XiaoMi-AI文件搜索系统
World File Search SystemAuC
瑞士公共评估报告Zolgensma
1L一线2L二线ADA抗药物抗体吸收，分布，新陈代谢，消除AE不良事件ALT ALT丙氨酸氨基转移酶Aspartate aspartate氨基转移酶API API API活性药物活性药物ATC ATC解剖学化学化学分类系统AUCAUD AUCMATION AUCMATIITS AUCMATIITS AUCMATIITS AUCMATION AUCMATION AUCMATIITS AUCMATIITS AUCMATINE AUCMATION AUC AUCMATION AUC AR AUC AR AUC AR AUC AR AUC AR AUC AR AUC AR AR A A AR缩减为4 curve for the 24-hour dosing interval BCS Biopharmaceutics classification system BSC Best supportive care CI Confidence interval C max Maximum observed plasma/serum concentration of drug CRC Colorectal cancer CYP Cytochrome P450 DDI Drug-drug interaction DOR Duration of response ECOG Eastern Cooperative Oncology Group EGFR Epidermal growth factor receptor EMA European Medicines Agency ER Exposure-response ERA Environmental risk assessment FDA Food and Drug Administration (USA) GLP Good Laboratory Practice HPLC High-performance liquid chromatography HR Hazard ratio IC/EC 50 Half-maximal inhibitory/effective concentration ICH International Council for Harmonisation Ig Immunoglobulin INN International non-proprietary name ITT Intention-to-treat LoQ List of Questions MAH Marketing Authorisation Holder Max Maximum mCRC Metastatic colorectal cancer Min Minimum MRHD Maximum recommended human dose MTD Maximum tolerated dose N/A Not applicable NCCN National Comprehensive Cancer Network NO(A)EL No observed (adverse) effect level ORR Objective response rate OS Overall survival PBPK Physiology-based pharmacokinetics PD Pharmacodynamics PFS Progression-free survival PIP Paediatric Investigation Plan (EMA) PK Pharmacokinetics PopPK Population pharmacokinetics PSP Pediatric study plan (US fda）QD每天
定量探索Quasi- ...十字架
背景：在老年糖尿病患者中，抑郁症经常被忽视，因为专业评估需要精神科医生，但是社区中缺乏这样的专家。因此，我们旨在创建一个简单的抑郁筛查模型，该模型允许社区卫生工作者早期发现老年糖尿病患者的抑郁症。方法：预测模型是在由210例糖尿病患者组成的主要队列中开发的，并收集了从2022年12月至2023年2月收集的数据。独立验证队列包括2023年2月至2023年3月的99例连续患者。多变量逻辑回归分析用于开发预测模型。我们结合了共同的人口统计学特征，糖尿病特异性因素，家庭结构特征，自我感知的负担量表（SPB）评分（SPB）评分和家庭Apgar（适应，伙伴关系，伙伴关系，成长，感情，解决方案）得分。根据其校准（校准曲线，Hosmer -Lemeshow检验），歧视（AUC）（AUC）（AUC）（AUC）（AUC）和临床实用性（决策曲线分析（DCA））评估了该图的性能。结果：预测列图合并了5个关键因素，例如葡萄糖监测状态，运动状态，每月收入，睡眠障碍状态和SPBS评分。该模型在主要队列中表现出强烈的歧视，AUC为0.839（95％CI，0.781–0.897）。在验证队列中进一步验证了这种歧视能力，AUC为0.857（95％CI，0.779–0.935）。此外，该杂物图表现出令人满意的校准。DCA表明，糖尿病老年患者抑郁症的预测具有很高的临床价值。结论：预测模型为社区卫生工作者提供了精确和用户 - 友好的指导，以在老年糖尿病患者的抑郁症进行初步筛查中。关键字：预测模型，抑郁，老年人，糖尿病，社区的基于
公告 2024-09
• 填海安全。（注意：这些主题与 5 月 29 日和 6 月 3 日的会议重复）由于对会议的兴趣增加，我们鼓励各方注册虚拟或面对面会议。会议将得到促进，7 月 10 日面对面会议期间的参与和反馈将集中在未参加虚拟会议的各方。任何希望将其注册从 5 月 29 日或 6 月 3 日的虚拟会议更改为 7 月 10 日的面对面会议的注册方必须在 2024 年 5 月 27 日星期一之前通知 laura.johnson@auc.ab.ca。5 月 29 日、6 月 3 日和 7 月 10 日的会议面向所有参与者，而 6 月 4 日的会议已指定给市政当局。口头咨询会议旨在成为有针对性的、富有成效的工作会议，并将由 AUC 工作人员根据附录中列出的讨论要点进行主持。每场会议都将有主持人。不会讨论 AUC 之前、当前或可能之前的特定项目，任何对特定项目的引用都将被重定向。已注册虚拟会议的用户将收到 AUC 工作人员的 Microsoft Teams 邀请。7 月 10 日的现场会议将在位于西南第三大道 600 号的 AUC 卡尔加里办事处举行。14 楼。AUC 要求参与者在预定的开始时间前大约 15 分钟到达，以便准时开始。考虑到所有参与者并鼓励坦诚讨论，这些会议不打算供旁听，并要求所有参与者做好准备参加小组讨论。会议不会被录制或直播，但 AUC 工作人员将记录关键讨论点。参与者将没有机会进行准备好的演讲。希望对规则 007 的变更发表评论的有关各方有机会通过规则 007 AUC Engage 页面以书面形式提交他们的意见，如果他们选择不参加提供的会议。书面提交的截止日期为 2024 年 9 月 3 日。
