XiaoMi-AI文件搜索系统
World File Search System依从性
药物依从性和相关因素的水平
背景：2型糖尿病（T2DM）是极大地影响菲律宾家庭的主要慢性病之一。药物不遵守是为患有这种情况的个体实现最佳治疗结果的重大挑战。目的：这项研究确定了药物依从性的水平，并探讨了在宿雾南方医学中心（CSMC）家庭医学门诊诊所的T2DM患者不存在的相关因素。方法：从8月至2023年10月，在CSMC家庭医学门诊诊所进行了一项横断面研究。采用了一份自我管理的问卷，分为三个不遵守领域。的含义，频率和百分比用于分析依从性，社会人口统计学和临床因素的水平。逻辑回归分析用于确定因素与药物不遵守的关联。结果：共有69名参与者。总体而言，部分遵守T2DM药物。在与成本相关的不遵循（CRNA）结构域中，部分依从性（39.1％）存在很高的患病率。的因素显示出非依从性不足增加的因素包括年龄（AOR 1.363，95％CI 0.345-5.386），女性（AOR 1.544，95％CI 0.386-6.176），低收入（AOR 1.05，95％CI 0.352-3.135％），1.135％的频率（AOR 1.05％） CI 0.44-4.664），T2DM的持续时间不到10年（AOR 1.99，95％CI 0.46-8.637）。结论：对糖尿病药物的依从性可能会受到药物成本和财务状况的影响，这反映在总体部分依从性，CRNA领域中部分依从性的高度流行以及不遵守低收入与低收入的优势增加。应该进行更多的研究，以调查对糖尿病药物（例如糖尿病知识，患者的自我效能感和医疗保健提供者沟通）不遵守的其他可能因素。
糖尿病的自我管理及其与糖尿病患者的药物依从性的关联
摘要目的：糖尿病是一种长期情况，需要有效的自我管理和药物依从性来节省并发症并改善患者的后果。尽管具有重要意义，但许多患者与这些因素苦苦挣扎，这些因素受到不同因素和健康素养的影响。这项研究旨在研究糖尿病患者的糖尿病自我管理与药物依从性之间的关联。材料和方法：在伊拉克的巴比伦糖尿病和内分泌中心进行了横断面描述性研究。使用便利抽样招募了总共328名糖尿病患者。使用的数据收集过程包括糖尿病自我管理问卷和药物依从性报告量表，每个量表都经过测试。数据，Pearson相关性和回归分析进行了探索变量之间的关系。发现：参与者表现出适度的自我管理程度（63.1％）和正确的药物依从性（58.8％）。在糖尿病自我管理和药物依从性之间确定了统计学上的显着相关性（r = 0.622，p <0.001）。回归分析表明，上级自我管理基本上预测了较高的依从性。年龄，性别，教育和收入被认为是影响因素（p <0.05）。结论：糖尿病患者的自我管理与治疗依从性密切相关，强调了对特定干预措施的需求。与年龄相关的下降和社会人口统计学差异突出了糖尿病教育计划的重要性。医疗保健提供者应优先考虑基于文化的自我管理培训，以解决障碍和依从性，最终改善糖尿病患者的健康结果。关键词糖尿病自我管理，药物依从性，糖尿病患者
个性化的患者数据和行为轻推，以提高遵守慢性心血管药物的依从性一项随机务实试验
背景：化生乳腺癌（MBC）是乳腺癌的罕见且高度侵略性的组织学亚型。仍然存在可用于临床实践的精确预测模型。方法：本研究利用SEER数据库（2010 - 2018）的患者数据进行数据分析。我们利用预后因素来开发一种新型的机器学习模型（CATBOOST）来预测患者的存活率。同时，我们医院的MBC患者队列被用来验证我们的模型。我们比较了三组患者的放射治疗的好处。结果：我们开发的Catboost模型表现出很高的准确性和正确性，使其成为预测MBC患者（1年AUC = 0.833，3年AUC = 0.806; 5年AUC = 0.810）的最佳表现模型。此外，Catboost模型在外部独立数据集中保持强劲的性能，1年生存率的AUC值为0.937，3年生存率为0.907，5年生存率分别为0.890。放射治疗更适合于接受M0阶段接受乳房持胸腔手术的患者[组：（OS：HR = 0.499，95％CI 0.320 - 0.777 P <0.001; BCSS：HR = 0.519，95％CI 0.290 - 0.290 - 0.929 P = 0.008）和那些在TT3-3-3-3-3-3-M中（OS：HR = 0.595，95％CI 0.437 - 0.810 P <0.001; BCSS：HR = 0.607，95％CI 0.427 - 0.862 P = 0.003）]，与经过T1-2/N0-1M0的患者相比，接受了Mastrosy t1-n0-1m0阶段， 0.730; BCSS：HR = 1.909，95％CI 1.036 - 3.515 P = 0.038）。结论：我们开发了三个机器学习预后模型，以预测MBC患者的存活率。放射疗法被认为更适合接受M0阶段进行乳腺癌手术以及在T3-4/N2-3M0阶段进行乳房切除术的患者。
提高治疗依从性和心理健康......
