括2011年或2012年新诊断为T2D的889名成年人（基线62.0岁时的平均年龄）。通过生长混合物建模（GMM）估算了从T2D诊断到2014年的单个BMI轨迹。使用COX回归模型估算了BMI轨迹组的微血管并发症，大血管并发症，任何糖尿病并发症以及全因死亡率的危险比（HRS），用于微血管并发症，大血管并发症，任何糖尿病并发症以及全因死亡率。 结果：使用GMM鉴定了三个不同的BMI轨迹组，并标记为以下标记：“稳定”（n = 774，87.1％），“减少”（n = 87，9.8％）和“增加”（n = 28，3.1％）。 在8年的中位随访中，有119例（13.3％）的微血管并发症患者，187（21.0％）患有大血管并发症，258（29.0％），任何糖尿病并发症，180（20.2％）死亡。 与“稳定” BMI相比，“增加” BMI与微血管并发症的风险增加有关（HR = 2.88，95％CI：1.32至6.28），大血管并发症，HR = 2.52，95％CI：95％CI：1.17至5.43），以及任何糖尿病（HR）和任何糖尿病（HR）。 量身定制的治疗对于有效防止体重增加和降低糖尿病并发症的风险至关重要。危险比（HRS），用于微血管并发症，大血管并发症，任何糖尿病并发症以及全因死亡率。结果：使用GMM鉴定了三个不同的BMI轨迹组，并标记为以下标记：“稳定”（n = 774，87.1％），“减少”（n = 87，9.8％）和“增加”（n = 28，3.1％）。在8年的中位随访中，有119例（13.3％）的微血管并发症患者，187（21.0％）患有大血管并发症，258（29.0％），任何糖尿病并发症，180（20.2％）死亡。与“稳定” BMI相比，“增加” BMI与微血管并发症的风险增加有关（HR = 2.88，95％CI：1.32至6.28），大血管并发症，HR = 2.52，95％CI：95％CI：1.17至5.43），以及任何糖尿病（HR）和任何糖尿病（HR）。量身定制的治疗对于有效防止体重增加和降低糖尿病并发症的风险至关重要。与“稳定” BMI相比，“减少” BMI与全因死亡率的风险增加有关（HR = 1.90，95％CI：1.14至3.15）。结论：我们的发现强调了T2D患者的连续BMI监测和体重管理的重要性。关键字：体重指数轨迹，2型糖尿病，糖尿病并发症，全因死亡率
OPRU简报论文 - 评估低体重减轻的健康益处的证据：系统评价
•总体而言，有60％的研究发现健康改善，37％的研究没有变化或混合结果，而3％的健康结果发现健康结果恶化。•发现健康改善的研究包括总参与者的87％，但并非所有研究都报告了体重减轻组的参与者数量（例如，<5％），我们不能说参与者的数量/比例有哪些有所改善。•我们发现，低体重减轻的证据导致了各种健康结果的改善，包括心血管和代谢，人体测量，生活质量，炎症生物标志物，肾脏和肝，心理和行为，肺部，肺部和卵子功能。•通过生活方式和药物干预措施所实现的体重减轻会改善所有健康状况，除了总死亡率，肺功能和肌肉力量（所有生活方式干预措施）以及社会心理和行为措施（生活方式和药物干预措施）。•三项研究来自英国，超过90％的研究是在高收入国家进行的。•由于结果的异质性，荟萃分析是不可能的。•通常，我们发现研究的偏见中等。典型的问题是围绕随机化方法或报告。
人工智能生成的体重管理饮食计划的定性评估
在这种情况下，自2022年11月的聊天机器人生成预培训的变压器（CHATGPT）公开发布以来，AI在医疗保健中的应用已成为一个值得注意的讨论主题，吸引了相关学术出版物的激增（5）。ChatGpt是一种高级语言模型，能够生成类似人类的文本，从而促进引人入胜的对话，回答查询并提供有关无数主题的详细信息，包括医学和医疗保健。尽管不是专门为医疗保健应用设计的，但Chatgpt可以集成来自多个临床来源的数据，并根据此组合信息生成新的输出（6）。此功能使其成为制定个性化饮食计划的宝贵工具，展示了AI对医疗保健的重大影响。
Telford和Wrekin健康体重策略2024-2029
全国排名前10的最高利率。超重或肥胖的孩子在成年生活中可能超重，这是整个自治市镇超过70％的成年人超重。3.2超重或肥胖生活会对个人的身心健康产生负面影响。这是许多疾病的危险因素，例如癌症，糖尿病和心脏病。超重的人更有可能被诊断出患有抑郁或焦虑。居住在我们最贫困地区或已经遭受健康不平等的居民更有可能超重。3.3以及对个人的生活产生负面影响，肥胖的成本是我们健康和社会护理系统的重大负担 - 随着肥胖水平的增加和人口的年龄增长，住房适应，专业设备和护理人员的成本将继续增加。3.4应对肥胖是特尔福德和韦金的健康和福利策略的关键优先事项。制定和交付仅专用于健康体重的本地策略将推动这一优先级。健康体重也有助于其他优先事项，包括心理健康和福祉；预防，保护和检测；绿色和可持续自治市镇；以及综合的邻里健康和护理。3.5 Telford和Wrekin健康体重策略采用了整个系统方法来应对肥胖症，在这种方法中，系统合作伙伴采取了行动，以改善我们居民的成果。由于肥胖的原因是复杂而多样的，因此没有单个快速解决方案。这种五年的策略着眼于有助于这一愿景的中长期解决方案。4.0主要提案的摘要4.1通过与公众和专业人士的需求评估和参与制定了该战略。健康的体重需求评估（附录B）包括关键指标的集合，使我们能够确定优先级组和目标。通过对1000多人和25个焦点小组的调查，寻求了公众和利益相关者的观点。这些观点是该自治市镇人口的代表。4.2通过需求评估和参与度确定了许多主题，并出现了四个关键优先级。4.3支持我们的孩子成长为健康的体重 - 父母表示，他们希望我们的孩子有机会参加常规的体育锻炼，并尝试新的健康食品并学习简单的烹饪技能。在家外，孩子们大部分时间都花在学校里，使学校的角色至关重要。
健康体重策略2024-2029
