由于预期寿命和生活方式的改变,韩国老年人之间的糖尿病患病率和相关的公共卫生负担都不断增加。老年患者的糖尿病管理因年龄相关的生理变化而复杂化,肌肉减少症的特征是肌肉质量和功能,合并症以及功能,认知和移动能力的不同水平,导致脆弱。此外,糖尿病的老年患者经常面临多种慢性病,以提高其心血管疾病,癌症和死亡率的风险。它们还容易发生,例如高血糖羟基状态,糖尿病性酮症酸中毒和严重的低血糖。本综述研究了老年人糖尿病的特征和管理方法,并倡导采取全面而个性化的策略。
在用T细胞重定向免疫疗法治疗的多发性骨髓瘤中抗原逃逸。Marios Papadimitriou 1#,Sungwoo Ahn 2#,Benjamin Diamond 1#,Holly Lee 2#,John McIntyre 3,Marietta Truger 4,Michael Durante 1,Bachisio Ziccheddu 1,Ola landgren 1,Ola Landgren 1,Leo Rasche 5 *,Nizar 2 *,bahla ini frinasy J.Bahla 2 * *,Pa raila 2 *, 1骨髓瘤分部,迈阿密大学,西尔维斯特综合癌症中心,美国佛罗里达州迈阿密。2 Arnie Charbonneau癌症研究所,加拿大艾伯塔省卡尔加里大学卡尔加里大学。 3 Precision肿瘤学枢纽实验室,汤姆·贝克癌症中心,加拿大艾伯塔省卡尔加里,4 mll慕尼黑白血病实验室,慕尼黑,德国5号慕尼黑5号内科,德国吴伦斯堡大学医院,德国,德国,德国。 #这些作者同样贡献 *这些作者同样贡献了相同的作者:骨髓瘤医学院医学院弗朗切斯科·毛拉(Francesco Maura电子邮件:fxm557@med.miami.edu Nizar J Bahlis,MD Arnie Charbonneau癌症研究所遗产医学研究大楼,328 3330 Hospital Drive N.W. Calgary, AB, Canada T2N 4N1 Email: nbahlis@ucalgary.ca Office: 403-220-2801 RUNNING TITLE: Timing multiple myeloma immune-resistance KEY WORDS: multiple myeloma, genomics, immunotherapy, chimeric antigen receptor T-cell, bispecific T cell engager, BCMA, GPRC5D. '2 Arnie Charbonneau癌症研究所,加拿大艾伯塔省卡尔加里大学卡尔加里大学。3 Precision肿瘤学枢纽实验室,汤姆·贝克癌症中心,加拿大艾伯塔省卡尔加里,4 mll慕尼黑白血病实验室,慕尼黑,德国5号慕尼黑5号内科,德国吴伦斯堡大学医院,德国,德国,德国。#这些作者同样贡献 *这些作者同样贡献了相同的作者:骨髓瘤医学院医学院弗朗切斯科·毛拉(Francesco Maura电子邮件:fxm557@med.miami.edu Nizar J Bahlis,MD Arnie Charbonneau癌症研究所遗产医学研究大楼,328 3330 Hospital Drive N.W.Calgary, AB, Canada T2N 4N1 Email: nbahlis@ucalgary.ca Office: 403-220-2801 RUNNING TITLE: Timing multiple myeloma immune-resistance KEY WORDS: multiple myeloma, genomics, immunotherapy, chimeric antigen receptor T-cell, bispecific T cell engager, BCMA, GPRC5D. '
摘要 目的 我们研究了机器学习人工智能 (AI) 在对眼科急症严重程度进行分类以便及时就诊方面的有效性。 研究设计 这项回顾性研究分析了 2019 年 5 月至 12 月期间首次访问大邱武装部队医院的患者。患者的一般信息、事件和症状是输入变量。事件、症状、诊断和治疗是输出变量。输出变量分为四类(红色、橙色、黄色和绿色,表示立即或无紧急情况)。在所有训练程序之前,随机选择了大约 200 例类平衡验证数据集。采用了一种集成 AI 模型,该模型结合了全连接神经网络和合成少数过采样技术算法。 参与者 共纳入 1681 名患者。 主要结果 使用准确度、精确度、召回率和 F1 分数来评估模型性能。 结果 该模型的准确率为 99.05%。各类别(红色、橙色、黄色和绿色)的准确率分别为 100%、98.10%、92.73% 和 100%。各类别的召回率分别为 100%、100%、98.08% 和 95.33%。各类别的 F1 得分分别为 100%、99.04%、95.33% 和 96.00%。结论我们为基于症状对眼科急诊严重程度进行分类的 AI 方法提供了支持。