方法：采用准实验、前测后测设计，设有对照组和为期两个月的跟踪期。研究对象包括被转诊到阿瓦士糖尿病中心的糖尿病患者。选择了 30 名参与者的便利样本，并随机分配到两组，每组 15 人：实验组和对照组。实验组每周接受八次 90 分钟的 EFT 课程。使用治疗依从性问卷、Ryff 心理健康量表和情绪调节问卷 (ERQ) 收集数据，分别评估治疗依从性、心理健康和情绪调节。使用重复测量方差分析来分析数据，并使用引导法进行中介分析。
动脉高血压中的药物依从性和不遵守：叙事评论
全身性高血压，一个重大的全球健康问题和心血管死亡率的主要危险因素会影响一半的成年人口，而低收入和中等收入国家的患病率也越来越高。尽管诊断和治疗方面取得了进步，但只有四分之一的患有高血压的人可以令人满意地控制自己的状况。对有效高血压管理至关重要的药物依从性是复杂且多方面的。不遵守，包括晚期或非生机，最佳实施以及对治疗的早期终止，据报道，据报道，抗高血压药物的不遵守率范围为30％至40％。依从性受到各种因素的影响，包括药物疗法复杂性，患者教育和社会经济状况。依从性差与心血管风险的增加有关，并且医生之间的临床惯性更加复杂。解决依从性和实施基于证据的干预措施的障碍可以大大减轻全球高血压及其相关并发症的负担。这篇评论强调了提高依从性策略以增强高血压管理的关键需求。它专注于新的工具，例如移动健康干预措施和单次填充组合，可以改善治疗持久性和血压控制。
利用AI驱动的轻推理论来增强手卫生的依从性：为未来的感染控制铺平道路
手卫生对于预防感染至关重要，但是在医疗保健，学校和社区中保持合规性仍然具有挑战性。尽管有强有力的证据，但由于认知障碍，人手不足，资源有限和抗菌素耐药性而导致失误。行为科学强调了时间限制和影响依从性的认知偏见，其合规率低至40％。Nudge理论通过使用视觉或听觉提示（如听觉提示）来鼓励手动卫生而不施加严格的法规，从而提供了有希望的解决方案。最近的创新将人工智能（AI）与轻推，通过实时反馈提高合规性。AI驱动的系统，例如智能分配器和可穿戴设备，在关键时刻使用视觉或听觉提示提供了提醒。例如，当医护人员进入患者的房间，促使手动卫生时，分配器可能会点亮或发出声音。研究表明，这些AI驱动的干预措施显着提高了依从性，在某些情况下，利率最高为30％。AI还可以分析不合规的模式，在高风险时期内部署个性化的轻推。将轻推理论与游戏化（例如基于团队的竞争和奖励）相结合，进一步加强了积极的习惯。但是，在印度等国家实施AI解决方案面临挑战，包括资源有限，对新技术的抵抗和文化障碍。尽管有障碍，但将AI驱动的轻推与行为策略相结合有可能改变手部卫生实践。这种方法促进了问责制，降低了感染率，并通过将遵守符合纳入日常工作，从而确保更安全的患者护理，为感染控制的可持续改善铺平了道路。
加纳初级保健医院糖尿病患者的胰岛素治疗依从性及其相关因素
糖尿病目前是全球主要的死亡和残疾原因之一 [1-4]。据估计，2021 年全球有 5.37 亿人患有糖尿病，相关医疗费用为 9,660 亿美元，如果不加以解决，预计到 2045 年全球医疗费用将超过 10,540 亿美元 [2,5]。不断上升的患病率导致了医疗成本的增加，预计到 2045 年将上升 45%，达到 7.83 亿成年人，即每 8 个成年人中就有 1 个患有糖尿病 (6)。糖尿病是中低收入国家 (LMIC) 特别令人担忧的问题，这些国家目前占全球糖尿病人口的 75% 以上 [3,6]。这可能是由于生活方式的改变（身体活动减少、久坐习惯增多）、文化习惯和城市化进程加快 [7,8]。总体而言，由于人力资源和采购药品及设备的资金挑战，糖尿病对撒哈拉以南非洲地区的发病率和死亡率的影响比全球任何其他地区都要大 [9]。目前，加纳约有 240 万人患有糖尿病 [10]。虽然报告的加纳全国糖尿病患病率为 2.80% 至 3.95% 之间，但加纳不同地区和不同人群的患病率较高 [11-14]。在国家以下层面，一些地区的糖尿病患病率较高 [15]。例如，加纳 18 个行政区之一的阿散蒂地区报告的糖尿病患病率为 97 25.2% [16]。虽然绝大多数糖尿病患者患有 2 型糖尿病，其治疗可能包括胰岛素，但在加纳，有相当一部分 1 型糖尿病患者仅依靠胰岛素疗法进行治疗 [ 17 ]。然而，包括加纳患者在内的许多中低收入国家的患者存在药物供应和负担能力以及监测设备的问题，影响了药物的使用 [ 17 – 19 ]。这一点很重要，因为使用胰岛素实现最佳血糖控制与减少 1 型和 2 型糖尿病并发症以及降低全因死亡率有关 [ 20 – 24 ]。
