((Aged[Mesh] 或 Aging[Mesh] 或 Aged[Text Word] 或 aging[Text Word] 或 Elder*[Text Word] 或 “old adult*”[Text Word] 或 “older adult*”[Text Word] 或 “old person*”[Text Word] 或 “older person*”[Text Word] 或 “old individual*”[Text Word] 或 “older individual*”[Text Word] 或 “old people”[Text Word] 或 geriatr*[Text Word] 或 “independent living”[Mesh Terms] 或 “independent living”[Text Word] 或 “healthy aging”[Mesh] 或 “healthy aging”[Text Word] 或 healthy[Text Word]) AND (Exercise[Mesh] 或 Exercise[Text Word] 或 “physical activity”[Text Word] 或 “physical exertion”[MeSH] 或 “physical exertion”[Text Word] 或 “physical fitness”[Mesh] 或 “Physical Education and Training”[Mesh] 或“体育教育与训练”[Text Word] 或 “体育教育”[Text Word] 或 “体育训练”[Text Word] 或 “体能训练”[Text Word] 或 “体能训练”[Mesh] 或 “体能训练”[Text Word]) AND (mhealth[Text Word] 或 “m-health”[Text Word] 或 “移动健康”[Text Word] 或 “可穿戴技术*”[Text Word] 或 “智能手机*”[Text Word] 或 “移动应用*”[Text Word] 或 应用*[Text Word] 或 webapp*[Text Word] 或 ehealth[Text Word] 或 “电子健康”[Text Word] 或 远程医疗[Text Word]))
Rendi-Wagner 女士介绍了该机构的组织结构和主要工作领域。她向各成员通报,该中心目前收集、分析和分享 50 多种传染病的数据,并与世界各地的合作伙伴合作,分享知识、交流信息并在公共卫生专家中推广最佳实践。关于新任务的实施,主任解释说,该机构一直在与成员国建立伙伴关系,安排国家准备情况评估访问,这些访问最近已在一些成员国开始。她提到,这些访问旨在了解多发性硬化症的具体需求,并评估预防方案、准备和应对计划及其实施情况。Rendi-Wagner 女士阐述了从 COVID-19 大流行中吸取的教训,指出需要在成员国的电子健康系统中收集和整合更多数据。她还强调需要在全球层面建立更多的合作和信任,并解释说 ECDC 正在扩大与国际伙伴的合作。例如,她提到了疾病预防控制中心网络定期举行会议,就最重要的健康问题交换信息。
摘要:CRK和CRKL是病毒癌蛋白V-CRK的细胞对应物。CRK和CRKL在许多类型的人类癌症中过表达,与预后不良相关。此外,肿瘤细胞系中CRK和CRKL的基因敲低和敲除抑制肿瘤细胞功能,包括细胞增殖,转化,迁移,侵袭,上皮 - 间质转变,对化学疗法药物的抵抗力,以及体内肿瘤的生长和转移。相反,用CRK或CRKL的肿瘤细胞过表达可增强肿瘤细胞功能。因此,已提出CRK和CRKL作为癌症治疗的治疗靶标。然而,尚不清楚CRK和CRKL是否对各种癌症类型的肿瘤细胞功能产生明显或重叠的贡献,因为在大多数研究中已独立检查了CRK或CRKL。最近使用结直肠癌和胶质母细胞瘤细胞的两项研究清楚地表明,CRK和CRKL需要单独消融并组合以了解两种蛋白质在癌症中的不同和重叠的作用。对CRK和CRKL在肿瘤细胞功能中的个体和重叠角色的全面理解对于制定有效的治疗策略是必要的。本综述系统地讨论了CRK和CRKL在肿瘤细胞功能中的关键功能,并为靶向CRK和CRKL的新观点提供了癌症治疗中的新观点。
数字健康是指用于促进和改善健康的各种技术,包括电子健康、移动健康、大数据和人工智能 (AI) 等尖端技术。1 根据欧盟委员会关于人工智能的协调行动计划,“人工智能是指通过分析环境并采取行动(具有一定程度的自主性)来实现特定目标而表现出智能行为的系统”。2 数字健康彻底改变了医疗保健服务的许多领域,人工智能在许多行业中越来越受到关注,有望最大限度地提高流程效率、改善资源配置并为人们带来巨大的积极社会和经济成果。3 从协助解释医学图像到公共卫生中的传染病监测,人工智能已经在医疗保健服务和卫生系统中得到了广泛的应用。然而,数字技术和人工智能的使用也带来了与数据保护和隐私、公平、安全、不可预测性和透明度等问题相关的重大挑战和风险。随着数字解决方案在整个欧洲卫生系统中的普及,确保充分降低风险并最大限度地提高所有人的健康成果至关重要。