alphafold2预测蛋白在结构兼容性混淆中是否相互作用
表1-用IPTM分数作为预测变量获得的AUC值和不同的AlphaFold2选项。AUC值之间的差异在不同的MSA配对和回收模式（在最后一行中）或由不同网络生成的模型（在每个列中）获得的最佳模型之间的差异在统计学上没有统计学意义。
瑞士公共评估报告 - TRUQAP
1L一线2L二线ADA抗药物抗体吸收，分布，新陈代谢，消除AE不良事件ALT ALT丙氨酸氨基转移酶Aspartate aspartate氨基转移酶API API API活性药物活性药物ATC ATC解剖学化学化学分类系统AUCAUD AUCMATION AUCMATIITS AUCMATIITS AUCMATIITS AUCMATION AUCMATION AUCMATIITS AUCMATIITS AUCMATINE AUCMATION AUC AUCMATION AUC AR AUC AR AUC AR AUC AR AUC AR AUC AR AUC AR AR A A AR缩减为4 curve for the 24-hour dosing interval CI Confidence interval C max Maximum observed plasma/serum concentration of drug CYP Cytochrome P450 DDI Drug-drug interaction DOR Duration of response ECOG Eastern Cooperative Oncology Group EMA European Medicines Agency ERA Environmental risk assessment FDA Food and Drug Administration (USA) GLP Good Laboratory Practice HPLC High-performance liquid chromatography IC/EC 50 Half-maximal抑制/有效集中IC国际协调IG IG免疫球蛋白Inn国际非专有名称ITT意向性对处理的LOQ LOQ列表MAH营销授权持有人最大最小最小最小最小最小MRHD最低MRHD最大最大剂量MTD最大耐受剂量N/A不适用NCCN国有综合癌症网络无适用的稳定性（a）nocessigent and consection no nocessightion nocessightion nocessigent of Arvestion Providest of ARSEVER IDEVER（A）生存效果（A） pharmacokinetics PD Pharmacodynamics PFS Progression-free survival PIP Paediatric Investigation Plan (EMA) PK Pharmacokinetics PopPK Population pharmacokinetics PSP Pediatric study plan (US FDA) RMP Risk management plan SAE Serious adverse event SwissPAR Swiss Public Assessment Report TEAE Treatment-emergent adverse event TPA Federal Act of 15 December 2000 on Medicinal Products and Medical Devices (SR 812.21）2018年9月21日的TPO条例（SR 812.212.21）
瑞士-Breyanzi
1L一线2L二线ADA抗药物抗体吸收，分布，新陈代谢，消除AE不良事件ALT ALT丙氨酸氨基转移酶Aspartate aspartate氨基转移酶API API API活性药物活性药物ATC ATC解剖学化学化学分类系统AUCAUD AUCMATION AUCMATIITS AUCMATIITS AUCMATIITS AUCMATION AUCMATION AUCMATIITS AUCMATIITS AUCMATINE AUCMATION AUC AUCMATION AUC AR AUC AR AUC AR AUC AR AUC AR AUC AR AUC AR AR A A AR缩减为4 curve for the 24-hour dosing interval CI Confidence interval C max Maximum observed plasma/serum concentration of drug CYP Cytochrome P450 DDI Drug-drug interaction DOR Duration of response ECOG Eastern Cooperative Oncology Group EMA European Medicines Agency ERA Environmental risk assessment FDA Food and Drug Administration (USA) GLP Good Laboratory Practice HPLC High-performance liquid chromatography IC/EC 50 Half-maximal inhibitory/effective concentration ICH International Council for Harmonisation Ig Immunoglobulin INN International non-proprietary name ITT Intention-to-treat LoQ List of Questions MAH Marketing Authorisation Holder Max Maximum Min Minimum MRHD