吃得太多或太少，会导致一个人超重，但肥胖的原因比这更宽。更广泛的环境，社会和经济因素都在我们的健康成果中起着作用，并可能引起肥胖症。成为不健康的体重会对人们的生活产生巨大影响 - 您更有患癌症，糖尿病，心脏病等疾病的风险，并且更有可能遇到诊断出精神健康问题（例如抑郁症或焦虑）的风险。此外，超重可能意味着您的年龄比健康体重健康的人还少。
健康体重健康需求评估三月...
Author Dr David Davies, Public Health Registrar, SBC Contributors Kelly Evans, Deputy Director of Public Health, SBC Mayoor Sunilkumar, Health Intelligence Analyst, SBC Luis Gomes, Geo-spatial Lead, SBC Jaslin Seehra, Public Health Officer (Children & Young People), SBC Thomas Overend, Strategy and Policy Lead, SBC Kathryn Harris, Principal Strategy & SBC Levine Whitham政策官，SBC Mahmuda Ullah食品和安全经理，计划负责人 - 生活良好的野心，NHS Frimley ICS Ellen Duke，COPP，CYP，NHS Frimley ICS Vicki Vicki Vicki Atherton运营总监Tricordant咨询公司首席顾问Loyd，Tricordant咨询公司Chris Jones，Tricordant Consultancy
脑源性神经营养因子水平降低会影响体重、脑重量和行为
简单总结：神经营养因子是帮助大脑生长和正常运作的生长因子。其中一种被称为脑源性神经营养因子 (BDNF)。BDNF 影响我们的体重以及我们学习和记忆事物的能力。有些老鼠的 BDNF 水平较低。已经培育出完全不表达 BDNF 的老鼠，但它们出生后不久就会死亡。因此，已经培育出只有正常一半 BDNF 水平的老鼠和一些脑细胞中 BDNF 水平非常低但其他脑细胞中 BDNF 水平正常的老鼠。此外，可以通过将这两种类型的老鼠一起繁殖来产生新的小鼠品系。这些新老鼠的大脑中 BDNF 非常少。它们是活的，但它们的体重比正常老鼠大，大脑也小。它们的行为也不同，尤其是在移动方式上。
评估对2型糖尿病疗法的体重减少的潜力：对120个随机对照试验的元回归分析
1。Antman EM，Loscalzo J.心脏病学的精确医学。nat Rev car-diol。2016; 13（10）：591-602。 2。 Kuss O，Opitz ME，Brandstetter LV，Schlesinger S，Roden M，HoyerA。 2型糖尿病治疗如何用于精密糖尿病ogy？ 来自174个随机ISED试验的血糖控制数据的元回归。 糖尿病学。 2023; 66：1622-1632。 3。 Jameson JL，Longo DL。 精确医学 - 个性化，问题和有前途。 n Engl J Med。 2015; 372（23）：2229-2234。 4。 Hawgood S，Hook-Barnard IG，O'Brien TC，Yamamoto KR。 精确医学：超出拐点。 SCI Transl Med。 2015; 7（300）：1-3。 5。 丹尼斯JM。 2型糖尿病中的精确药物：使用个性化预测模型来优化治疗的选择。 糖尿病。 2020; 69（10）：2075-2085。 6。 Wilkinson J，Arnold KF，Murray EJ等。 现实的时间检查机器学习驱动的精密药物的承诺。 柳叶刀数字健康。 2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2016; 13（10）：591-602。2。Kuss O，Opitz ME，Brandstetter LV，Schlesinger S，Roden M，HoyerA。2型糖尿病治疗如何用于精密糖尿病ogy？来自174个随机ISED试验的血糖控制数据的元回归。糖尿病学。2023; 66：1622-1632。3。Jameson JL，Longo DL。精确医学 - 个性化，问题和有前途。n Engl J Med。2015; 372（23）：2229-2234。 4。 Hawgood S，Hook-Barnard IG，O'Brien TC，Yamamoto KR。 精确医学：超出拐点。 SCI Transl Med。 2015; 7（300）：1-3。 5。 丹尼斯JM。 2型糖尿病中的精确药物：使用个性化预测模型来优化治疗的选择。 糖尿病。 2020; 69（10）：2075-2085。 6。 Wilkinson J，Arnold KF，Murray EJ等。 现实的时间检查机器学习驱动的精密药物的承诺。 柳叶刀数字健康。 2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2015; 372（23）：2229-2234。4。Hawgood S，Hook-Barnard IG，O'Brien TC，Yamamoto KR。精确医学：超出拐点。SCI Transl Med。2015; 7（300）：1-3。 5。 丹尼斯JM。 2型糖尿病中的精确药物：使用个性化预测模型来优化治疗的选择。 糖尿病。 2020; 69（10）：2075-2085。 6。 Wilkinson J，Arnold KF，Murray EJ等。 现实的时间检查机器学习驱动的精密药物的承诺。 柳叶刀数字健康。 