摘要:气管肿瘤虽然很常见,但在成年人中通常是恶性的。手术去除是非转移性肺部恶性肿瘤的主要疗法,但只有一小部分非小细胞肺癌患者才有可能受到肿瘤的数量和位置以及患者的整体健康状况的限制。本研究提出了另一种治疗方法:使用肺泡导管通过肺部路线施用雾化化学治疗颗粒,以靶向肺部肿瘤。为了提高对病变的递送效率,必须了解局部药物沉积和粒子转运动力学。本研究使用经过实验验证的计算流体颗粒动力学(CFPD)模型来模拟在具有10代(G)的3二维气管机关树中吸入化学治疗颗粒的传输和沉积。基于颗粒释放图,提出了有针对性的药物输送策略,以增强G10中两个肺部肿瘤部位的颗粒沉积。结果表明,受控药物释放可以改善两个目标区域的颗粒递送效率。使用气管导管的使用显着影响靶向肿瘤的颗粒递送效率。参数分析表明,使用较小的导管可以根据肿瘤的位置和所使用的导管直径的位置将超过74%的颗粒传递到靶向肿瘤部位,而使用常规颗粒给药方法少于1%。此外,结果表明颗粒释放时间对粒子沉积在同一吸入率中具有显着影响。这项研究是理解导管直径对局部气管注射对靶向小肺气道靶向肿瘤的第一个步骤。
简单的摘要:手术切除术仍然是神经肿瘤学的主要治疗策略。基于术前成像的计算机化颅神经导航可以在早期肿瘤切除期间提供精确的指导,但随着手术的去除和移动而失去有效性。术中MRI(IMRI)和术中超声音(IUS)等模态可以恢复图像指导以最大化切除程度,但分别在时间和空间分辨率方面提出了挑战。我们的研究利用临床神经巡航系统的未开发的数据流来跟踪手术器械的时间戳记工具尖位。这可以以时间和空间精度的实时估计残留肿瘤的时间和空间精度来映射切除进展。本身,我们的技术可以作为世界资源有限地区的IMRI的替代方案,也可以作为一种教育培训和评估工具。它也可以与其他术中成像方式(例如IUS)结合使用,以更准确地建模并补偿脑移位。
使用GC-ECD进行了修改的Quechers方法,以确定pyraclostrobin,difenoconazole,dimethomorph和Azoxystrobin的多重残基,并通过GC-FPD(与S滤波器)间接确定MANEB,MANCOZEB和MANCOZEB和PROPINEB的总残留物(具有S滤波器)。同时,根据良好的农业实践(GAP)进行了现场试验,以研究其在广西省农业气候和农作物系统下残留降解的特征。每个目标峰的分离效应良好,线性范围为0.01 - 5 mg l 1,检测极限(LOD)为0.003 - 0.015 mg kg 1,量化量(LOQ)的限制为0.01 - 0.01 - 0.05 mg kg kg 1。蔬菜西红柿和樱桃番茄的平均回收范围分别为70.5 - 120.0%和70.8 - 119.8%,相对标准偏差(RSD)小于7.1%。对植物和樱桃番茄中七种杀菌剂的现场试验表明,二硫代氨基酸杀菌剂的半衰期(t 1/2)(t 1/2)(Metiram,Mancozeb和prepineb和PresineB)定义为总残留物,确定为CS 2),吡咯蛋白,二核蛋白酶,二核疫苗,以及5. difenocors,dimethobsy of 5 12.7 - 17.8,7.6 - 7.9,6.6 - 6.9和6.3 - 6.6 d分别为蔬菜西红柿。樱桃番茄的范围分别为4.3 - 4.5,10.8 - 11.8,6.7 - 7.0,5.4 - 5.5和5.9 - 6.2 d。因此,樱桃番茄可以被视为西红柿的代表性品种,以实现剩余的外推,以建立西红柿中杀真菌剂的最大残留限量(MRL)值并进行市场监测。结合最终的残基和市场监测结果,结果表明,樱桃番茄的末期残留物,初始沉积物和七种杀真菌剂的最大残留物比蔬菜西红柿高,可以在从三个市场购买的樱桃番茄中检测到这七种农药。
功能性MRI(fMRI)和EEG可能揭示意识障碍患者(DOC)的残留意识,这是由慢性文献的快速扩展的慢性文献所反映的。然而,尽管识别剩余意识是重症监护病房(ICU)临床决策的关键,但很少研究急性DOC。因此,前瞻性,观察性,第三级中心队列,IIB期研究“使用EEG和fMRI的神经严重护理队列研究中的意识研究”(Connect-ME,NCT02644265)的目的是评估fMRI和EEG的准确性,以评估fMRI和EEG的准确性,以识别ICU中急性文档中急性文档中的残留意识。在2016年4月至2020年11月之间,通过反复的临床评估(fMRI和EEG)检查了87例急性DOC患者,患有创伤性或非创伤性脑损伤。