XiaoMi-AI文件搜索系统
World File Search SystemHRV
轻度Covid-19
方法：在这项研究中，我们对医护人员（HCWS）进行了全面的临床和功能随访，以前是轻度的Covid-19（第1组，n = 67），以描绘出急性后自主神经失衡的轨迹，我们先前在病例 - 控制研究中检测到。此外，我们评估了HCWS，该HCW在SARS-COV-2感染之前进行了测试（第2组，n = 29），后来他们后来签订了SARS-COV-2，旨在从我们先前的病例 - 控制调查中验证发现。我们在健康监测访问期间通过HCWS中的时间和频域心率可变性分析（HRV）评估了自主神经系统心脏的调节。短期心电图（ECG）记录在大约6、13个月，在第1组的阴性SARS-COV-2 NASO-pharyngeal拭子（NPS）的6和13个月中获得，用于组1，在第2组的负NPS中获得约1个月的。HCWS的HCW被排除在外，患有药物，合并症会影响HRV或与严重的Covid-19住院。
有证据表明左侧大脑中动脉粥样硬化的风险增加......
背景：全世界约有 10% 的人是左撇子 (LH)。研究表明，与右撇子 (RH) 相比，LH 个体的寿命可能更短。LH 个体似乎还患有更多心血管疾病 (CVD) 相关疾病，如糖尿病和癌症。因此，本研究试图检验以下假设：LH 个体的血管功能和心率变异性 (HRV)（这两者都是 CVD 风险的关键指标）低于 RH 个体。方法：招募了 379 名年龄在 18 – 50 岁之间的参与者。血流介导扩张 (FMD)（血管内皮功能的生物测定）和 RR 间隔标准差 (SDNN)（HRV 的参数）被评估为 CVD 风险指标。数据以平均值 ± SD 报告。结果：12.1% 的参与者是 LH。除 RH 组的高密度脂蛋白 (HDL) 较高 (p = 0.033) 外，各组间人口统计学或临床实验室值无差异。与 RH 组的 (7.6% ± 3.8%) 相比，LH 组的 FMD 显著 (p = 0.043) 较低 (p = 0.043)，且与年龄、性别、种族、BMI 和 HDL 无关。LH 组的总功率 (p = 0.024) 和低频功率 (p = 0.003) 低于 RH 组。此外，LH 组的 SDNN (47.4 ± 18.8 ms) 低于 RH 组的 (54.7 ± 22.3 ms) (p = 0.041)。LH 组的 FMD 与平均动脉压呈负相关 (r = − 0.517; p < 0.001)；在 RH 中未观察到任何关系（所有 p > 0.05）。结论：LH 中的血管内皮功能和 HRV 低于 RH。此外，仅在 LH 中观察到 FMD 与传统 CVD 风险因素之间的关系。这些数据支持 LH 中 CVD 风险增加。
基于心率变异性的精神压力检测
通过检查每个人的生理反应变化，可以识别压力。由于实用性和非侵入式外观，可穿戴设备近年来越来越受欢迎。传感器提供了连续和实时数据收集的可能性，这对于跟踪自己的压力水平非常有用。许多研究表明，情绪压力会影响心率变异性 (HRV)。通过从可穿戴传感器收集多模态信息，我们的框架能够使用可解释的机器学习 (XML) 准确地对基于 HRV 的用户压力水平进行分类。有时，ML 算法被称为黑匣子。XML 是一种 ML 模型，旨在向最终用户解释其目标、决策和推理。最终用户可能包括用户、数据科学家、监管机构、领域专家、执行董事会成员和管理人员，他们在理解或不理解的情况下使用机器学习，或者任何选择受到 ML 模型影响的人。这项工作的目的是构建一个支持 XML 的、具有独特适应性的系统来检测个人的压力。结果显示，有希望的定性和可量化的视觉表现可以为医生提供从学习到的 XAI 模型提供的结果中更详细的知识，从而提高他们的理解力和决策能力。
分子对接，ADMET，DFT研究和新苯甲酰唑酮衍生物作为HIV-1逆转录酶（RT）抑制剂的曲折策略
