XiaoMi-AI文件搜索系统
World File Search SystemCardiovascular
针对脂蛋白 (a)：RNA 疗法能否为预防心血管疾病提供下一步的帮助？
冠心病、中风和心力衰竭。Lp(a) 由低密度脂蛋白样颗粒组成，其中载脂蛋白 A (apo[a]) 和载脂蛋白 B-100 共价连接，这解释了其促血栓、促炎症和促动脉粥样硬化的特性。Lp(a) 血清浓度由 apo(a) 异构体基因决定，较短的异构体具有较高的颗粒合成率。迄今为止，尚无有效降低 Lp(a) 水平的获批药物疗法。针对 apo(a) 表达的有前景的治疗方法包括基于 RNA 的药物，例如 pelacarsen、olpasiran、SLN360 和 lepo-disiran，这些药物目前正在临床试验中。在这篇全面的综述中，我们详细概述了基于 RNA 的治疗方法，并讨论了专门用于降低 Lp(a) 水平从而降低心血管疾病风险的 RNA 疗法的最新进展和挑战。
推进心血管疾病的风险预测
量化短期和长期CVD风险与年轻人特别相关；预防方程式估计10岁（短期）和30年（长期）的CVD风险。由于年龄是CVD风险的主要驱动力，因此，短期内，年轻人的风险很低。然而，在未来10年中风险较低的成年人中有将近一半的人在未来30年内仍然有CVD的高风险，仅短期风险估计就会错过。6 2019年美国心脏病学院/AHA初级预防指南建议估计20至59岁成年人的ASCVD风险。 7预防方程式允许估计从30岁开始的10年和30年的风险，即汇总队列方程前十年，可以在临床医生讨论中进行更早，更全面的风险估计。6 2019年美国心脏病学院/AHA初级预防指南建议估计20至59岁成年人的ASCVD风险。7预防方程式允许估计从30岁开始的10年和30年的风险，即汇总队列方程前十年，可以在临床医生讨论中进行更早，更全面的风险估计。
第八届国际夏威夷心血管研讨会（...
欢迎欢迎来到我们2025年8月8日国际夏威夷心血管研讨会！这次会议的目标是为心脏细胞死亡，线粒体生物学，自噬和心力衰竭的领域提供新思想和概念的交换论坛。该研讨会的设计目的是将来自世界各地的科学家聚集在一起，分享有关细胞死亡和心力衰竭根本原因的新思想和概念，并为受训者提供了一个动态的科学平台，以与该领域的主要专家讨论他们的研究。会议将由国际领导人举办会议，口头和海报演讲，其主要目的是将科学研究转化为心血管疾病的新疗法和实践。我们希望您将享受科学研讨会，并获得有关心脏病和心力衰竭的信号通路的深刻见解和新信息。Lorrie Kirshenbaum和Takashi Matsui科学组织者
使用流量的心血管疾病分类...
摘要 - 近年来，心血管疾病引起了研究人员的重大关注，因为它是全球死亡的主要原因。本文介绍了一种分类方法，该方法采用了优化算法来提高预测各种性别和年龄段的心血管疾病发展的准确性。患者数据集通常包含大量无关，多余或嘈杂的特征，这可能会阻碍预测的准确性。为了解决这个问题，我们提出了流动方向算法（FDA），该算法选择了疾病的最相关特征以提高分类精度率。在预测阶段，我们将支持向量机（SVM）与流方向优化算法（FDA）相结合，以识别最相关的功能。为了增强分类结果，本研究研究了FDA，OFDA，遗传算法（GA）和粒子群优化（PSO）算法与K-Nearest邻居（KNN）和SVM分类算法的组合。使用准确性，召回，精度和选定特征比例作为度量来评估所提出的算法的性能。使用三个数据集比较了基于SVM和KNN的算法：心力衰竭临床数据集（HFCD），心脏数据集（HD）和心脏病预测数据集（HDPD）从UCI存储库中获得。实验结果表明，与FDA或OFDA优化算法结合使用时，SVM和KNN算法表现更好。
原创文章 - ABC 心血管图像
我们对从内分泌门诊招募的患者进行了一项横断面研究，这些患者临床确诊为 2 型糖尿病，定义见美国糖尿病协会 2023 年标准。1 从内分泌科、心脏病科和/或内科门诊招募了年龄、体重指数 (BMI) 和合并症相匹配的对照受试者，形成 2 个 CT 组：无 2 型糖尿病或疑似 HF 症状且射血分数保留 (HFpEF) 的患者；以及根据欧洲心脏病学会的标准接受 HFpEF 检查的无 2 型糖尿病患者。9 结合病历审查，参与者接受了临床检查、影像扫描和实验室检查。
