XiaoMi-AI文件搜索系统
World File Search System结核
白垩式介导的呼吸道氧化酶柔韧性控制M.结核病毒力
结果79 80 Chalkophore缺乏结核分枝杆菌上调81对铜剥夺的响应中的呼吸链成分82 83以了解结核分枝杆菌中二甲依替替替替特里利的功能，我们检查了84
深海采矿 (DSM) 企业参与者地图 - WWF
• 多金属结核在克拉里昂-克利珀顿断裂带、中印度洋盆地和西太平洋很常见。 3 多金属结核主要含有锰、铁、硅酸盐和氢氧化物。据国际海底管理局称，这些结核的开采因其镍、铜、钴、锰和稀土元素 (REE) 含量而受到关注，以满足对这些矿物日益增长的需求。此外，结核中还含有微量钼。 4 • 西南印度洋海脊、中印度洋海脊和中大西洋海脊正在勘探多金属硫化物。 5 多金属硫化物含有大量的铜、锌、铅、铁、银和金。 • 富钴结壳在许多情况下出现在各国的专属经济区 (EEZ) 内，目前正在西太平洋进行勘探。 6 钴结壳在矿物成分上与多金属结核大体相似，但钴结壳因钴含量较高、铂和稀土元素 (REE) 含量较高、镍和锰含量较高而受到人们的关注。因此，锰、铜、钴、镍、钼、稀土元素、锌、银、金和铂是深海采矿矿物，由于需求不断增长而受到人们的关注最多。这些矿物将在第 1.2 节中进一步讨论。
针对性的最大似然估计，以估算先前结核病治疗在苏丹耐药性结核病中的因果关系
多药耐药性结核病（MDR-TB）被定义为异念珠菌和利福平的感染。在全球范围内，有132222个报告了2020年的MDR-TB病例。研究表明，先前的结核病治疗和治疗中断被认为是MDR-TB的主要原因[1，2]。流行病学家将病例对照研究定义为偏见的采样设计。病例对照研究的设计着重于参数逻辑回归，以计算一组协变量的调整后的奇数比（或）。但是，为了建立因果估计人群，或应估算。流行病学家将案例控制定义为与目标人群相比患有疾病的人比例的偏见。病例对照研究的设计着重于参数逻辑回归，以计算一组协变量上的或条件。要构建因果估计，我们必须估计边缘人口或[3]。目标最大似然估计（TMLE）是一种双重鲁棒方法，使用机器学习算法来最大程度地减少偏见的风险[4]。逆概率处理权重（IPTW）是一种因果方法，用于通过创建检查治疗对暴露的影响的模拟组来调整时变的混杂因素。IPTW方法基于侵害的概率，因为混杂因素被称为倾向评分（SP）[5]。 iptw在病例对照研究中有许多缺点，因此估计器无法在有限样本中对无症状效率和效率问题提出任何主张。IPTW方法基于侵害的概率，因为混杂因素被称为倾向评分（SP）[5]。iptw在病例对照研究中有许多缺点，因此估计器无法在有限样本中对无症状效率和效率问题提出任何主张。此外，IPTW在某些阶层中通过一组协变量定义的治疗或暴露组非常罕见时发生的所谓阳性违规行为不利[6]。因此，病例对照加权TMLE（CCW-TMLE）方法提供了双重鲁棒方法来估计无偏见的参数估计。如果给定暴露和协变量的结果模型的任何预期参数或给定协变量的暴露模型是正确的[7]，则此方法是一致的。ccw-tmle需要了解结果的患病率概率，以减少偏见的设计[8]。此外，CCW-TMLE估计了各种参数，例如风险比和风险差异，这些参数在病例控制研究的传统分析中不可用。此外，TMLE可以估计边际因果效应，正确的规范和倾向评分。TMLE估计所有参数，假设每个人的暴露状态不会影响任何其他人的潜在结果。主要因果假设是没有未衡量的混杂因素。因此，已经测量了暴露和外来的常见原因[9]。在分析过程中有两种广泛的方法可以控制混杂。第一种方法是使用标准回归模型，第二种方法是遵循因果方法。标准回归模型无法在存在可能的混杂或相互作用和协变量之间的混杂或相互作用的情况下估算暴露的平均因果效应。原因是，此方法假设暴露者和混杂因素之间没有相互作用来估计池效应。更重要的是，标准回归模型无法调整时间变化