机器学习模型预测印度尼西亚肝酶水平升高的结核病患者的依从性
印度尼西亚仍然是世界第二大结核病负担国。抗结核药物的不良反应和依从性可能会影响治疗的成功。本研究的目的是根据肝酶水平的升高定义预测结核病患者依从性的模型。这项纵向研究是前瞻性地使用一线抗结核药物治疗的成年结核病患者进行的。排除了孕妇和患有痛风、糖尿病、肝病和艾滋病毒等并发症的患者。我们测量了治疗后第 2、4 和 6 个月的总胆红素、天冬氨酸氨基转移酶 (AST) 和丙氨酸氨基转移酶 (ALT) 以及依从性。我们使用 ORANGE 数据挖掘作为机器学习来预测依从性。我们招募了 201 名患者，其中男性参与者和年龄不到 61 岁的参与者占主导地位。约有33%、35%和35%的结核病患者胆红素、ALT和AST水平升高。ALT和AST在依从性好和差的人群中有显著差异，尤其是在女性患者中。神经网络和随机森林是最适合预测结核病患者依从性的模型，具有良好的曲线下面积（AUC）。
1型糖尿病的儿童和青少年的地中海饮食依从性和血糖控制介导的植物免疫
了解CNC@PDA@Zn 2+诱导的NSLTP2定位变化的功能意义，我们测试了NSLTP2的抗病毒功能。虽然NBLTP1在TMV感染中的作用得到很好的特征，但我们系统地探索了NSLTP2在TMV感染中的作用。应力表达分析表明，在2 dpi的接种叶中，NSLTP2的表达与TMV-GFP显着增加，其表达在6 dpi的全身性叶片中也显着升高（图S7），这表明NSLTP2在抗病毒防御中的潜在作用。接下来，我们利用烟草病毒（TRV） - 介导的基因沉默来分析NSLTP2在TMV抗性中的作用。随后，本尼亚氏菌叶具有TRV1 + TRV2（TRV：00）或TRV1 + TRV2：NSLTP2：NSLTP2（TRV：NSLTP2）12天，RT- qPCR分析显示，NSLTP2在TRV中的NSLTP2表达显着 5b）。 然后，我们用TMV-GFP机械地接种了第6和7叶，并观察到在2、4和6 DPI下紫外线下的GFP运动以跟踪TMV分布。 如图所示 5A，在接种叶片的接种叶片中观察到GFP荧光信号，而QPCR分析表明，沉默的植物中TMV-GFP核酸水平明显高于对照组（图5b）。然后，我们用TMV-GFP机械地接种了第6和7叶，并观察到在2、4和6 DPI下紫外线下的GFP运动以跟踪TMV分布。如图5A，在接种叶片的接种叶片中观察到GFP荧光信号，而QPCR分析表明，沉默的植物中TMV-GFP核酸水平明显高于对照组（图5C）。 在4 DPI时，GFP信号出现在沉默的植物的全身叶子中，而在控制植物的全身叶子中未检测到GFP信号。病毒核酸的QPCR分析产生了相似的结果（图 5d）。 5e）。5C）。在4 DPI时，GFP信号出现在沉默的植物的全身叶子中，而在控制植物的全身叶子中未检测到GFP信号。病毒核酸的QPCR分析产生了相似的结果（图5d）。5e）。通过6 DPI，GFP信号在沉默的植物中更为明显，TMV-GFP在其全身叶片中显着积累（图这些结果表明NSLTP2沉默促进了TMV-GFP感染。随后，我们比较了
也门心理健康和心理肾脏综合征患者之间的依从性：横截面研究
许多因素导致心脏，血管，肌肉骨骼和呼吸系统的变化，这些因素统一损害了心血管功能（5）。心血管疾病（CVD）是血液透析（HD）患者发病率和死亡率的主要原因（ESRD）（6）。超过50％的透析患者患有CVD，而HD患者患CVD事件死亡的相对风险是普通人群的20倍（7）。此外，大约40-50％的心力衰竭患者存在慢性肾功能障碍（8）。也门终末期肾脏疾病的患病率每年有120例（9）。亚洲的慢性肾脏疾病（CKD）的患病率为7.0％至34.3％，估计在东部，南部和东南部地区受影响的4.343亿人。这种疾病负担的大多数集中在中国和印度，占近2.999亿例（10）。从2000年到2016年进行的研究表明，非洲慢性肾衰竭（CRF）阶段的流行率分别为15.8和4.6％（11），而其他研究表明，包括中东国家的终端肾脏疾病的普遍性，包括中东国家（包括埃及，埃及，土耳其，伊朗和伊拉斯和伊拉斯州）和55.55的阶段。在透析患者中，抑郁和焦虑的症状更为普遍（13，14）。焦虑和抑郁率的患病率分别为38％和27％（15）。因此，应有效管理心脏和肾脏疾病，以防止或减少不良反应的发展或恶化。