姓名 组织 Emer Doyle (主席) 健康信息政策,健康部主任 Teresa Maguire 博士 健康研究委员会 Sanela Smith 中央统计局 Frances Burns 博士 北爱尔兰可信研究环境 Barbara Foley 博士 健康信息与质量管理局 Rachel Flynn 健康信息与质量管理局 Kevin O'Carroll 博士 健康信息与质量管理局 Brid Burke 健康研究同意声明委员会 Denise Manton 爱尔兰国立大学梅努斯分校 Mansoor Ahmed 爱尔兰国立大学梅努斯分校 Helen Conroy 健康信息政策,健康部主任 Eoin Farrell 健康信息政策,健康部 Judith Szlovak 健康信息政策,健康部 Azul O'Flaherty 健康信息政策,健康部 Cáit Ní Chorcora 健康信息政策,健康部 Leah Dowdall 健康信息政策,健康部 Kathryn Kissane 健康服务主管 Niall Sinnott eHealth,健康部 Steve Dempsey 爱尔兰癌症协会 其他出席人员 Marie Higgins、Elaine Meehan (HIQA)、Catriona Wray、Ronan O'Kelly、Peter Doherty 和 Martin Gallagher (DoH)
摘要:背景:心脏病是全球健康问题,受影响人的患病率越来越多。心脏事件后的康复效果不足,尽管有效。数字干预措施可能是传统心脏康复的有用补充。目的:本研究旨在评估移动健康(MHealth)心脏康复的接受,并研究缺血性心脏病和充血性心力衰竭患者接受的潜在因素。方法:从2021年11月至2022年9月进行了横断面研究,n = 290例患者。社会人口统计学,医学和与eHealth相关的数据。应用了统一的技术接受和使用理论(UTAUT)。的群体差异,并进行了多个分层回归分析。结果:MHealth心脏康复的总体接受度很高(M = 4.05,SD = 0.93)。患有精神疾病的个体报告的接受程度明显更高(t(288)= 3.15,p adj = 0.007,d = 0.43)。抑郁症状(β= 0.34,p <0.001);数字置信(β= 0.19,p = 0.003);绩效期望值(β= 0.34,p <0.001),预期努力(β= 0.34,p <0.001)和社会影响(β= 0.26,p <0.001)的UTAUT预测因素(β= 0.34,p <0.001)显着预测了接受。扩展的UTAUT模型解释了接受差异的69.5%。结论:由于接受与MHealth的实际使用有关,因此本研究中发现的高水平的接受度是未来在心脏康复中实施创新的MHealth提供的有前途的基础。
I. 一般信息 ▪ 电气工程技术工程师文凭,HTI,塞浦路斯,1979 年。 ▪ 电气工程学士学位,加拿大新不伦瑞克大学,1983 年。 ▪ 生物医学工程硕士学位,美国德克萨斯大学奥斯汀分校,1984 年。 ▪ 神经病学硕士学位,英国纽卡斯尔大学,1991 年。 ▪ 电子工程博士学位,QMW,英国伦敦大学,1992 年。 ▪ 研究兴趣:电子健康、移动医疗、电子应急系统、互联健康;医学图像分析系统:MRI、超声波、内窥镜检查、显微镜检查;医疗系统中的计算智能和可解释人工智能;生物信号分析:肌电图▪ 塞浦路斯大学,计算机科学系,教授,自 2007 年 11 月起,副教授,2001 年 6 月 - 2007 年 10 月,助理教授,1996 年 9 月 - 2001 年 5 月;讲师,1993 年 9 月 - 1996 年 8 月;研究助理,1992 年 9 月 - 1993 年 8 月。▪ 新墨西哥大学,电气和计算机工程系,客座助理教授,2000 年 9 月 - 2001 年 12 月(塞浦路斯大学休假)。▪ 塞浦路斯神经病学和遗传学研究所 (CING),计算智能系,高级科学家 1992 - 2004 年。第一位员工,对研究所的发展和国际声誉发挥了重要作用。自 2017 年起担任董事会成员。 ▪ 1994 年由欧盟颁发的玛丽居里奖学金,主题是组织病理学图像处理。 II. 出版物 ▪ 139 篇期刊出版物;42 篇论文发表在 IEEE Access、TBE、TITB、TMI、TNN、TUFFC、J-BHI、RBME 和 IEEE 杂志上。9 篇论文发表在神经网络、医学成像和电子健康应用特刊上。 ▪ 30 篇图书贡献。 ▪ 书籍去斑点滤波算法和超声成像软件的合著者,Morgan & Claypool Publishers,加利福尼亚州,美国,2008 年和 2015 年第 2 版。 ▪ 《移动医疗:新兴移动医疗系统》一书的联合编辑,Springer,美国,2006 年。