静脉注射乳杆菌的静脉注射乳杆菌疫苗接种后，针对结核分枝杆菌的防护相关性
（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2023年8月2日发布。 https://doi.org/10.1101/2023.07.31.551245 doi：biorxiv preprint
结核病 (TB) 和卡介苗
• 结核病是许多国家常见的传染病。 • 肺结核患者通过空气传播结核病。 • 结核病始于结核感染。结核感染者（皮试阳性）不会生病，也不会将结核病传播给他人。 • 一些结核感染者会患上结核病。他们会病得很重，咳嗽不止。他们经常发烧、出汗，甚至体重下降。肺结核患者可能会感染他人。他们必须接受治疗，以阻止传播结核病并治愈结核病。 • 卡介苗不能防止某人感染结核病，接种后保护作用并不总是持久。这就是美国一般不使用该疫苗的原因。
学校护士手册
TB是由结核分枝杆菌（结核分枝杆菌）引起的一种空气传染病。 当患有肺部疾病或呼吸道咳嗽，打喷嚏，笑声或唱歌的人时，称为液滴核的微小颗粒被驱逐到空气中。 可能会发生结核分枝杆菌的传播，因为这些颗粒仍然悬浮在空气中，并且可能被其他个体吸入。 尽管结核病疾病可以直接从初始感染中发展，但在大多数情况下，宿主的免疫系统包含这种感染。 杆菌与人体的其余部分隔绝，并以孤立的形式存在，并且可能保持生存数年。 这称为结核病感染，有时也称为潜在结核病感染（LTBI）。 结核病感染的人没有TB疾病的迹象，症状或X光摄影证据，并且无法传播细菌。TB是由结核分枝杆菌（结核分枝杆菌）引起的一种空气传染病。称为液滴核的微小颗粒被驱逐到空气中。可能会发生结核分枝杆菌的传播，因为这些颗粒仍然悬浮在空气中，并且可能被其他个体吸入。尽管结核病疾病可以直接从初始感染中发展，但在大多数情况下，宿主的免疫系统包含这种感染。杆菌与人体的其余部分隔绝，并以孤立的形式存在，并且可能保持生存数年。这称为结核病感染，有时也称为潜在结核病感染（LTBI）。结核病感染的人没有TB疾病的迹象，症状或X光摄影证据，并且无法传播细菌。
糖尿病和结核病治疗结果
在低结-bith的情况下，例如美国，艾滋病毒估计会增加TB患者4倍（风险比[RR] = 4.30; 95％置信区间[CI]，2.31–7.99）的死亡风险4倍。与糖尿病共同发生也很大程度上弥补了结核病疾病的治疗。 结核病可能会进展得更快，并出现糖尿病患者的全身症状。 此外，糖尿病本身和药物相互作用的免疫抑制性证券可能会对糖尿病患者的结核病治疗结果产生不利影响[6]。 在高结核病和低 - 荷兰环境中进行的元分析表明，糖尿病与结核病患者的死亡风险增加了1.89倍（95％CI，1.52-2.36）[7]。 糖尿病（DM）患病率的折痕提出了该国结核病控制和消除的新挑战。 在2020年，有4.8％的结核病患者在美国患HIV [1]。 同年，美国结核病患者中估计有22.5％的患者已诊断出糖尿病[1]。与糖尿病共同发生也很大程度上弥补了结核病疾病的治疗。结核病可能会进展得更快，并出现糖尿病患者的全身症状。此外，糖尿病本身和药物相互作用的免疫抑制性证券可能会对糖尿病患者的结核病治疗结果产生不利影响[6]。在高结核病和低 - 荷兰环境中进行的元分析表明，糖尿病与结核病患者的死亡风险增加了1.89倍（95％CI，1.52-2.36）[7]。糖尿病（DM）患病率的折痕提出了该国结核病控制和消除的新挑战。在2020年，有4.8％的结核病患者在美国患HIV [1]。同年，美国结核病患者中估计有22.5％的患者已诊断出糖尿病[1]。
结核分枝杆菌激活 MDA5 RNA 传感通路促进先天免疫颠覆和病原体存活
