XiaoMi-AI文件搜索系统
World File Search System统计差异
2024; 15（1）：30-40。 doi：10.7150/jca.88854研究论文登林·鲍伊胡汤（SLBZD）可能在Treatmen
目的：探索SLBZD是否可以通过影响肠道微环境和肿瘤微环境来促进PD-1抑制剂在治疗结直肠癌的功效方面发挥协同作用。方法：登山baizhu汤（SLBZD）和Tirelizumab（TLZMAB）处理了结直肠小鼠模型。肿瘤生长速率，肿瘤的体重和肿瘤生长抑制率。粪便菌群，并通过流式细胞仪分析检测到免疫细胞。结果：与肿瘤重量相比，这三组之间每组之间存在显着差异。与肿瘤体积相比，对照组和TLZMAB组在7天之间没有统计学上的显着差异。但是，在18天时，这三组之间的肿瘤大小存在统计差异。通过分析肠道微生物群的多样性，TLZMAB处理后的多样性降低，并具有统计学上的显着差异。与对照组相比，TLZMAB+SLBZD组的多样性增加。通过流式细胞仪分析血液中淋巴细胞的比例。与对照组相比，TLZMAB组的髓样衍生的抑制细胞（MDSC）降低，T调节细胞（Treg）显着增加。 与对照组和TLZMAB组相比，TLZMAB+SLBZD组显示出M1型巨噬细胞的显着增加，而M2型巨噬细胞，MDSC和TREG显示出显着降低。与对照组相比，TLZMAB组的髓样衍生的抑制细胞（MDSC）降低，T调节细胞（Treg）显着增加。与对照组和TLZMAB组相比，TLZMAB+SLBZD组显示出M1型巨噬细胞的显着增加，而M2型巨噬细胞，MDSC和TREG显示出显着降低。结论：TLZMAB治疗期间将发生肠道微生物群的失衡和肿瘤免疫微环境的失衡，这将导致TLZMAB或耐药性的治疗作用不佳。slbzd将增加肠道菌群的丰度，这将导致肿瘤免疫微环境中M1巨噬细胞的增加以及M2巨噬细胞和Treg细胞的降低，从而产生TLZMAB的协同作用。这项研究提供了一种通过传统中药探索ICIS改善的新方法。
喹硫平在精神分裂症中的效率：临床试验
Irina Dobrin，RoxanaChiriţă，IrinaSăcuiu，Cristinelstefănescu摘要：在过去的几年中，非典型的抗精神病药也被称为第二代抗精神病药，以及第一代抗精神病药，在治疗精神病患者方面占据了特殊的位置。目的：基于BPRS量表（简短的精神病学评级量表）和CGI量表（在常见临床实践中血清QREQUEL治疗期间的临床全球印象）基于BPRS量表（简短的精神病学评分量表）评估精神分裂症的严重程度和进化。目的：使用CGI量表应用后获得的分数，评估患者进入研究和治疗后的精神分裂症的严重程度。材料和方法：在Iaşi的“ Socola”医院进行的非惯用观察性研究。涉及138名患者（男性和女性），年龄> 18岁，新诊断或记录为精神分裂症的诊断，无论临床形式如何。参与研究的患者接受了24周的剂量，剂量在400至750毫克/天之间，并在前滴度上进行了滴定，并根据共同的临床实践进行了6个患者巡回赛的评估。结果和结论：Seroquel的给药确定了临床状况的明显改善，这是由6发子BPRS和CGI量表的减少所表明的。在用Seroquel治疗24周结束时，平均BPRS得分为16,96，而该计划开始时为45,02。在整个研究中，大多数患者根据CGI量表评估的疾病严重程度降低。在研究开始时，有93％的患者没有以前的抗精神病药，并且有96％的先前抗精神病药患者患有中度至非常严重的疾病（CGI-S分数> 4）。在研究结束时，有76.2％的没有以前的抗精神病药的患者分别在先前的抗精神病药物患者的病理学范围内，有77.8％的患者患有轻度的疾病，或者从临床角度正常（CGI评分<3）。疾病的严重程度的降低对于有或没有以前的药物治疗的两组患者的严重程度相似。临床全球印象改善（CGI-I）的得分在96％以上的评分患者中具有正增长。数据经过处理并进行了统计研究，发现BPRS分数从一轮到另一轮的降低的降低时发现了显着的统计差异。两组有或没有以前药物的两组之间的BPRS评分的比较研究表明，没有以前的患者分别在5个飞蛾（P = 0.013）和6个月（p = 0.002）治疗的患者使用Seroquel进行了较低。这指出，尽管与接受药物的患者相比，他们的最初症状更为严重（BPRS得分高得多，P = 0.002）治疗后，治疗益处的意义要高得多。
使用可解释的机器学习对重症监护病房中的心脏骤停进行早期预测：回顾性研究
背景：心脏骤停 (CA) 是重症监护病房 (ICU) 患者死亡的主要原因之一。尽管已经开发了许多具有高灵敏度的 CA 预测模型来预测 CA，但由于缺乏泛化和验证，它们的实际应用一直具有挑战性。此外，不同 ICU 亚型患者之间的异质性尚未得到充分解决。目标：本研究旨在提出一种临床可解释的集成方法，用于在 24 小时内及时准确地预测 CA，而不考虑患者的异质性，包括不同人群和 ICU 亚型之间的差异。此外，我们进行了独立于患者的评估以强调模型的泛化性能，并分析了临床医生可以实时轻松采用的可解释结果。方法：使用重症监护医学信息集市-IV (MIMIC-IV) 和 eICU 协作研究数据库 (eICU-CRD) 的数据对患者进行回顾性分析。为了解决性能不佳的问题，我们使用基于生命体征、多分辨率统计分析和基尼指数的特征集构建了我们的框架，并以 12 小时的窗口期来捕捉 CA 的独特特征。我们从每个数据库中提取了 3 种类型的特征，以比较 MIMIC-IV 中的高风险患者组和 eICU-CRD 中没有 CA 的患者之间的 CA 预测性能。在特征提取之后，我们使用具有成本敏感学习的特征筛选开发了一个表格网络 (TabNet) 模型。为了评估实时 CA 预测性能，我们使用了 10 倍留一患者交叉验证和交叉数据集方法。我们在每个数据库中针对不同队列人群和 ICU 亚型评估了 MIMIC-IV 和 eICU-CRD。最后，使用 eICU-CRD 和 MIMIC-IV 数据库进行外部验证，以评估模型的泛化能力。所提方法的决策掩码用于捕获模型的可解释性。结果：在 MIMIC-IV 和 eICU-CRD 中，所提出的方法在不同队列人群中的表现均优于传统方法。此外，它在两个数据库中对各种 ICU 亚型的准确度都高于基线模型。可解释的预测结果可以作为非 CA 组和 CA 组之间的统计比较，从而增强临床医生对 CA 预测的理解。接下来，我们分别使用在 MIMIC-IV 和 eICU-CRD 上训练的模型测试了 eICU-CRD 和 MIMIC-IV 数据集，以评估泛化能力。结果显示，与基线模型相比，性能更优越。结论：我们用于学习独特特征的新框架在不同的 ICU 环境中提供了稳定的预测能力。大多数可解释的全局信息揭示了 CA 组和非 CA 组之间的统计差异，证明了其作为临床决策指标的实用性。因此，所提出的 CA 预测系统是一种临床