XiaoMi-AI文件搜索系统
World File Search System阻塞性
机器学习用于开发诊断模型的心力衰竭或慢性阻塞性肺部疾病的加剧
心力衰竭（HF）和慢性阻塞性肺疾病（COPD）是两种慢性疾病，对普通人群有最大的不良影响，并且早期发现其代偿性是一个重要的目标。但是，很少有诊断模型实现了足够的诊断性能。该试验的目的是开发基于生理参数的机器学习技术的心力衰竭或COPD加剧的诊断模型。招募了135名因心力衰竭和/或COPD加重而住院的患者。每位患者接受了三项评估：一名在代偿阶段（在住院期间），在补偿阶段（在家中，出院后30天）更连续两名。在每次评估中，心率（HR）和氧饱和度（OX）在步行期间连续记录（用脉搏血氧仪）记录6分钟，然后恢复4分钟。为开发诊断模型，最初通过分类算法选择了与HR和OX相关的预测特性。潜在的预测因素包括年龄，性别和基线疾病（心力衰竭或COPD）。接下来，通过不同的机器学习技术开发了诊断分类模型（补偿阶段与代偿阶段）。根据灵敏度，特异性（E）和准确性（a）评估了开发模型的诊断性能。分析中包括来自22例死亡人力衰竭患者的数据，25例COPD加重患者，两种含量为13例，两种代偿性病变。选择了19个。年龄，性别和基线疾病没有为模型提供更大的歧视能力。S和E值以上80％的技术是逻辑回归（S：80.83％; E：86.25％; A：83.61％）和支持向量机（S：81.67％; E：85％; A：A：82.78％）的技术。诊断模型开发了良好的诊断性能，用于代偿性HF或COPD加重。据我们所知，这项研究是第一个报告可能适用于COPD和HF患者的代偿诊断模型的诊断模型。但是，这些结果是初步的，并有必要进一步研究以确认。
肠道微生物组和阻塞性睡眠呼吸暂停之间的因果关系：双向Mendelian随机化
伴随着大声打nor，睡眠质量恶化，白天过度嗜睡和浓度降低。作为一种高度普遍的疾病，OSA每年都会显着影响数百万人的生活（Wiegand and Zwillich，1994）。据报道，成年人口的OSA发生已达到20–30％（Sanchez-de-la-torre等人，2020年），儿童的出现已达到3-5％（Chan等，2020）。如今，OSA给个人和社会带来了严格的挑战。除了生活质量恶化外，OSA患者可能会遭受中期和长期后果，包括心血管，代谢，认知和与癌症相关的改变（Moreno-Indias等，2015）。更重要的是，OSA的后遗症将降低工作效率并提高汽车事故的风险（Teransantos等，1999），这在金融和公共安全方面对社会有害。鉴于在发达国家和发展中国家观察到的肥胖流行的持续趋势，人们期望全球患有OSA的患者人数会进一步增加，这主要是由于超重/肥胖与OSA之间的密切相关性（Lam等，2012）。但是，目前的OSA诊断和治疗策略不足。OSA经常无法诊断，而未诊断的OSA产生的成本在美国高达1496亿美元。因此，必须研究OSA的病因，以更好地防止其发生，在早期进行诊断并探索OSA的新治疗方法。此外，在不适（Dissanayake等人，2021年，2021年）之后，依从性问题（Rotenberg等，2016）以及侵入性程序（Badran等人，2020年），诸如持续正气道压力（Munir等人，2023年）和下颌促进设备等传统治疗都受到依从性问题的困扰（Rotenberg等，2016）。
职业性木尘暴露与慢性阻塞性肺病风险：一项荟萃分析
研究与质量量表（AHRQ）[8]。自评分量表共11个条目（分别以“是”、“否”和“不清楚”表示）[9]：（1）数据来源是否清楚（调查、文献综述）？（2）是否列出了暴露组和非暴露组（或病例和对照）的纳入和排除标准，或是否引用了以前的出版物？（3）是否给出了确定患者的时间阶段？（4）如果研究对象不是来自人群，那么研究对象是否连续？（5）评估者的主观因素是否掩盖了研究对象的其他方面？（6）描述任何确保质量的评估（例如，对主要结果指标的测试）；（7）解释任何排除患者的分析；（8）描述如何评估和（或）控制混杂因素的措施；（9）解释在分析中如何处理缺失数据（如果可能）；（10）总结患者的反应率和数据收集的完整性；（11）确定预期的不完整数据或如有后续跟进，则提供后续跟进结果。每项计1分。文献由2名研究人员按照评估方案进行评分，如有不一致的分数通过小组讨论解决。文献质量分为以下几类：低质量=0~3分；中等质量=4~7分；高质量=8~11分。
慢性阻塞性肺疾病中纳米颗粒的当前挑战和未来范围
慢性阻塞性肺疾病（COPD），其特征是气道炎症和进行性气流限制，是全球死亡率的主要原因之一。支气管扩张剂，皮质类固醇或抗生素用于治疗COPD，但这些药物未正确递送到靶细胞或组织，这仍然是一个挑战。纳米颗粒（NPS）由于较小的大小，表面与体积比较高以及诸如靶向效应，患者依从性和改善的药物治疗之类的优势，因此对呼吸医学产生了极大的兴趣。由NP介导的药物的持续递送到靶向位点需要控制COPD中肺的趋化性，纤维化和慢性阻塞。开发无毒的多功能可生物降解的NP，可以帮助克服气道防御，将来对于COPD来说将是有益的。
在阻塞性睡眠呼吸暂停中使用机器学习应用的状态和机会：叙事评论
抽象背景：阻塞性睡眠呼吸暂停（OSA）是一种普遍且潜在的严重睡眠障碍，其特征是睡眠期间呼吸反复中断。机器学习模型已越来越多地应用于OSA研究的各个方面，包括诊断，治疗优化和开发用于内型和疾病机制的生物标志物。方法：本叙述性评论研究了从2018年至2023年间发表的254个科学出版物中提取的数据，从诊断算法到治疗和患者管理策略的各种研究工作。我们通过评估了研究中所使用的技术，应用领域，模型评估策略和数据集特征，评估了OSA研究中机器学习的景观。结果：我们的分析表明，大多数机器学习应用都集中在OSA分类和诊断上，并利用各种数据源，例如多摄影，心电图数据和可穿戴设备。深度学习模型是最受欢迎的，其次是支持向量机，分类任务是最常见的。我们还发现，研究队列主要是超重的男性，女性的人数不足，年轻肥胖成年人，
B.C. Sotatercept的药物药物信息表（... 慢性阻塞性肺疾病 磺胺 - tech.pdf b''B.C. Sotatercept的药物药物信息表（...慢性阻塞性肺疾病磺胺 - tech.pdfb''
9 de ogo。de 2024 - 1981b：不列颠哥伦比亚省的地热能资源。B.C. 事工。 能源地雷。 和石油资源。 保护和技术。 分区。 262 P ...B.C.事工。能源地雷。和石油资源。保护和技术。分区。262 P ...