背景：血友病-A是一种与性别有关的遗传性出血疾病，例如普通人群，心血管疾病的死亡率目前是血友病患者死亡的三分之一。方法：对五十名儿童进行了一项案例对照研究；与二十五名健康男性儿童相比，有25名男性血友病-A。12铅表面ECG，24小时的Holleter监测和基本的超声心动图评估均已为所有参与的儿童进行。结果：ECG记录表明，血友病儿童与对照组中的心率（B/分钟），QTC/MSEC，最大和QT分散体在血友病儿童中增加了24小时holter。将血友病儿童中HRV（MS）的时间域参数降低与健康对照组进行了比较。在受试者的数量和频率中，患病组和健康组之间观察到显着差异，而QTC分散剂的增加超过了ECG检测到的70 ms，但没有被Holter检测到。结论：血友病儿童的QT分散量增加，这使他们有患心律失常，通过抑郁率HRV检测到的同情迷神经失衡，并使他们暴露于心脏病发病和心脏突然死亡。
每天的压力事件，劳累，心率变异性与胸骨筋膜可变形性之间的关系：一项对运动登山者的综合单案研究
HRV1，HRV群集1; TLFD，胸骨筋膜的变形； 95％CI，95％置信区间； F，整体模型测试； SE，标准错误； T，T统计； SDNN，RR间隔之间的标准偏差； SD2，Poincaré并行标准偏差； LF，低频带功率。* Bonferroni调整后的P值。1 TLFD是平方转换的，以满足参数测试的标准。重大结果以粗体打印。
心率变异性在乳腺癌中的诊断作用及其与周围血清癌症抗原的关系
乳腺癌是由多种致癌物引起的，导致乳房上皮细胞的不受控制。根据2020年全球癌症术提供的全球癌症更新，有226,419例确认的乳腺癌病例和684,996例新死亡。乳腺癌已超过肺癌，是女性中最常见的癌症，是女性最高的事件和死亡率之一[1，2]。乳腺癌的治疗选择包括靶向疗法，内分泌治疗，放射治疗，手术和化学疗法[3]。临床上，根据肿瘤亚类型和癌症阶段确定乳腺癌患者最合适的治疗方法[4]。例如，近年来，用于转移性三重阴性乳腺癌的新型治疗选择，包括靶向治疗和免疫疗法[5-7]。持乳腺癌手术通常用于早期乳腺癌患者，而乳房切除术是晚期乳腺癌患者最有效的方法[8]。然而，乳腺癌患者在早期阶段通常会失去明显的症状，这些症状已经处于中级和晚期阶段，并错过了最佳治疗时间[9]，生存率较低且易于复发[10-12]。当前，乳腺癌的常见诊断方法包括乳房X线摄影，超声扫描，细针吸入和肿瘤标记测试（例如CA199，CEA，CEA，CA15-3，CA125）[13，14]。最近的研究表明，术前CEA水平可能为鉴定和治疗乳腺癌提供有用[16]。Wu等[17]。与其他诊断方法相比，肿瘤标记物测试在早期癌症诊断方面基本上是无创和成本效益的，从而可以更好地反映肿瘤的发育以及人体对肿瘤的反应。癌囊抗原（CEA）主要用于结交癌，胃癌，乳腺癌，胰腺癌，胰腺癌，肝细胞癌，肺癌，肺癌和甲状腺甲状腺癌的临床监测，这在诊断，筛查，筛查和预测中具有很大的价值。表明乳腺癌期间血清CEA水平升高。和欧洲肿瘤标记面板建议CEA水平作为评估预后，早期发现疾病进展和治疗乳腺癌患者治疗的指标[18]。但是，CEA早期诊断乳腺癌的特异性相对较低。因此，我们试图结合其他诊断方法以提高功效。心率变异性（HRV）是指每个心脏周期之间的变化，这是由心脏窦淋巴结的自主调节起源的。它被认为是自主功能和动作的重要指标，反映了迷走神经和交感神经之间的平衡。研究发现，乳腺癌患者患心血管疾病的风险较高，心血管疾病的风险较低，这意味着迷走神经功能障碍[19-21]。Karolina Majerova等。 此外，先前的研究表明，HRV分析可以帮助确定肿瘤分期，功效，预后和自主功能Karolina Majerova等。此外，先前的研究表明，HRV分析可以帮助确定肿瘤分期，功效，预后和自主功能[22]表明，通过测量HRV，乳腺癌表现的心脏迷走神经调节改变了，相对于健康志愿者，乳腺癌患者的交感神经调节显着增加。
行为观察，心率和皮质醇监测在多次口服含糊的大麻二醇后（第2/2部分）