2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2015; 7（300）：1-3。5。丹尼斯JM。2型糖尿病中的精确药物：使用个性化预测模型来优化治疗的选择。糖尿病。2020; 69（10）：2075-2085。6。Wilkinson J，Arnold KF，Murray EJ等。 现实的时间检查机器学习驱动的精密药物的承诺。 柳叶刀数字健康。 2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。Wilkinson J，Arnold KF，Murray EJ等。现实的时间检查机器学习驱动的精密药物的承诺。柳叶刀数字健康。2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2020; 2（12）：E677-E680。7。Prasad RB，Groop L. 2型糖尿病中的精密药物。J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。J Intern Med。2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2019; 285（1）：40-48。8。tsapas A，Karagiannis T，Kakotrichi P等。降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。糖尿病OBES METAB。糖尿病OBES METAB。2021; 23（9）：2116-2124。9。Blundell J，Finlayson G，Axelsen M等。每周一次的半紫鲁丁对食欲，饮食的控制，食物的控制和体重的影响。糖尿病OBES METAB。 2017; 19（9）：1242-1251。 10。 Palmer SC，Mavridis D，Nicolucci A等。 比较2型糖尿病患者的临床外发生和与降糖药物相关的不良事件：荟萃分析。 JAMA。 2016; 316（3）：313-324。 11。 Palmer SC，Tendal B，Mustafa RA等。 葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。 bmj。 2021; 372：M4573。 12。 tsapas A，Avgerinos I，Karagiannis T等。 降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。 Ann Intern Med。 2020; 173（4）：278-286。糖尿病OBES METAB。2017; 19（9）：1242-1251。 10。 Palmer SC，Mavridis D，Nicolucci A等。 比较2型糖尿病患者的临床外发生和与降糖药物相关的不良事件：荟萃分析。 JAMA。 2016; 316（3）：313-324。 11。 Palmer SC，Tendal B，Mustafa RA等。 葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。 bmj。 2021; 372：M4573。 12。 tsapas A，Avgerinos I，Karagiannis T等。 降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。 Ann Intern Med。 2020; 173（4）：278-286。2017; 19（9）：1242-1251。10。Palmer SC，Mavridis D，Nicolucci A等。比较2型糖尿病患者的临床外发生和与降糖药物相关的不良事件：荟萃分析。JAMA。 2016; 316（3）：313-324。 11。 Palmer SC，Tendal B，Mustafa RA等。 葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。 bmj。 2021; 372：M4573。 12。 tsapas A，Avgerinos I，Karagiannis T等。 降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。 Ann Intern Med。 2020; 173（4）：278-286。JAMA。2016; 316（3）：313-324。 11。 Palmer SC，Tendal B，Mustafa RA等。 葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。 bmj。 2021; 372：M4573。 12。 tsapas A，Avgerinos I，Karagiannis T等。 降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。 Ann Intern Med。 2020; 173（4）：278-286。2016; 316（3）：313-324。11。Palmer SC，Tendal B，Mustafa RA等。葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。bmj。2021; 372：M4573。12。tsapas A，Avgerinos I，Karagiannis T等。降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。Ann Intern Med。 2020; 173（4）：278-286。Ann Intern Med。2020; 173（4）：278-286。