选修冠心病患者的阻塞性睡眠呼吸暂停对冠状动脉疾病患者的内在再狭窄的影响
背景：广泛的研究已建立阻塞性睡眠呼吸暂停（OSA），这是导致多种心血管和脑血管疾病的一个因素。然而，在选择性药物洗脱支架后，OSA是否会影响内部再狭窄（ISR）尚不清楚。因此，这项研究的目的是检查OSA对ISR对冠心病（CHD）患者的影响，这些患者接受了成功选择性药物洗脱支架（DES）植入。方法：这项研究回顾性地分析了冠心病患者，他们成功接受了冠状动脉支架植入和过夜的睡眠呼吸监测，并由于经皮冠状干预（PCI）的12到26个月的冠心病症状在冠状动脉血管造影中被录取。OSA。ISR被定义为植入DES的血管直径的50％再狭窄。探索CHD患者中OSA和ISR之间的关联，开发并利用了多元逻辑回归模型。结果：这项研究招募了206名被诊断为CHD的人，平均年龄为62.01±10.27岁，男性占患者人群的76.2％。在植入后15个月的中位随访期间，中度至重度OSA患者的ISR发生率显着增加，从10.9％增加到31.3％（p <0.001）。根据完全调整的模型，发现ISR的出现与OSA的存在独立相关（OR：3.247，95％CI：1.373–7.677，p = 0.007）。结论：在接受选择性药物洗脱支架的个人中，OSA是ISR的独立危险因素。
阻塞性和中央睡眠呼吸暂停治疗（仅适用于印第安纳州） - 社区计划医疗政策
如果无法使用这些标准确定医疗需求，请参阅标准®Medicare：程序，手术治疗阻塞性睡眠呼吸暂停（OSA）WPS。单击此处查看标准标准。在某些情况下，在医学上需要植入性降低神经刺激。有关医疗必要性临床覆盖标准，请参阅标准®Medicare：程序，降压神经刺激以治疗阻塞性睡眠呼吸暂停WPS。单击此处查看标准标准。可植入的神经刺激装置用于治疗中央睡眠呼吸暂停（CSA），由于安全性和/或功效的证据不足，因此未经证实，在医学上是不需要的。由于没有足够的疗效证据（不是全包列表），以下手术程序尚未证实，并且在治疗OSA上无需医学上。
全国出生缺陷预防研究参与者的阻塞性心脏缺陷的基因组范围的关联研究
摘要 - 相互作用对于数据分析和感知至关重要。但是，设计交互式物理化是具有挑战性的，因为它需要可视化，制造和电子设备方面的跨学科知识。交互式物理化通常以非结构化的方式生产，从而为特定数据集，问题或交互作用提供了独特的解决方案，这些解决方案无法轻易扩展或适应新的场景或未来的物理化。为了减轻这些挑战，我们将计算设计管道引入了具有集成感应功能的3D打印网络物理化。网络无处不在，但是它们的复杂几何形状也需要重要的工程考虑，以提供直观，有效的互动以进行探索。使用我们的管道，设计师可以通过触摸电容感应和计算推理来轻松地产生支持选择的网络物理化（最关键的原子操作）。我们的计算设计管道通过同时考虑物理化形式和相互作用到一个内聚力的制造工作流程中，引入了新的设计范式。我们使用（i）计算评估，（ii）以一般可视化任务和（iii）专家访谈来评估我们的方法。我们的管道引入的设计范式可以降低物理研究，创建和采用的障碍。
无阻塞性冠状动脉疾病患者的炎症风险和心血管事件：ORFAN 多中心纵向队列研究
摘要背景冠状动脉计算机断层扫描血管造影 (CCTA) 是胸痛的一线检查，可用于指导血运重建。然而，CCTA 的广泛应用发现，一大群没有阻塞性冠状动脉疾病 (CAD) 的个体的预后和治疗不明确。使用血管周围脂肪衰减指数 (FAI) 评分通过 CCTA 测量冠状动脉炎症，可以预测心血管风险并指导无阻塞性 CAD 个体的管理。牛津风险因素和非侵入性成像 (ORFAN) 研究旨在评估英国国家医疗服务体系 (NHS) 中作为常规临床护理一部分接受 CCTA 的患者的风险状况和事件发生率；检验冠状动脉炎症导致有或无 CAD 患者的心脏死亡或主要不良心脏事件 (MACE) 的假设；并在英国人群中外部验证先前训练过的人工智能 (AI)-风险预测算法和相关 AI-风险分类系统的性能。