XiaoMi-AI文件搜索系统
World File Search SystemCTRI
评估Ashwagandha（withaia somnifera）与
材料和方法是一项双盲，随机标准对照临床试验。这项研究期限为一年半（从2024年1月至2025年6月）。这些受试者将从圣雄甘地·阿育吠陀学院，医院和研究中心，萨洛德（H），印度马哈拉施特拉邦，印度马哈拉施特拉邦和特殊营地中选拔。获得了IEC的圣雄甘地艾尔维德学院，Salod（H）的医院和研究中心，Wardha已获得（MGACHRC/IEC/SEP- 2023/734）和临床试验登记册（CTRI）注册。 （CTRI // 2023/22/060756）。 在每位患者获得书面知情同意书后将招募患者。 在整个研究中，每个患者的机密性都将被保留。获得了IEC的圣雄甘地艾尔维德学院，Salod（H）的医院和研究中心，Wardha已获得（MGACHRC/IEC/SEP- 2023/734）和临床试验登记册（CTRI）注册。（CTRI // 2023/22/060756）。在每位患者获得书面知情同意书后将招募患者。在整个研究中，每个患者的机密性都将被保留。
Zydus 和 ICMR 启动第二阶段概念验证试验...
该项 IIa 期双盲、随机、安慰剂对照、平行、多中心、概念验证研究由印度国家临床试验和教育网络 INTENT、印度医学研究理事会发展研究部临床研究和试验部门共同资助和监督，将评估 Desidustat 口服片剂治疗镰状细胞病的有效性和安全性。与安慰剂相比，将在第 4 周和第 8 周测量有 Hb 反应（定义为 Hb 较基线增加 ≥ 1 g/dL）的患者比例作为主要终点。该试验还将评估关键次要终点，包括血红蛋白的平均变化、需要输血的患者比例、经历血管闭塞危象的患者比例和 HbSS 百分比的平均变化 [CTRI 注册号：CTRI/2024/06/068363]。
2型糖尿病预防（Yoga-DP）
名义学方法。结果：与可行性相关的促进者是有用的参与者招聘策略，并从试验协调中心获得的帮助和支持。与干预相关的促进者是干预含量，结构和交付（包括材料）和瑜伽教练能力的优势。feasibil-与动物相关的挑战缺乏对潜在参与者中T2DM的了解，潜在参与者中与T2DM相关的污名和恐惧，在解释研究并从潜在的参与者和控制参与者的参与者，其他参与者的参与者中获得的潜在参与者和需求中的潜在参与者的书面同意的困难，与其他参与者的需求有关挑战，参与者后续行动中的问题以及数据收集和试用文档中的问题。与参与者对瑜伽的兴趣有限，参与者对练习瑜伽的时间限制有限瑜伽教练。结论：审判人员和瑜伽教练的看法和经验帮助我们了解了进行可行性试验的促进者和挑战，并分别提供了预防T2DM的干预措施。试用注册号：印度（CTRI）CTRI/2019/05/018893。在设计定义的RCT来评估瑜伽DP的有效性时，将使用这些发现及其建议，并可能对计划类似试验的研究人员有所帮助。
2型糖尿病预防瑜伽程序（...
