糖尿病是一种以高血糖为特征的碳水化合物代谢异常的疾病。它与胰岛素分泌中的相对或绝对损伤有关,以及对胰岛素作用的不同程度的外围耐药性。糖尿病估计会影响全球5.37亿成年人,在20至79岁的成年人中,全球患病率为10.5%(1)。糖尿病是我们时代最严重,最常见的慢性疾病之一,导致威胁生命的并发症。在这些并发症中,中风是最公认和最常见的。中风是一种疾病,患病率很高,残疾,高死亡率和高复发率。成人男女中风的终生风险约为25%(2)。全球,中风是死亡率的第二大最常见原因,也是第二大最常见的残疾原因(3)。糖尿病会影响33%的缺血性中风患者,其中26%的出血性中风患者(4)。对102项前瞻性研究的新兴风险因素协作荟萃分析,其中850万人的随访表明糖尿病增加了缺血性中风2.27倍(5)。糖尿病不仅会影响中风的发作,而且还与中风结果的预后有关。糖尿病是中风复发的风险加倍,并增加了缺血性中风后死亡或残疾的风险(6)。中风后的糖尿病患者在有利的结果中具有25%的诱因,例如能够在日常生活的活动中独立发挥作用(7)。此外,据报道,糖尿病与2.56倍(8)后,中风后患上认知障碍和痴呆症的风险增加有关。糖尿病本身增加了活性氧的产生,促进了浮游剂过程。这些是加速关节炎和血栓形成风险增加的考虑的机制,最终导致缺血性中风的发作(7,9)。因此,在这个特刊中,“糖尿病在内分泌学领域的病理生理学和缺血性中风预后的作用”,我们专注于病因,病理学,治疗,中风的预后的作用。
材料和方法:我们研究了 EGFR、AREG 和 EREG 在 MIBC 中的预后意义。通过 qRT-PCR 对曼海姆大学医院(MA;中位年龄 72 岁,四分位距 [IQR] 64 – 78 岁,25% 为女性)接受根治性膀胱切除术的 100 名 MIBC 患者的组织样本进行基因表达和拷贝数分析。在忠北和 MDACC 队列中,对 2017 年 TCGA MIBC 队列(中位年龄 69 岁,IQR 60 – 77 岁,27% 为女性)中的 361 名患者进行了结果验证。使用 Mann-Whitney 检验、Kruskal-Wallis 检验和 Spearman 相关性将基因表达与临床病理参数相关联。使用 Kaplan-Meier 和 Cox 比例风险模型分析总体生存率 (OS)、癌症特异性生存率 (CSS) 和无病生存率 (DFS) 基因表达。
机器学习的进步(ML)正在通过基于复杂的多维数据来预测患者结果,从而改变了医疗保健行业。本研究探讨了ML模型在各种医疗状况中预测治疗功效的使用,重点是改善患者的结果和个性化治疗计划。预测结果的传统方法,例如临床判断和统计模型,通常在处理大量患者数据和治疗反应的可变性方面通常缺乏。相比之下,ML算法,包括决策树,支持向量机和神经网络,为更准确和数据驱动的预测提供了潜力。
抽象的几种将血清生物标志物纳入转移性肾细胞癌的预后模型已经建立了患者的生存。生物标志物研究的临时进步突出了许多额外的血清,基因突变,遗传表达信号和组织学生物标志物,这些血清预测了临床结果和对治疗的反应。因此,我们审查了与整体,特定癌症,自由和无疾病的生存率,总体反应以及用于转移性肾细胞癌的成年人群体治疗失败率相关的生物标志物。我们回顾了人类研究报告生物标志物与临床结果之间的关联。数据是通过标准化形式抽象的,然后在适当的情况下用危险比和置信区间进行了报道,并通过生物标志物类型(血清,基因突变,遗传表达和组织学)细分。我们确定了一系列与预后和预测结果临床关联的新生物标志物。超过现代风险模型中使用的生物标志物,与预后一致的生物标志物包括CAIX,COP-NLR,CRP,S-TATI和VEGF的血清水平,BAP1,CDKN2A,CIMP/FH和TERT中的基因突变,ERV和NQO1的基因表达,以及NQO1的基因表达,以及Histolophage Inviltration和Histomolophage Invilitration and P.Caix and caix and caix and caix and caix and caix and caix and caix and caix and P.生物标志物与对靶向抗血管生成疗法的反应始终相关,包括血清CRP,MET中的突变,PBRM-1,BAP1和MTOR途径,TERT启动子突变以及PTEN和血管生成基因的表达。HERV,T-effer和免疫原性的基因表达与对免疫检查点抑制的反应改善有关。 未来的模型应纳入研究良好的生物标志物,以帮助临床医生预测转移性肾细胞癌患者的结果和治疗反应。HERV,T-effer和免疫原性的基因表达与对免疫检查点抑制的反应改善有关。未来的模型应纳入研究良好的生物标志物,以帮助临床医生预测转移性肾细胞癌患者的结果和治疗反应。