通过视觉分析,光谱频带分析和支持向量机(SVM)意识分类器评估静止状态的脑电图和外部刺激。此外,评估了针对规范静止状态fMRI网络的内部和区域内静止状态连接性。接下来,我们在研究入学时使用了EEG和FMRI数据,以两种不同的机器学习算法(随机森林和SVM与线性内核)区分以最低意识的状态或更高的(≥mcs)的患者与昏迷或无反应的醒目状态(≤UWS)的患者(≤UWS)在ICU中(或在ICU中)(或在ICU之前)(或在ICU之前)(或在ICU之前)在曲线下用面积(AUC)评估了预测性能。在研究入学人群中,87例DOC患者(平均年龄为50.0±18岁),女性为43%),51名(59%)为≤UWS,36(41%)为≥MC。三十一名(36%)患者在ICU中死亡,其中28例撤离生命疗法的患者。eeg和fMRI预测了研究入学和ICU出院时的意识,最大AUC为0.79(95%CI 0.77-0.80)和0.71(95%CI 0.77-0.80)。基于脑电图组合和fMRI组合的模型可预测研究入学率和ICU放电时的意识水平,最大AUC为0.78(95%CI 0.71-0.86)和0.83(95%CI 0.75-0.89),具有IM证明积极的预测值和敏感性。总体而言,机器学习算法(SVM和随机森林)的表现同样出色。总而言之,我们建议ICU中的急性DOC预测模型是基于fMRI和EEG特征的组合,无论使用的机器学习算法如何。
在血友病A,F8废话的变体中,尤其是影响大因子VIII(FVIII)B结构域的,这对于凝结活性是不可接受的,与替代治疗相关的抗FVIII抑制性抗体显示出较低的关联,因此从多个国际数据库中检索。 由于无效的遗传条件有利于抑制剂的发展,因此我们认为对过早终止密码子(PTC)的翻译读取可能会通过插入氨基酸亚群来产生全长蛋白来促进免疫耐受性。 为了定量评估体外的读出输出,我们开发了一种非常敏感的基于荧光素酶的系统,以检测来自F8废话变体的宽面板(n = 45; 〜60%患有PTC)的宽面板(n = 45; 〜60%患者)的全长FVIII合成。 与抑制剂相关的PTC比抑制剂相关PTC的 PTC显示出更高的读取驱动表达水平,PTC是一种新的观察。 尤其是,比其他域中的变体(n = 25)检测到B域变体(n = 20)的水平更高。 对来自六名血友病A的血浆PTC患者的血浆研究,通过表达相应的胡说八道和读取的错义变体的表达,始终显示B域变体的FVIII水平较高。 在高度代表的PTC中发现了一个B域PTC(ARG814*),而与抑制剂无关,而与抑制剂病例的最低比例相关(57个中的4个)。 这些对血友病A分子遗传学的原始见解,尤其是与疾病治疗相关的基因型 - 表型关系,表明B域特征有利于PTC读取输出。,这对于凝结活性是不可接受的,与替代治疗相关的抗FVIII抑制性抗体显示出较低的关联,因此从多个国际数据库中检索。由于无效的遗传条件有利于抑制剂的发展,因此我们认为对过早终止密码子(PTC)的翻译读取可能会通过插入氨基酸亚群来产生全长蛋白来促进免疫耐受性。为了定量评估体外的读出输出,我们开发了一种非常敏感的基于荧光素酶的系统,以检测来自F8废话变体的宽面板(n = 45; 〜60%患有PTC)的宽面板(n = 45; 〜60%患者)的全长FVIII合成。PTC显示出更高的读取驱动表达水平,PTC是一种新的观察。尤其是,比其他域中的变体(n = 25)检测到B域变体(n = 20)的水平更高。对来自六名血友病A的血浆PTC患者的血浆研究,通过表达相应的胡说八道和读取的错义变体的表达,始终显示B域变体的FVIII水平较高。在高度代表的PTC中发现了一个B域PTC(ARG814*),而与抑制剂无关,而与抑制剂病例的最低比例相关(57个中的4个)。这些对血友病A分子遗传学的原始见解,尤其是与疾病治疗相关的基因型 - 表型关系,表明B域特征有利于PTC读取输出。这提供了有助于差异PTC相关抑制剂的潜在分子机制,对F8废话变体的新型,基于实验的基于实验的分类具有转移意义。
6. 在他们的评论中,主要存在两个不同意见。不同意纳入使用从加药饲料到未加药饲料的默认残留水平的选项。虽然承认最好调查从加药饲料到未加药饲料的实际残留水平,但一些成员认识到并不总是可以获得大量信息,并支持使用默认的低残留水平来估计行动水平的选项,这是在没有更好数据的情况下的务实解决方案。最后,不同意有必要就拟议行动水平的消费者安全征求粮农组织/世卫组织食品添加剂联合专家委员会 (JECFA) 的建议。残留对食用商品残留物的额外贡献很小,一些成员建议委员会可以利用理论最大日摄入量 (TMDI) 方法来估计额外贡献,而其他成员则建议继续目前的做法,即就饮食暴露征求 JECFA 的建议。
