XiaoMi-AI文件搜索系统
World File Search System死亡
同种异性造血干细胞后死亡率风险的动态预测
确定高风险患者对于提供早期扩展诊断程序和治疗性干预至关重要。临床风险评分，例如造血细胞移植 - 特异性合并症指数（HCT-CI）[2]或内皮激活和压力指数（EASIX）[3] [3]是死亡率风险的宝贵预测因素，但是，不考虑患者的临床过程，因为它们通常仅在入院且不断地更新。医疗数据集的数字化增加允许使用一组广泛的参数，因此可以使用基于机器学习的算法进行风险预测。尽管最终的治疗决定仍在医生中，但这种系统可能会提供宝贵的帮助。为了接受，解释性仍然是一个重要因素。基于复杂的机器学习算法（例如卷积神经网络（CNN））的方法显示出令人鼓舞的结果[4]，但其预测的解释性很难。相比之下，基于树的模型通过提供可解释的功能
o r i g i n a l r e s e a r c h关联血液尿素氮与血清白蛋白的比率与死亡的慢性病患者的死亡率
背景：流行病学研究表明，血液尿素氮（BUN）和血清白蛋白降低可以独立地预测慢性阻塞性肺疾病（COPD）患者的不良临床结局。但是，在患有COPD的重症患者中，BUN-Albumin比率（BAR）的预测性能仍有待证实。这项研究旨在调查重症监护病房（ICU）患者与COPD的BAR和全因死亡率之间的关联。方法：这是一项回顾性研究，其中包括每次ICU入院的第一天的COPD患者和血清白蛋白价值，并且从EICU协作研究数据库中获得了数据。所包含的COPD患者被分为三组（T1-T3）。多元逻辑回归和COX比例危害模型分别用于检查BAR和全因院内和ICU死亡率之间的关联。Kaplan – Meier曲线，以评估三组之间的生存差异，并将差异与对数贷方测试进行了比较。结果：最终分析中总共包括4037名患者，院内和ICU死亡率分别为11.79％和6.51％。多元逻辑回归分析表明，连续条是院内死亡率的重要风险预测因子（OR：1.039，95％CI：1.026–1.052，p <0.001）和ICU死亡率（OR：1.030，95％CI：1.015％CI：1.015-1.045，P <0.045，P <0.001）。相关的亚组分析表明，这种正相关可能会在某些人口环境中有所不同。COX比例危害模型显示，最高的bar三位杆（T3）患者与院内死亡率的较高风险显着相关（HR：1.983，95％CI：1.419–2.772，p <0.001）和ICU死亡率（HR：2.166，95％CI：1.3333-3.418，p <0.418，P <0.418，P <0.418，P <0.418，p <0.001。Kaplan – Meier曲线表明，在三个三分之一组中，全因死亡率的存活差在统计学上是显着的（log-rank p <0.0001）。结论：高水平的酒吧与危重患者COPD患者的全因死亡率增加有关。作为一种创新且有前途的生物标志物，BAR可能有助于预测COPD患者的高死亡风险。关键词：慢性阻塞性肺部疾病，血尿氮，血清白蛋白，全因死亡率，重症监护病房
2025; 21（5）：2012-2026。 doi：10.7150/ijbs.107195审查肝细胞癌的Lenvatinib耐药性的细胞死亡：来自分子机械
lenvatinib是一种多靶性酪氨酸激酶抑制剂（TKI），由于与索拉替尼相比，它具有出色的效果，成为晚期肝细胞癌（HCC）的第一线治疗。然而，不可避免的耐药性发展是实现治愈结果并对预后产生负面影响的重要障碍。因此，必须深入研究Lenvatinib耐药性（LR）的机制，并确定理性组合处理的潜在策略。调节的细胞死亡（RCD）是指当适应性反应不足以维持稳态时细胞灭绝的过程，RCD在包括癌症TKI在内的治疗剂的疾病进展和对治疗剂的反应中起着至关重要的作用。抵抗细胞死亡是基本标志之一，也是导致癌症耐药性的主要原因。尤其是，许多研究表明RCD（包括凋亡，自噬，铁凋亡，昆虫吞噬和凋亡）在HCC中LR的出现中起着重要作用。本文对与RCD相关的LR机制的最新发现进行了深入的综述，并提出了潜在的策略来通过结合RCD调节剂来提高Lenvatinib的有效性。