心源性休克 (CS) 是一种高度致命的疾病,是发病率和死亡率的重要原因 (1)。根据美国最近的登记数据,估计每 100,000 例住院患者中约有 408 例因 CS 引起,平均住院死亡率为 37% (2)。无论 CS 患者是否患有糖尿病,都有许多因素导致他们易患高血糖症。炎症反应引起的交感神经刺激、心输出量减少导致的组织灌注不良、应激反应增加、血管加压素给药以及获得性胰岛素抵抗都会导致这种情况下血糖异常 (3)。应激性高血糖 (SIH) 是因急性疾病住院患者的一种暂时性疾病,在疾病消退后可自行缓解 (4)。无论重症患者入院时是否患有糖尿病,SIH 都很常见,并且似乎是疾病严重程度的一个标志 (5)。此外,关于 SIH 与预后的关系也一直存在争议(6,7)。尽管此前已证实应激性高血糖对心血管疾病的预后有害,但目前尚无证据表明应激性高血糖对 CS 患者,尤其是危重患者的预后具有相关性(8)。建议使用根据平均血糖状态进行调整的应激性高血糖比值(SHR)来评估实际血糖水平。先前的一些研究提出,SHR 可作为急性高血糖状态的指标,也可作为危重患者不良结局的预后指标(9-11)。因此,本研究旨在探讨 SIH 对重症监护病房内危重 CS 患者预后的影响,希望临床医生能够警惕危重 CS 患者的应激性高血糖,并能够意识到应激性高血糖可能带来的不良或伴随影响。
这项研究旨在研究肝外胆管癌(ECCA)患者的肠道菌群组成,粪便代谢产物和术后预后之间的关系。包括53例可切除的ECCA患者和21名健康志愿者作为对照组。16S rRNA基因测序和代谢组学分析揭示了肠道微生物群落结构的显着差异,并且改变了ECCA患者与健康对照组之间的粪便代谢物。单变量和多变量COX回归分析表明,术前胆红素,间接胆红素和特定代谢物等因素与ECCA后手术后患者的总体存活密切相关。构造的nom图模型进一步证明了这些因素的预测值,达到了0.718的C索引,校准曲线证实了其强大的预测性能。总而言之,肠道菌群组成和粪便代谢产物在ECCA患者的手术预后中起着至关重要的作用,为临床预后评估提供了新的见解。
背景:胃癌(GC)是全球最普遍的恶性疾病之一。异常的代谢重编程,尤其是胆固醇代谢,会影响肿瘤的发展和治疗结果。这项研究研究了胆固醇代谢相关基因在胃癌患者中的预测和功能意义。方法:使用来自基因表达综合基因综合(GEO)和癌症基因组图表(TCGA)的数据集分析了胃癌中与胆固醇代谢相关的临床和基因表达数据。使用Lasso,Cox回归和GSE26889队列开发并验证了预测签名,然后使用Kaplan-Meier分析进行评估。通过将签名与临床因素和SSGSEA整合进行免疫分析来构建一个nom图。使用Western印迹,QPCR和细胞测定法研究了NPC2的作用。结果:我们对胃癌中胆固醇代谢相关的50个基因进行了生物信息学分析。使用GEO和TCGA数据集,我们确定了28个基因在胃癌患者中表达差异。随后的Cox Univariate和Lasso回归分析分析了这28摄氏度,将五个基因(APOA1,APOC3,NPC2,CD36和ABCA1)确定为独立的预后风险因素。然后,我们为胆固醇代谢基因构建了一个风险模型,表明与低风险组相比,高危组的生存率较差,并具有更严重的病例分期结果。然后,我们使用相关列图开发了一个模型来说明这些结论。我们对高危和低风险组之间的免疫细胞进行了比较分析,揭示了免疫细胞类型表达的不同变化。我们进一步研究了NPC2的生物学特征。免疫组织化学和QPCR结果表明,NPC2在胃癌组织中表现出明显的蛋白质和mRNA表达。我们使用siRNA技术来抑制NPC2,从而降低了胃癌细胞的生存力,增殖和侵袭能力,这是由CCK-8,菌落形成,伤口愈合和Transwell分析确定的。结论:使用生物信息学构建了一个包括五个胆固醇代谢相关的基因的风险签名,以估计胃癌患者的结局和治疗反应。结果表明NPC2可以作为胃癌患者的新生物标志物。