《超声和颈动脉分叉动脉粥样硬化》一书的联合编辑,Springer,英国伦敦,2012 年。《心血管超声成像和视频中的斑点滤波和跟踪》手册的联合编辑,工程技术学会 (IET),英国斯蒂夫尼奇,2018 年。电子书《互联健康:现状和趋势》的联合编辑,Frontiers Digital Health,2021 年。▪ 22 个特刊的客座联合编辑,包括 2009 年 IEEE TITB 中的“医疗系统中的计算智能”特刊、2010 年 IEEE TITB 中的“全球医疗环境中以公民为中心的电子健康系统”特刊、2010 年计算机医学成像和图形中的“生物医学图像技术和方法”特刊, 2011 年 IEEE TITB 上的“全球医疗环境中以公民为中心的电子健康系统”主题论文,2012 年 IEEE TITB 上的“心血管健康信息学:风险筛查与干预”主题论文,2016 年《医疗技术快报》中关于移动医疗——新兴移动医疗系统和服务的报道,内容涉及信息学和技术的整合
关键词 标准化、最佳实践、预标准化、紧急医疗服务、灾害风险恢复力、电子健康、能源效率。背景 目前,NO-FEAR 项目(2019-2023 年)正在寻求建立对已确定的运营差距的需求和创新潜力的共同理解,主要是在欧洲紧急医疗服务领域。该项目汇集了全欧洲的紧急医疗保健从业者、供应商、决策者和政策制定者网络,以合作和交流知识、良好做法和经验教训。TFC 研究与创新有限公司是 NO-FEAR 的合作伙伴,并在标准化领域处于领先地位,在整个过程中与荷兰标准化研究所 (NEN) 和外部标准化开发专家合作。NO-FEAR 项目与同一领域的许多相关项目合作。总的来说,他们专注于确定各自项目中的共同需求和差距。一个重要项目是 ENCIRCLE 项目 (2017- 2021)。该项目旨在提高欧洲对 CBRN(化学、生物、放射和核)事件和威胁的抵御能力,重点是加强竞争力和效率的需求。ENCIRCLE 有五个主要目标,专门旨在促进创新和业务发展,通过实施填补市场空白。标准化是 ENCIRCLE 项目的主要重点,它与 NO-FEAR 项目的正在进行的工作密切相关。
外部专家组 Najeeb Al Shorbaji,约旦电子健康发展协会 Arisa Ema,日本东京大学未来倡议研究所 Amel Ghoulia,H3Africa、H3ABioNet,突尼斯 Jennifer Gibson,加拿大多伦多大学达拉拉纳公共卫生学院生物伦理联合中心 Kenneth W. Goodman,美国迈阿密大学米勒医学院生物伦理与卫生政策研究所 Jeroen van den Hoven,荷兰代尔夫特理工大学 Malavika Jayaram,新加坡数字亚洲中心 Daudi Jjingo,乌干达马凯雷雷大学 Tze Yun Leong,新加坡国立大学 Alex John London,美国卡内基梅隆大学 Partha Majumder,印度国家生物医学基因组学研究所 Tshilidzi Marwala,南非约翰内斯堡大学 Roli Mathur,印度医学研究理事会 Timo Minssen,高级生物医学创新法研究 (CeBIL),哥本哈根大学法学院,丹麦 Andrew Morris,英国健康数据研究中心,英国 Daniela Paolotti,ISI 基金会,意大利 Maria Paz Canales,数字权利组织,智利 Jerome Singh,夸祖鲁-纳塔尔大学,南非 Effy Vayena,苏黎世联邦理工学院,瑞士 Robyn Whittaker,奥克兰大学,新西兰 曾毅,中国科学院,中国
由于信息和通信技术(如网络物理系统 (CPS)、5G 蜂窝技术和物联网 (IoT))的发展,在现代时期,基于物联网的极其智能和巧妙的用例有机会出现。由于物联网支持环境辅助生活 (AAL)、移动医疗 (mHealth) 和电子医疗 (eHealth),因此医疗保健就是一个具有重大社会影响的用例。人们将很大一部分收入用于健康。除了导致患者死亡外,传统医疗保健服务还容易出现延误、浪费时间和财务损失。当与物联网的智能和预测功能结合使用时,在家中、工作场所或医院定期进行远程患者监控 (RPM) 可以帮助有特殊需要的个人克服传统医疗设施带来的障碍。可穿戴技术、传感器网络和其他数字基础设施用于基于物联网的 RPM,可以作为即将发生的情况的预警系统,如果忽视或推迟护理,可能会导致严重的健康问题甚至患者死亡。医生可以通过集成物联网的可穿戴设备(生物传感器)实时接收患者生命体征。这样,医务人员就可以立即开始治疗患者。术语“RPM”指的是这种情况,它有可能减少等待时间、节省医疗费用并提高患者的舒适度和服务质量。为了实现具有数据分析功能的远程患者监控系统 (RPMS),本文旨在开发一个支持物联网 (IoT) 和人工智能 (AI) 的框架。我们实施了 RPM 进行数据收集,并提出了一种疾病诊断算法。我们的实验结果表明,我们的方法优于现有方法。