七氟硫烷麻醉后凋亡的全脑表征揭示了小鼠新生儿新皮层中的神经元细胞死亡模式
在过去的二十年中，对全身麻醉（GA）的安全担忧是由于在各种药理条件和动物模型中记录脑细胞死亡的研究引起的。如今，在整个新生小鼠大脑中对Sevoflurane诱导的细胞凋亡的彻底表征将有助于识别并进一步关注潜在的机制。使用组织清除和免疫组织化学，我们在产后日（P）7小鼠中对七氟氨酸诱导的凋亡进行了全脑作图。我们发现切割叶片3染色的解剖学上异体增加。新型P7脑图集的使用表明，新皮层是受影响最大的区域，其次是纹状体和脑脑。皮质切片中的组织学表征确定有丝质神经元是受影响最大的细胞类型，并遵循后骨皮质浅层层中最大凋亡的心脏内和心脏内梯度。这里使用的无偏解剖学映射使我们能够在围产期，新皮层受累，并指示纹状体和脑遗传损伤的同时，同时表明中度的海马一方面。新皮质梯度的鉴定与成熟依赖性机制一致。然后，进一步的研究可以集中于七氟醚对发育过程中神经元迁移和生存的干扰。
同种异体造血干细胞移植前的肠道微生物群多样性作为儿童死亡率的预测指标
Q4 Q5Q6 1 意大利博洛尼亚 IRCCS 博洛尼亚大学医院儿科肿瘤学和血液学“Lalla Ser ` agnoli”； 2 意大利博洛尼亚大学医学和外科科学系、3 医学和外科科学系、微生物组学组、4 药学和生物技术系、微生物组科学和生物技术组； 5 意大利博洛尼亚 IRCCS 博洛尼亚大学医院儿科急诊科； 6 波兰弗罗茨瓦夫医科大学儿科肿瘤学、血液学和骨髓移植系和诊所； 7 意大利维罗纳综合大学医院母婴部、儿科血液肿瘤科； 8 意大利帕维亚圣马特奥 Policlinico IRCCS 基金会儿科血液学/肿瘤学； 9 意大利罗马 Bambino Gesù 儿童医院、科学研究与治疗研究所儿科血液学和肿瘤学科； 10 意大利博洛尼亚 IRCCS 博洛尼亚大学医院儿科意大利罗马圣心天主教大学
在分类结直肠癌或肺癌患者死亡的多伴病因
患者多酸性生存结果的分类对于个性化的癌症治疗很重要。机器学习（ML）算法越来越多地用于为医疗保健的决策提供信息，但是这些模型容易受到数据收集和创建算法的偏见。ML模型以前已显示出表现出种族偏见，但他们对不同年龄和性别群体的患者的公平性尚未研究。因此，当对结直肠癌患者（n = 515）分类时，使用TCGA数据进行分类时，我们比较了5个ML模型（随机森林，多项式逻辑回归，线性支持矢量分类器，线性判别分析和多层感知）的多项性表现。所有五个模型均对这些社会人口统计学群体表现出偏见。然后，我们在肺腺癌（n = 589）上重复了相同的过程，以验证我们的发现。令人惊讶的是，对于最大的社会人口统计学组，大多数模型的总体趋势往往较差。优化模型性能的方法，包括在合并年龄，性别或种族群体上测试模型，以及创建经过培训并用于个人或合并的社会人口统计学群体的模型，显示出减少不同群体模型绩效差异的潜力。值得注意的是，这些方法可用于提高ML公平性，同时避免对表现出偏见的模型进行惩罚，从而牺牲整体性能。
自闭症儿童早期脑过度生长的细胞机制：GPX4 水平升高和对铁死亡的抵抗
患有不成比例的巨脑症 (ASD-DM) 的自闭症患者，其脑部相对于身高较大，智力障碍的发生率高于脑部大小正常的自闭症儿童，面临的认知挑战也比患有平均脑容量的自闭症儿童更严重。这种神经表型背后的细胞和分子机制仍不甚明了。为了研究这些机制，我们从正常发育的非自闭症儿童和患有和不患有不成比例的巨脑症的自闭症儿童中产生了人类诱导性多能干细胞。我们利用磁共振成像和全面的认知和医学评估对这些儿童进行了纵向评估，从 2 岁到 12 岁。我们发现，来自 ASD-DM 儿童的神经祖细胞 (NPC) 表现出更高的细胞存活率和抑制的细胞死亡，同时伴有