* 通讯作者。kris.wood@duke.edu。贡献 MA、RSS、OML 和 KCW 概念化了该项目。MA、ML、CFB 和 KCW 负责方法论。MA、ML、HXA、RSS、HMH 和 CFB 进行了体外机制和验证研究 MA、ML、CEE 和 DLK 进行了体内机制和验证研究 MA、CG、CMB、CEM、TGB 和 KCW 对肿瘤标本进行分类和分析 MA、CJF、HAY 和 KCW 进行了肿瘤基因组序列和相关生存分析 数据由 MA 和 KCW 整理 原稿由 MA 和 KCW 撰写 所有作者审阅并编辑了论文。MA 负责可视化。KCW 监督该项目。资金由 MA、HXA、RSS、TGB 和 KCW 获得
* 通讯作者。kris.wood@duke.edu。贡献 MA、RSS、OML 和 KCW 概念化了该项目。MA、ML、CFB 和 KCW 负责方法论。MA、ML、HXA、RSS、HMH 和 CFB 进行了体外机制和验证研究 MA、ML、CEE 和 DLK 进行了体内机制和验证研究 MA、CG、CMB、CEM、TGB 和 KCW 对肿瘤标本进行分类和分析 MA、CJF、HAY 和 KCW 进行了肿瘤基因组序列和相关生存分析 数据由 MA 和 KCW 整理 原稿由 MA 和 KCW 撰写 所有作者审阅并编辑了论文。MA 负责可视化。KCW 监督该项目。资金由 MA、HXA、RSS、TGB 和 KCW 获得
通信地址:Christina Yau 博士,加利福尼亚大学旧金山分校外科系,美国加利福尼亚州旧金山 94143 HoiSze.Yau@ucsf.edu。贡献者所有作者都已审阅数据分析、审阅或修改了手稿的知识内容、批准了最终发布的版本并同意对工作的所有方面负责。CY、M-OK、MO、MvdN 和 SS 可以访问原始数据。LJE 是手稿的担保人。CY、LJE 和 WFS 构思并监督了这项研究。MO、MvdN、SS、DdC、A-SH、TGS、MdM-M、TH、RG、EP、JST、AG、PH、LM、FF、KS 和 AMDeM 整理数据。MO 和 CY 访问并核实了数据。CY 和 M-OK 正式分析并确认了数据。 DdC、A-SH、EP、JST、AG、PH、LM、FF、KC 和 CY 参与了调查。M-OK 和 WFS 开发了方法和软件。MO、MvdN、JaW 和 SS 提供了行政支持。DdC、A-SH、ML、FR、GSS、TGS、MvS、JeW、MM、MdM-M、SL-T、JCB、MPG、TH、RG、VV、SBE、JEA、JMSB、CC、JD、HE、LaH、LoH、S-JS、DC、AKG、KS、PS、AMDeM、LP、LJvV、LJE 和 WFS 提供了资源。CY 负责数据可视化。CY 和 MO 撰写了初稿。所有作者都拥有所有汇总或分析数据的完全访问权限,并对提交出版的决定负有最终责任。*贡献相同
通信地址:Christina Yau 博士,加利福尼亚大学旧金山分校外科系,美国加利福尼亚州旧金山 94143 HoiSze.Yau@ucsf.edu。贡献者所有作者都已审阅数据分析、审阅或修改了手稿的知识内容、批准了最终发布的版本并同意对工作的所有方面负责。CY、M-OK、MO、MvdN 和 SS 可以访问原始数据。LJE 是手稿的担保人。CY、LJE 和 WFS 构思并监督了这项研究。MO、MvdN、SS、DdC、A-SH、TGS、MdM-M、TH、RG、EP、JST、AG、PH、LM、FF、KS 和 AMDeM 整理数据。MO 和 CY 访问并核实了数据。CY 和 M-OK 正式分析并确认了数据。 DdC、A-SH、EP、JST、AG、PH、LM、FF、KC 和 CY 参与了调查。M-OK 和 WFS 开发了方法和软件。MO、MvdN、JaW 和 SS 提供了行政支持。DdC、A-SH、ML、FR、GSS、TGS、MvS、JeW、MM、MdM-M、SL-T、JCB、MPG、TH、RG、VV、SBE、JEA、JMSB、CC、JD、HE、LaH、LoH、S-JS、DC、AKG、KS、PS、AMDeM、LP、LJvV、LJE 和 WFS 提供了资源。CY 负责数据可视化。CY 和 MO 撰写了初稿。所有作者都拥有所有汇总或分析数据的完全访问权限,并对提交出版的决定负有最终责任。*贡献相同