引言结核病 (TB) 仍然是一项严重的健康挑战，仅在 2021 年全球就造成约 150 万人死亡 (1)。结核分枝杆菌 (M . tuberculosis) 具有极强的人类适应性，通过尚不完全了解的免疫破坏机制在巨噬细胞内存活。肺巨噬细胞最初吞噬结核分枝杆菌会激活由种系编码的模式识别受体 (PRR) 组成的胞浆监视途径，导致 I 型干扰素 (IFN) 和促炎细胞因子产生增加、炎症小体活化和自噬 (2–4)。我们实验室和其他实验室的研究表明，结核分枝杆菌 DNA 和分枝杆菌衍生的环状二核苷酸可激活胞浆 DNA 传感途径 (5–8)，从而驱动 I 型 IFN 的表达。虽然已经广泛研究了细胞浆病毒 RNA 在先天免疫感应中的作用，但细菌 RNA 对疾病发病机制的贡献尚不明确 (9)。最典型的 RIG-I 样受体 (RLR) 家族成员 RIG-I 和黑色素瘤分化因子 5 (MDA5) 包含一个中央 ATPase 含 DExD/H-box 解旋酶结构域和一个 C 末端阻遏物结构域，这两个结构域均参与 RNA 结合 (10, 11)。通过 RNA 结合激活后，2 个串联 caspase 激活和募集结构域 (CARD) 与衔接子线粒体抗病毒信号蛋白 (MAVS) 相互作用，介导 NF- κ B 和 IFN 调节因子 (IRF) 的诱导以及随后 IFN 刺激基因 (ISG) 的表达 (12–14)。尽管结构相似，RLR 检测的 RNA 种类往往不同，这些 RNA 种类往往具有病原体特异性，但不一定相互排斥 (11, 15)。越来越多的证据表明，RIG-I 在结核分枝杆菌感染的 I 型干扰素反应中起着非冗余作用 (16–18)，它通过与特定的结核分枝杆菌 RNA 转录本结合，这些转录本利用分枝杆菌 ESX-1 分泌系统进入巨噬细胞胞质 (16)。我们最近发现，结核分枝杆菌 RNA 转录本能够通过与特定结核分枝杆菌 RNA 转录本结合，从而进入巨噬细胞胞质。
研究文章 Qure.ai 自动分类器针对各种类型结核病患者的大型注释数据库的性能
在结核病肆虐的地区，缺乏训练有素的放射科医生来快速处理 CXR 一直是一个挑战，影响及时诊断和患者监测。结核病患者肺部注释图像的缺乏阻碍了将面向数据的算法应用于研究和临床实践的尝试。结核病门户计划数据库 (TBPP，https://TBPortals.niaid.nih.gov) 是一个全球合作项目，整理了大量最危险、难以治愈的耐药结核病 (DR-TB) 患者病例。TBPP 拥有 1,179 例 (83%) 耐药结核病患者病例，是一个独特的集合，非常适合作为深度学习分类器的试验场。截至 2019 年 1 月，TBPP 数据库包含 1,538 张 CXR，其中 346 张（22.5%）由放射科医生注释，104 张（6.7%）由肺科医生注释，剩下 1,088 张（70.7%）没有注释。Qure.ai qXR 人工智能自动 CXR 解释工具在 TBPP 数据库中 346 张放射科医生注释的 CXR 上进行了盲测。Qure.ai qXR 对空腔、结节、胸腔积液、肺门淋巴结肿大的 CXR 预测与人类专家注释成功匹配。此外，我们还测试了 12 个 Qure.ai 分类器，以确定它们是否与治疗成功率相关（治疗医生提供的信息）。发现十个描述符具有重要意义：异常 CXR（p = 0.0005）、胸腔积液（p = 0.048）、结节（p = 0.0004）、肺门淋巴结肿大（p = 0.0038）、空洞（p = 0.0002）、不透明度（p = 0.0006）、肺扩张（p = 0.0074）、实变（p = 0.0004）、结核病指标（p = < .0001）和纤维化（p = < .0001）。我们得出结论，应用全自动 Qure.ai CXR 分析工具可用于快速、准确、统一、大规模的 CXR 注释辅助，因为它即使对于未用于初始训练的 DR-TB 病例也表现良好。在 TBPP 等不同数据集上测试人工智能算法（包括机器学习和深度学习分类器）对于临床采用的医疗数据分析自动助手至关重要。