机器学习(ML)见证了医疗领域内的显着意义,这主要是由于与健康相关数据的可用性增加以及ML算法的逐步增强。因此,可以利用ML来制定有助于疾病诊断,预测疾病进展,量身定制治疗以满足个人患者需求并提高医疗保健系统的运营效率的预测模型。及时检测疾病有助于有效的症状管理,并保证提供适当的治疗方法。在多发性硬化症(MS)中,诱发电位(EPS)与扩大的残疾状态量表(EDSS)有很强的相关性,这表明其潜力是残疾进展的可靠预测指标。本研究的目的是应用人工智能(AI)技术来识别与残疾指数(EDSS)评估的MS进展相关的预测因素。必须阐明EP在MS预后中的作用。我们对从125个记录组成的医学数据库获得的经验数据进行了分析。我们的主要目标是构建能够通过应用高级知识挖掘算法来预测EDSS索引的专家AI系统。我们开发了智能系统,可以预测使用ML算法,特别是决策树和神经网络的MS的进展。中,获得的精度分别为88.9%,92.9%和88.2%,可与获得88.2%,96.0%和85.0%精度的MRI相当。可以将EPS确定为MS的预测指标,其功效类似于MRI发现。对于验证EPS是必要的,该EPS明显低于MRI,并且比MRI更便宜,并且更简单,与成像或生化方法同样有效,可作为MS的生物标志物发挥作用。
结直肠癌(CRC)是一种流行的恶性肿瘤,其特征是全球发病率和死亡率高。此外,必须理解其发育发展的分子机制并确定有效的预后标记。这些努力对于确定潜在的治疗靶标和提高患者存活率至关重要。因此,我们开发了一种新型的预后模型,旨在为临床预后评估和治疗提供新的理论支持。我们从基因表达综合(GEO)和癌症基因组图集(TCGA)数据库中下载了数据。随后,我们进行了单细胞分析,并开发了与结直肠癌相关的预后模型。我们将SCRNA-SEQ数据集(GSE221575)分为19个细胞簇,并使用标记基因将这些簇分为11种不同的细胞类型。使用单变量COX回归和拉索(绝对收缩和选择算子)分析,我们开发了一个由9个基因组成的预后模型。基于我们的9基因模型,我们使用中位风险评分将患者分为高风险和低风险组。高危组表现出与M0巨噬细胞,CD8+ T细胞和M2巨噬细胞的显着正相关。富集分析表明,高风险基团的免疫相关途径的显着富集,包括刺猬_signaling,Wnt信号通路和细胞粘附分子。药物敏感性分析表明,低风险组对5种化学治疗药物敏感,而高风险组仅对1个。此外,我们为临床应用开发了高度可靠的列图。这表明我们的建模分析得出的风险评分对于分层结直肠癌样本非常有效。这项研究全面应用生物信息学方法来构建风险评分模型。该模型显示出良好的预测性能,为结直肠癌患者的个性化治疗提供了潜在的指导。此外,它可以为疾病的发病机理提供有价值的见解,并确定潜在的治疗靶点以进行进一步研究。
伯基特淋巴瘤(BL),弥漫性大B细胞淋巴瘤(DLBCL)和原发性纵隔B细胞淋巴瘤(PMBCL)是儿童和年轻人的常见肿瘤(1)。尽管化学疗法可以显着提高生存率,而无事件的生存率为5年,但对于那些对前线化学疗法复发或反应不佳的患者的预后较差[总生存率(OS)率≤25%](2)。高剂量化疗可能会诱导延迟作用,包括继发性恶性肿瘤,慢性健康状况和不育(3,4)。作为一种新型的免疫治疗,嵌合抗原受体(CAR)T细胞治疗在许多类型的恶性肿瘤中取得了显着的效果,尤其是在复发或难治性的大B细胞淋巴瘤(LBCL)中,并且治疗效应可以持续使用(5-7)。但是,大多数患者确实会经历复发(8,9)。细胞因子释放综合征(CRS)和免疫效应物细胞相关的神经毒性综合征(ICAN)是常见的与免疫相关的不良事件,必须密切监测,因为它们可能是致命的(10)。因此,重要的是要鉴定预后较差的患者,并且在服用T细胞治疗之前有严重不良反应的风险。作为形态和功能成像的组合,