小组，参与者接受了瑜伽DP。在对照组中，参与者获得了增强的标准护理。结果：在这项可行性试验中，参与者的招募花费了4个月（从2019年5月到2019年9月）。我们筛选了711人，并评估了160人的资格。六十五个参与者（干预组为33个，对照组为32个），然后随访57名（88％）参与者6个月（干预组为32，对照组为25个）。在干预组中，瑜伽课程持续参加了32（97％）的参与者（Me-dian（四分位数，IQR）的会议数量= 27（3））。在干预组中，瑜伽在家中自行练习30（91％）参与者（中位数（IQR）每周的天数和每天分钟分别自我培训= 2（2）和35（15））。在对照组中，一名（3％）参与者在可行性试验期间参加了1周的外部瑜伽课（在pranayama上）。没有严重的不利事件。结论：在这项可行性研究中，参与者的招聘以及对干预的随访和遵守是有希望的。在对照组中，势污染很低。因此，将来可以理解明确的RCT，这将是可行的，该RCT将评估瑜伽DP在印度的高风险人群中的有效性。可行性试验注册：临床试验注册中心 - 印度（CTRI）CTRI/2019/05/018893; 2019年5月1日注册。
ASEA 电动滑轮组
解决泄漏问题的方法是 B.I. Callender 的“三明治”型电缆 — 一种非泄漏电缆，设计用于任何垂直头，温度高达 Ctri 额定最大值。这种电缆中没有自由化合物；在 Elman 的生产过程中，预干的非复合纸带层被夹在预复合纸带层之间，在随后的生产过程中，获得了均匀的复合带，没有多余的部分。文献和库存清单请求。
III期关键性比较临床试验（INCOVACC）和肌内covid 19疫苗（Covaxin®）
除了预防疾病外，Covid-19候选疫苗的最优选特征之一是减少SARS-COV-2的传播和感染的能力。与肌内疫苗不同，鼻腔内COVID-19疫苗可能通过产生粘膜免疫来提供这种疫苗。在这个开放标签的，随机的，多中心，第3阶段临床试验（CTRI/2022/02/40065;临床Trials.gov：NCT05522335）中，健康的成年人被随机分配，以接受两次剂量，分别接受两次剂量，分别为28天，分开，分别是鼻腔内腺病毒的sars-Sars-cov-cov-cov-cov-254（BBV154）或BBV154444。疫苗，Covaxin®。在2022年4月16日至6月4日之间，我们招募了3160名受试者，其中2971人接受了2剂BBV154，161剂接受了Covaxin。在第二剂剂量后的第42天，BBV154引起了针对祖先（Wuhan）病毒的显着性血清中和抗体滴度，该抗体（Wuhan）病毒符合BBV154比Covaxin®的预先确定的优势标准。此外，两种疫苗均显示出针对Omicron Ba.5变体的交叉保护。唾液IgA滴度较高。此外，对T细胞免疫力的广泛评估显示，由于先前感染而引起的两个队列中的反应。然而，BBV154显示出明显的祖先特异性Iga-分泌的浆质，疫苗接种后，而covaxin受体则显示出显着的OMICRON特定特异性iga scretnecretrasters contermablasts，仅在第42天。两种疫苗的耐受性都很好。总体报道的征集反应为6.9％和25.5％，在BBV154和Covaxin®参与者中，未经请求的反应分别为1.2％和3.1％。
最大限度地发挥微电子设备的性能 ...
摘要 — 微电子热敏电机 (TE) 发电机 (μ TEG) 是一种常见的潜在解决方案功率发电机和单相集成电路 (IC)。由于 µ TEG 电路中的寄生电阻和热阻，因此存在性能限制。寄生效应或曼塞洛斯可能会严重影响使用相对低 TE 性能指标（如硅 (Si)）的 TEG 器件。在这种情况下，必须仔细注意整个 TEG 电路，而不仅仅是 TE 材料特性。这里，μ TEG 器件的定量模型包括所有与 I C 兼容的常见的重要电和热寄生器件。该模型提供了有关可再生能源发电和效率的耦合方程组或数值解。考虑到现场的抗裂性和实际性能值，该模型显示了 TE 元件总横截面的横截面积热比（称为“包装分数”）。在整个区域或在其流动区域，可以指定功率或效率，但不能同时实现两者。对于实际的材料和设备参数，优化系数通常为 1 % – 1 0 %，低于许多 µ TEG 设计中使用的值。模型说明了一些 TEG 示例的发电情况，并提供了显着的性能或改善效果的设计。索引术语——能源采集、热电 (TE)、TE 发电机。
XSL•FO