Maximum recommended human dose MTD Maximum tolerated dose N/A Not applicable NCCN National Comprehensive Cancer Network NO(A)EL No observed (adverse) effect level ORR Objective response rate OS Overall survival PBPK Physiology-based pharmacokinetics PD Pharmacodynamics PFS Progression-free survival PIP Paediatric Investigation Plan (EMA) PK Pharmacokinetics PopPK Population pharmacokinetics PSP Pediatric study plan (US FDA) RMP Risk management plan SAE Serious adverse event SwissPAR Swiss Public Assessment Report TEAE Treatment-emergent adverse event TPA Federal Act of 15 December 2000 on Medicinal Products and Medical Devices (SR 812.21）2018年9月21日的TPO条例（SR 812.212.21）
瑞士公共评估报告ABECMA
1L一线2L二线ADA抗药物抗体吸收，分布，新陈代谢，消除AE不良事件ALT ALT丙氨酸氨基转移酶Aspartate aspartate氨基转移酶API API API活性药物活性药物ATC ATC解剖学化学化学分类系统AUCAUD AUCMATION AUCMATIITS AUCMATIITS AUCMATIITS AUCMATION AUCMATION AUCMATIITS AUCMATIITS AUCMATINE AUCMATION AUC AUCMATION AUC AR AUC AR AUC AR AUC AR AUC AR AUC AR AUC AR AR A A AR缩减为4 curve for the 24-hour dosing interval CI Confidence interval C max Maximum observed plasma/serum concentration of drug CYP Cytochrome P450 DDI Drug-drug interaction DOR Duration of response ECOG Eastern Cooperative Oncology Group EMA European Medicines Agency ERA Environmental risk assessment FDA Food and Drug Administration (USA) GLP Good Laboratory Practice HPLC High-performance liquid chromatography IC/EC 50 Half-maximal抑制/有效集中IC国际协调IG IG免疫球蛋白Inn国际非专有名称ITT意向性对处理的LOQ LOQ列表MAH营销授权持有人最大最小最小最小最小最小MRHD最低MRHD最大最大剂量MTD最大耐受剂量N/A不适用NCCN国有综合癌症网络无适用的稳定性（a）nocessigent and consection no nocessightion nocessightion nocessigent of Arvestion Providest of ARSEVER IDEVER（A）生存效果（A） pharmacokinetics PD Pharmacodynamics PFS Progression-free survival PIP Paediatric Investigation Plan (EMA) PK Pharmacokinetics PopPK Population pharmacokinetics PSP Pediatric study plan (US FDA) RMP Risk management plan SAE Serious adverse event SwissPAR Swiss Public Assessment Report TEAE Treatment-emergent adverse event TPA Federal Act of 15 December 2000 on Medicinal Products and Medical Devices (SR 812.21）2018年9月21日的TPO条例（SR 812.212.21）
jnumed.124.267542.full.pdf
经甲状腺素蛋白心脏淀粉样变性（ATTA）越来越被认为是老年患者心力衰竭的原因，经常使用99m TC-磷酸盐成像来建立诊断。SPECT图像的视觉解释是解释的黄金标准，但本质上是主观的。Spent心肌的手动定量99M TC-Pyrophos-Phate活性是时必的，并且在临床上没有进行。我们通过使用CT衰减图的核心研究分割对99m TC-磷酸盐的全自动实力定量进行了深度学习方法。方法：包括接受SPECT/CT 99M TC-Pyrophophathate成像的患者进行可疑的ATT CA。使用标准标准确定了ATTA CA的诊断。心脏室和心肌，然后应用于衰减校正的SPECT图像以量化放射性抗体活性。使用接收器操作特征曲线（AUC）下的区域（AUC），我们评估了目标与背景比（TBR），心脏焦磷酸盐活性（CPA）（CPA）（CPA）的诊断准确性（CPA）。然后，我们评估了与心血管死亡或心力衰竭住院的综合结果的关联。结果：总共包括299名患者（中位年龄为76岁），在83名（27.8％）患者中诊断出ATTA CA。CPA（AUC，0.989; 95％CI，0.974 - 1.00）和VOI（AUC，0.988; 95％CI，0.973 - 1.00）的预测性能最高。下一个最高的AUC是TBR（AUC，0.979; 95％CI，0.964 - 0.995）。CPA的AUC显着高于心与互机比率（AUC，0.975; 95％CI，0.952 - 0.998; P 5 0.046）。23例ATT CA患者经历了心血管死亡或心力衰竭的医院。所有用于建立TBR，CPA和VOI的方法都与调整年龄调整后发生事件的风险增加，危险比每SD增加1.41至1.84。结论：核心副群体衰减图的深度学习分割不受放射性示意剂吸收模式的影响，并且可以完全自动量化热点频谱成像，例如99m tc- pyrophophophate。这种方法可用于准确识别患有ATT的患者，并可能在风险预测中发挥作用。