风险ScoresCVD：心血管风险得分计算器
描述一种计算大数据框架中心血管风险得分的工具。心脏风险评分是用于评估个人基于各种危险因素（例如年龄，性别，血压，choles-- terol-terol水平和吸烟）开发心脏疾病的可能性的统计工具。在这里，我们将最常用的六个最常用的人汇集在一起。使用“ RiskScoresCVD”，您可以在几秒钟内计算出大量数据集中的所有风险分数。pce（ASCVD）在Goff等人（2013）中撰写。在Mark DG等人（2016）中撰写。grace de-de-de-de-by in fox ka等人（2006）。心脏是Mahler SA等人（2017）。Score2/Op-De-De-De-De-De-crib in Score2工作组和ESC心血管风险合作（2021）。timi de-在Antman EM等人（2000）中。Score2-Diabetes在Score2-Diabetes工作组和ESC心血管风险合作（2023）中进行了分解。score2/op，带有CKD附加组件（2022）中所述的CKD附加组件。
女性心血管疾病
开幕词：美国心脏病学会 (ACC) 2024 年 12 月行业咨询论坛 (IAF) 在工作组主席兼 ACC 前任主席 Mary Norine Walsh, MD, MACC 的欢迎辞下拉开帷幕。现任 ACC 主席 Cathleen Biga, MSN, FACC 介绍了 ACC 2025 年战略愿景的最新情况，强调包容性和健康公平是所有运营的核心原则。ACC 的四大战略支柱——医疗服务、可操作知识、专业家园和可持续性——仍然是核心，重点是解决医疗服务差距，特别是在女性和少数群体中。改善医疗服务的努力包括推广社区模式、解决劳动力短缺问题、实施创新数字解决方案和扩大团队护理模式。教育计划的重点是获得新的心血管临床能力委员会认证的批准，该认证旨在提高临床标准并利用 AI 提供实用知识。 ACC 的领导力发展计划旨在让临床医生能够应对不断变化的挑战，而创新计划则侧重于整合 AI 工具、扩大远程监控和简化临床指南。
第25届国际急性和慢性心血管疾病的综合管理 - 从预防到干预
负责科学计划Kurt Huber，医学博士，FESC，FACC Fakultunt，来自Sigmund Freud私立大学维也纳，弗洛伊德帕茨，3，1020 Vienna电子邮件：
使用人工智能检测模型测量乳房动脉钙化及其与主要不良心血管事件的关联
从标准乳腺X线摄影图像获得的乳腺动脉钙化（BAC）通常在评估范围内，以分层女性重大不良心血管事件的风险。使用人工智能（AI）技术测量BAC，我们旨在确定BAC和冠状动脉钙化（CAC）严重程度与重大不良心脏事件（MACE）之间的关系。这项回顾性研究包括在乳房X线摄影后一年内进行胸部计算机断层扫描（CT）的女性。t检验评估了感兴趣的MACE与变量之间的关联（BAC与MACE，CAC与MACE）。风险差异以捕获观察到的风险和参考组的差异。卡方检验和/或Fisher的精确测试，以评估使用MACE的年龄和ASCVD风险，并通过动脉粥样硬化心血管疾病（ASCVD）的风险评估BAC和CAC协同。进行了逻辑回归模型，以衡量解释变量（BAC和CAC）与结果变量（MACE）之间的几率比。在分析中包括的99名患者中，有49例患者（49.49％）为阳性，37例患者（37.37％）CAC阳性，26例患者（26.26％）患有MACE。BAC得分的一个单位增加导致中度至高ASCVD风险> 7.5％（p = 0.01）和2％增加MACE的几率增加了6％（p = 0.005）。BAC阳性患者中等高度ASCVD风险评分的几率高（OR = 4.27，95％CI 1.58–11.56）比CAC阳性患者（OR = 4.05，95％CI 1.36–12.06）。在这项研究人群中，BAC的存在与MACE有关，可用于证实ASCVD风险。我们的结果提供了证据，以支持除了广泛的护理乳房X线照片外，还可以利用AI生成的BAC测量。