作为抵制压力和焦虑的一种补救措施，大麻二酚（CBD）产品对兽医医学的兴趣越来越高。有限的数据可用，以描述CBD在马中的实际有效性。这项研究的目的（第2部分，第2部分）是通过行为观察，心率监测和评估血液和唾液皮质醇水平在健康马中反复治疗的CBD含有糊状的CBD。十二匹马被随机分配到治疗或对照组。在双盲研究设计中口服了两种糊状物，一种含有CBD的糊状和一种糊状，而没有活性成分。两种糊剂在15天内每天两次（剂量：3毫克CBD/kg）。每天使用镇静评分和面部表情评分进行行为观察，这是基于先前描述的马（面部）和马鬼刻板的面部镇静量表。血液和唾液样品，以确定整个研究中的皮质醇水平。通过液相色谱/串联质谱法（LC/MS/MS）分析皮质醇水平。 在组之间比较了行为观察和皮质醇水平。 在给药之前，进行了新的对象测试，并记录了马对拖车上的负载的反应。 粘贴13天后重复两项测试。 运动模式，例如在新型对象测试过程中的不同步态，并设计了伦理图来评估表现出的行为特征。皮质醇水平。行为观察和皮质醇水平。在给药之前，进行了新的对象测试，并记录了马对拖车上的负载的反应。粘贴13天后重复两项测试。运动模式，例如在新型对象测试过程中的不同步态，并设计了伦理图来评估表现出的行为特征。心脏跳动（R-R）间隔始终记录并使用心率（HR）和心率变异性（HRV）参数进行评估。血液和唾液样品用于皮质醇分析之前和之后。每日行为观察和皮质醇水平在治疗组和对照组之间没有差异。同样，在新颖的对象测试和拖车测试期间对运动模式，人力资源，HRV和皮质醇水平的分析并未确定两组之间的显着差异。定期施用口服CBD（15天内出价3 mg/kg）对马的行为观察，皮质醇水平，HR和HRV没有统计学上的显着影响。需要进一步的研究来建立足够的剂量和指示，以在马中使用CBD。
患者特异性血管化肿瘤模型：阻塞TAM
CédricCannard 1,2，HelanéWahbeh2，Arnaud Delorme 1,2,3 1 Cent de Recherche Cerveau et Cognition（CERCO），CNRS，Toulouse III大学，法国2号大学2 Noetic Sciences（Ions）3 Swartz计算神经科学中心（SCCN），INC，UCSD，LA JOLLA，美国关键字：开源，EEGLAB，EEGLAB，EEG，ECG，ECG，PPG，PPG，HRV，特征分析，心跳 - 事实/振荡电位/振荡（HEP/HEO），心脏组成部分，心脏成分供电。摘要：Brainbeats工具箱是一个开源EEGLAB插件，旨在共同分析脑血管和心血管（ECG/PPG）信号。它提供了三个主要方案：心跳诱发潜力评估，基于特征的分析和心脏伪像从脑电图中提取。这将有助于研究人员和临床医生研究脑力相互作用，并具有增强的可重复性和可及性。摘要：皮质和心血管系统之间的联系正在引起人们的关注，因为它有可能对大脑和心脏功能耦合提供宝贵的见解。当前的联合分析方法在很大程度上涉及侵入性或高成本神经影像学方法。EEG和ECG/PPG提供了非侵入性，具有成本效益和便携式替代方案，可在实验室和临床环境中进行更广泛的数据收集。然而，由于其复杂性，对这些生物信号的分析对于可扩展应用是具有挑战性的。现有的研究和工具通常在处理和统计方法，易于使用的用户界面或大型数据集的批处理处理能力方面缺乏共识，从而阻碍了可重复性。在脑电图和心脏变异性（HRV）特征提取的标准化方法中，还存在进一步的空隙，破坏了临床诊断或机器学习模型的鲁棒性。我们介绍了针对这些挑战的Brainbeats工具箱，开源EEGLAB插件提供了一套信号处理和特征 - 萃取功能的套件，这些功能符合当前的指南和建议。工具箱集成了三个主要协议：1）心跳诱发电位（HEP）和振荡（HEO）； 2）EEG和HRV特征提取； 3）自动删除脑电图信号的心脏伪像。伴随着样本数据和指导，Brainbeats旨在促进大脑心脏的相互作用研究和可重复性。这个开源工具箱为研究大脑心脏相互作用的临床医生和研究人员提供了宝贵的资源，可以根据独特的研究需求量身定制。