Activ-2D/A5407 NCT＃NCT05305547
从时间0到曲线下的AUC 0-INF区域从曲线到无穷大的AUC AUC 0持续区域从时间0到最后一个测得的浓度AUC 0-TAU面积在曲线下到剂量周期的结束，并在给药期结束时BCRP乳腺癌抗癌蛋白BMI BMI BMI体重指数C 24小时C 24小时C 24小时C 24小时在48HR浓度下50次浓度，在48hr CFR联邦法规守则CI置信区间CLIA临床实验室改进修正案C最大浓度COVID-19 CORONAVIRUS病2019; caused by SARS-CoV-2 CoVs coronaviruses CPE cytopathic effect CrCl creatinine clearance CRF case report form CRO contract research organization CRP C-reactive protein C trough minimum concentration CV% coefficient of variation CYP cytochrome P450 DAIDS Division of AIDS DDI drug-drug interaction DSMB data safety monitoring board eCRF electronic case report form EC 50 half maximal （50％）有效浓度EC 90 90％最大有效浓度E/CIA酶或从时间0到曲线下的AUC 0-INF区域从曲线到无穷大的AUC AUC 0持续区域从时间0到最后一个测得的浓度AUC 0-TAU面积在曲线下到剂量周期的结束，并在给药期结束时BCRP乳腺癌抗癌蛋白BMI BMI BMI体重指数C 24小时C 24小时C 24小时C 24小时在48HR浓度下50次浓度，在48hr CFR联邦法规守则CI置信区间CLIA临床实验室改进修正案C最大浓度COVID-19 CORONAVIRUS病2019; caused by SARS-CoV-2 CoVs coronaviruses CPE cytopathic effect CrCl creatinine clearance CRF case report form CRO contract research organization CRP C-reactive protein C trough minimum concentration CV% coefficient of variation CYP cytochrome P450 DAIDS Division of AIDS DDI drug-drug interaction DSMB data safety monitoring board eCRF electronic case report form EC 50 half maximal （50％）有效浓度EC 90 90％最大有效浓度E/CIA酶或从时间0到曲线下的AUC 0-INF区域从曲线到无穷大的AUC AUC 0持续区域从时间0到最后一个测得的浓度AUC 0-TAU面积在曲线下到剂量周期的结束，并在给药期结束时BCRP乳腺癌抗癌蛋白BMI BMI BMI体重指数C 24小时C 24小时C 24小时C 24小时在48HR浓度下50次浓度，在48hr CFR联邦法规守则CI置信区间CLIA临床实验室改进修正案C最大浓度COVID-19 CORONAVIRUS病2019; caused by SARS-CoV-2 CoVs coronaviruses CPE cytopathic effect CrCl creatinine clearance CRF case report form CRO contract research organization CRP C-reactive protein C trough minimum concentration CV% coefficient of variation CYP cytochrome P450 DAIDS Division of AIDS DDI drug-drug interaction DSMB data safety monitoring board eCRF electronic case report form EC 50 half maximal （50％）有效浓度EC 90 90％最大有效浓度E/CIA酶或
人工智能识别视网膜眼底图像，...
目的：评估深度学习算法在视网膜眼底图像中执行不同任务的性能：（1）检测视网膜眼底图像与光学相干断层扫描 (OCT) 或其他图像，（2）评估优质视网膜眼底图像，（3）区分右眼 (OD) 和左眼 (OS) 视网膜眼底图像，（4）检测老年性黄斑变性 (AMD) 和 (5) 检测可转诊的青光眼性视神经病变 (GON)。患者和方法：设计了五种算法。从包含 306,302 张图像的数据库（Optretina 的标记数据集）进行回顾性研究。三位不同的眼科医生（均为视网膜专家）对所有图像进行分类。数据集按患者分为训练（80%）和测试（20%）两部分。采用了三种不同的 CNN 架构，其中两种是定制设计的，以最小化参数数量，同时对其准确性的影响最小。主要结果测量是曲线下面积 (AUC)，包括准确度、灵敏度和特异性。结果：视网膜眼底图像的测定 AUC 为 0.979，准确度为 96%（灵敏度 97.7%，特异性 92.4%）。高质量视网膜眼底图像的测定 AUC 为 0.947，准确度为 91.8%（灵敏度 96.9%，特异性 81.8%）。OD/OS 算法的 AUC 为 0.989，准确度为 97.4%。AMD 的 AUC 为 0.936，准确度为 86.3%（灵敏度 90.2%，特异性 82.5%），GON 的 AUC 为 0.863，准确度为 80.2%（灵敏度 76.8%，特异性 83.8%）。结论：深度学习算法可以将视网膜眼底图像与其他图像区分开来。算法可以评估图像的质量，区分右眼和左眼，并以高水平的准确度、灵敏度和特异性检测 AMD 和 GON 的存在。关键词：人工智能、视网膜疾病、筛查、视网膜眼底图像