背景：2 型糖尿病 (T2D) 是全球过早发病和死亡的主要原因，影响着世界人口最多的国家印度的 1 亿多人口。营养是有效控制血糖的关键且有证据支撑的组成部分，大多数饮食建议都强调减少碳水化合物和卡路里。新兴的全球证据表明，餐后血糖反应 (PPGR) 存在明显的个体差异，尽管印度没有此类数据，之前的研究主要评估了非糖尿病患者的 PPGR 变化。目标：这项前瞻性队列研究旨在描述居住在印度的糖尿病患者的 PPGR 变异性，并确定与这些差异相关的因素。方法：正在从印度各地的 14 个地点招募患有 T2D 且血红蛋白 A 1c ≥ 7 的成年人。参与者佩戴连续血糖监测仪，进食一系列标准化膳食，并记录 14 天期间的所有自由饮食、活动和药物使用情况。该研究的主要结果是 PPGR，计算为每次记录的进餐后 2 小时曲线下面积的增量。结果：数据收集于 2022 年 5 月开始，结果将于 2025 年 9 月准备好发布。我们研究的结果将生成数据，以促进创建机器学习模型来预测个人 PPGR 反应，并促进为 2 型糖尿病患者开出个性化饮食处方。结论：这项研究将首次大规模检查印度对食物的血糖反应变异性，并将成为首批估计任何司法管辖区 2 型糖尿病患者 PPGR 变异性的研究之一。试验注册：临床试验注册中心-印度 CTRI/2022/02/040619；https://tinyurl.com/mrywf6bf 国际注册报告标识符 (IRRID)：DERR1-10.2196/59308
基于心血管风险评分（AICVD）
抽象目标心血管疾病（CVD）是印度最普遍的疾病之一，占总死亡的近30％。对印度人口中CVD风险评分的研究匮乏，常规风险评分的有限表现以及无法重现随机临床试验中的初始准确性的研究，这导致了有关大规模患者数据的这项研究。目的是在未来10年内开发基于人工智能的风险评分（AICVD），以预测CVD事件（例如，急性心肌梗塞/急性冠状动脉综合征），并将模型与Framingham Heart风险评分（FHRS）和QRISK3进行比较。方法我们的研究包括31599名从2009年至2018年的18-91岁的参与者在印度的六家阿波罗医院。使用Spearman相关系数和倾向分数匹配的多步风险因素选择过程产生了21个风险因素。使用多层神经网络预测事件发生（分类）和事件的时间（危害模型）的风险因素建立了一个深度学习危害模型。此外，该模型通过来自印度和荷兰的独立回顾人群进行了验证，并与FHRS和QRISK3进行了比较。结果深度学习危害模型的性能良好（曲线下的区域（AUC）0.853）。验证和比较结果显示，AUC在0.84至0.92之间，阳性似然比（AICVD -6.16至FHRS -FHRS -2.24和QRISK3 -1.16）和准确性（AICVD -80.15％至FHRS至FHRS 59.71％和Qrisk3 51.51.51.51.51.51.51.51.51.57％）。在荷兰队列中，AICVD还优于Framingham心风险模型（AUC -0.737 vs 0.707）。结论本研究得出的结论是，新型基于AI的CVD风险评分对心脏事件的预测性能高于印度人群的常规风险评分。试用注册号CTRI/2019/07/020471。
电子糖尿病日记的开发和测试
背景：2型糖尿病（T2DM）是需要糖尿病自我管理（DSM）实践的主要非传染性疾病之一。本研究建议开发与医院信息系统（HIS）集成的定制移动健康（MHealth）应用程序，以实现患者和医师之间的实时，双向信息转移。电子健康记录中的捕获信息将促进医生对患者的糖尿病病史的时间顺序描述，并可以调整治疗。目的：研究的目标是根据最终用户的期望，在南印度州的三级护理医院的最终用户期望开发His集成的电子糖尿病日记（EDDY），并在T2DM和（2）中高患病率，以评估并测试T2DM管理中Eddy的依从性。方法：研究将分为3个阶段。第1阶段涉及与主要最终用户的深入访谈，以收集有关他们对基于医院的涡流的期望的信息。第2阶段将使用此信息使用软件开发的迭代模型来开发自定义的MHealth应用程序。第三阶段将涉及预测试和后测设计；开发的应用程序将在同意的患者中进行测试，医生将通过HIS综合的MHealth应用程序接受患者的数据。将分析预测试和后测值，以依从性，从而改善患者的血糖，用户体验，血糖控制和临床实用性的自我管理。结果：阶段1于2023年11月28日完成。第二阶段于2023年12月开始，将于2025年5月结束。第3阶段将随后遵循。结论：拟议的应用程序将包括一个方便而简单的警报系统，该系统使患者能够以自选的间隔测试血糖值，为进入糖尿病相关的并发症提供分级选项，增强患者的追踪和管理糖尿病并发症的知识，并帮助维持Gluc糖值和复杂性的视觉代表。模块的简单性和可用性是其新颖性，这可能会激发患者跟踪其葡萄糖价值并帮助他们获得更好的健康结果。试验注册：临床试验注册处印度CTRI/2023/03/051077; http://tinyurl.com/4TAU4NDB国际注册报告标识符（IRRID）：PRR1-10.2196/50732