神经反馈/生物反馈行为和物质使用障碍
申请。optum保留使用临床标准中描述的过程，自行决定根据必要修改其临床标准的权利。为信息目的提供了本指南。它不构成医疗建议。optum还可以使用第三方开发的工具，这些工具旨在与合格的医疗保健提供者的独立专业医疗判断有关，并且不构成医学或医疗建议的实践。optum可能会制定临床标准或采用外部发育的临床标准，在需要通过合同或法规执行时取代本指南。在使用本政策之前，请考虑福利考虑因素，请检查特定成员的福利计划文件以及任何联邦或州授权（如果适用）。服务神经反馈/生物反馈疗法的描述是一种非侵入性技术，它使用实时物理符号监测器，例如脑电图（EEGS），心率变异性/呼吸窦性心律失常（HRV/RSA），磁性磁层学（MEG）（MEG）（MEG）和功能实时功能型磁性（HRV/RSA）。这些方式为个人提供了如何控制生理功能和精神状态的反馈。实时反馈，例如个体的脑电图模式和其他生理过程，使个人能够纠正和增强症状改善的心理和行为策略。覆盖范围的基本原理神经反馈或生物反馈（有或没有脑电图指导）是未经证实的，对于治疗患有任何行为或物质使用障碍的个体，包括但不限于：
BrainBeats：一个开源EEGLAB插件，用于共同分析脑血和心血管（ECG/PPG）信号
CédricCannard 1,2，HelanéWahbeh2，Arnaud Delorme 1,2,3 1 Cent de Recherche Cerveau et Cognition（CERCO），CNRS，Toulouse III大学，法国2号大学2 Noetic Sciences（Ions）3 Swartz计算神经科学中心（SCCN），INC，UCSD，LA JOLLA，美国关键字：开放源代码，EEGLAB，EEG，EEG，ECG，ECG，PPG，PPG，HRV，QEEG，QEEG，特征分析，Hep/Hep/hep/hep/heo，hep/heo，brain heart Interplay，Heart Artifact，Heart Artifact，Heart Artifact，Heart Artifact。摘要：BrainBeats工具箱是一个开源EEGLAB插件，旨在共同分析EEG和心血管（ECG/PPG）信号。它提供了三个主要协议：心跳诱发的潜力评估，基于特征的分析和心脏伪像从EEG信号中提取。它应该帮助研究人员和临床医生研究脑力相互作用，并具有增强的可重复性和可及性。摘要：皮质和心血管系统之间的联系正在引起人们的关注，因为它们有可能对大脑和心脏功能耦合提供宝贵的见解。EEG和ECG/PPG提供了无创，具有成本效益和便携式解决方案，用于捕获实验室，临床或现实世界中的大脑心脏相互作用。但是，由于技术挑战和缺乏准则，该域中的可扩展应用程序受到限制。现有工具通常缺乏统计方法，易于使用的用户界面或大型数据集的自动功能，对于可重复性至关重要。在标准化定量脑电图（QEEG）和心率变异性（HRV）特征提取方法中进一步存在，破坏了临床诊断或机器学习的鲁棒性（ML）模型。应对这些挑战，我们介绍了Brainbeats工具箱，该工具箱是作为开源EEGLAB插件实现的，提供了一套信号处理和功能突出功能。工具箱集成了三个主要协议：1）心跳诱发电位（HEP）和振荡（HEO），用于以毫秒精度评估时锁的脑心脏相互作用； 2）QEEG和HRV功能提取，用于检查各种大脑和心脏指标之间的关联或构建基于功能的ML模型； 3）从EEG信号中自动提取心脏伪像，以消除进行EEG分析的任何潜在的心血管污染。我们提供了一个分步教程，用于在包含同时64通道EEG，ECG和PPG的开源数据集上执行这三种方法。可以通过图形用户界面（GUI）或命令行调整一系列参数以量身定制独特的研究需求。Brainbeats应该使大脑心脏的相互作用研究更容易访问和重现。