对肿瘤淋巴瘤激酶（ALK）的药理抑制剂（ALK）通过靶向效应诱导免疫原性细胞死亡
分子表示学习（MRL）长期以来在药物发现和材料科学领域至关重要，并且由于自然语言处理（NLP）和图形神经网络（GNN）的发展，它取得了重大进展。nlp将分子视为一维顺序令牌，而GNN则将它们视为二维拓扑图。基于通过不同的消息传递算法，GNN在检测化学环境和预测分子特性方面具有各种性能。在此，我们提出了定向的图形注意力网络（D-GAT）：具有定向键的表达性GNN。我们策略成功的关键是按照指示图处理分子图，并通过缩放的点 - 产物注意机制来更新键状态和原子状态。这使模型可以更好地捕获分子图的子结构，即官能团。与其他GNN或消息传递神经网络（MPNN）相比，D-Gats的表现优于15个重要分子属性预测基准中的13个。
通过免疫原性诱导死亡治疗的预处理以随后的免疫疗法
Hui Pan，Peng Liu，Guido Kreemer，Oliver Kepp。 通过免疫原性细胞死亡的预处理 - 诱导随后的免疫疗法的治疗。 细胞和分子生物学的国际评论 / Int Rev Cell Mol Biol，2024，国际细胞和分子生物学评论，第382页，第279-294页。 10.1016/bs.ircmb.2023.06.001。 hal-04601417Hui Pan，Peng Liu，Guido Kreemer，Oliver Kepp。通过免疫原性细胞死亡的预处理 - 诱导随后的免疫疗法的治疗。细胞和分子生物学的国际评论 / Int Rev Cell Mol Biol，2024，国际细胞和分子生物学评论，第382页，第279-294页。10.1016/bs.ircmb.2023.06.001。hal-04601417
儿童循环死亡后心脏移植和捐赠。对技术，后勤和道德框架的评论
1 Paediatric Heart Unit, Institute of Transplantation, Freeman Hospital, Newcastle upon Tyne, United Kingdom, 2 Congenital Heart Disease Research Group, Population Health Sciences Institute, Newcastle University, Newcastle upon Tyne, United Kingdom, 3 National Health Service Blood and Transplant, Bristol, United Kingdom, 4 Department of Cardiothoracic Surgery, Papworth Hospital NHS Foundation Trust, Cambridge, United Kingdom, 5小儿重症监护病房，大奥蒙德街儿童NHS基金会信托基金会，英国伦敦，6转化和临床研究所，医学科学学院，纽卡斯尔大学，纽卡斯尔，英国纽卡斯尔，英国，英国，英国7重症监护室，7重症监护室，诺丁汉大学NHS Trust，NHS Trust，NHS Hospitality，AL Tingham，United Kingdors，Biontial，Biontial，Biontial，extriad，exect of Bionife of Bigin of Bigin of Biginive伦理学，巴塞尔大学，瑞士巴塞尔大学，卫生，医学与生命科学学院10学院，马斯特里赫特大学，马斯特里奇特，马斯特里奇特，荷兰