方法和结果:这项横断面研究包括来自中国多种族队列(CMEC)研究的9,446名参与者。我们的研究表明,糖尿病患者的肥胖指数比没有的肥胖指数明显更高。此外,逻辑回归分析表明,肥胖指数的四分位数较高与糖尿病的风险增加有关,无论是在原油中还是调整后的模型中(p <0.05)。调解分析表明,肥胖与糖尿病风险之间的关联是由体重指数(BMI),腰围比(WHR),腰围比率(WHTR)和身体肥胖指数(BAI)通过AIP的17.2%,15.3%,15.3%,15.8%和19.8%和19.2%的19.8%和19.8%和19.2%的人的体力(WHR)和身体肥胖指数(BAI)介导的。此外,受限制的立方样条分析表明,肥胖指数与糖尿病之间存在非线性关系。
结果:在4年的随访期内,有562(21.61%)参与者从糖尿病前期转变为正常血糖。他们的初始BRI,WHTR,CI,ABSI,CVAI和TYG的较低(p <0.05)。经过多变量调整后,参与者是初始BRI(OR,1.45,95%CIS,1.09–1.93),WHTR(OR,1.46,95%CIS,1.10-1.95)和CVAI(OR,1.47,95%CIS,1.47,11.11-11.93)的挑战(OR,1.46,95%CIS,1.10-1.95)(OR,1.46,95%)的参与者。三位一体。与TYG相比,TYG降低(OR,2.08; 95%CIS,1.61–2.70)的参与者的几率也增加了。BRI的初始肥胖相关指数的Cuto值为4.374,WHTR为0.568,TYG为8.621,CI为1.320,ABSI为0.083,CVAI分别为106.152。BRI <4.374的AFS为21.10%,WHTR <0.568,CVAI <107.794和17.48%和17.55%的AFS为20.85%,1 tyg <0分别为17.55%。
目标:脂联素和抗素是参与胰岛素抵抗,葡萄素代谢的控制和肥胖的脂肪因子。有证据表明低脂肪膜血症和高毒性血症与心血管疾病无关。是否可以将脂联蛋白 - 抗抑制蛋白(AR)和胰岛素抵抗性脂联蛋白 - 氧化剂(IRAR)指数比率用作心血管疾病的非侵入性生物标志物需要更多的关注。因此,这项研究的目的是评估AR和IRAR指数与健康受试者和2型糖尿病患者的高敏性C反应蛋白(HSCRP)产生的肥胖,葡萄素代谢控制和心血管风险。方法:这项观察性案例控制研究是在利雅得国王国王大学生理学与医学系进行的。总共招募了191(对照¼84和糖尿病¼107)。通过生物电机强制分析仪(BIA)评估身体成分。禁食血液样品分析葡萄糖,糖基化血红蛋白(HBA1C),高灵敏性C反应蛋白(HSCRP),脂质PROFE,脂联素,脂联素和抗蛋白水平。通过公式确定AR和IRAR指数。结果:与对照相比,糖尿病患者的血清脂联素水平明显低(95.45±39.27 ng/ml vs 146.64±56.64±56.36 ng/ml,p <.001),而血清抵抗素的糖尿病与对照组相比显着较高(2.94±1.304±1.30 ng)。 ng/ml,p¼.003)。它们可能被证明是有用的综合生物标志物,可以预测代谢失调和心血管风险。与对照相比(.82±.29 vs .48±.35,p <.001)和(.30±.30±.10 vs .17±.12,p <.001)相比,糖尿病受试者的AR和IRAR指数显着增加。ROC分析表明,这些指数预测脂联蛋白¼.717(P¼.001),抵抗素¼.635(P¼.002),ARINDEX¼.740(P <.001)和IRAR INDEX INDEX¼.737(P <.740(P <.737)(p <。001)(p <。001)(p <。001)(p <。001)(p <.740),这些指数预测曲线下的心血管风险增加(AUC)(AUC)(AUC)(AUC)。ar指数与甘油三酸酯(r¼.354,p <.01),hscrp(r¼.264,p <.01),hba1c(r¼.425,p <.01),脂肪质量(r¼.164,p <.05),释放/hip/hip ratio(r r) .01),呈负密度脂蛋白(r¼。.327,p <.01)。此外,IRAR索引与甘油三酸酯(R¼.409,P <.01),HSCRP(r¼.268,p <.01),HBA1C(r¼.508,p <.01),脂肪质量(r¼.152,p <.152,p <.05),p <.05),p <.05),w。具有高密度脂蛋白(r¼。.340,p <.01)。结论:AR和IRAR指数与2型糖尿病患者和非糖尿病患者的肥胖,葡萄素代谢控制和心血管风险显着相关。
中风是一种神经疾病,其特征是血管阻塞,对人类健康和生命构成严重威胁。。因此,评估运动功能的合理有效策略对于指导中风患者的康复至关重要。在临床实践中,上肢(FMUL)的FUGL-MEYER评分通常用于评估中风患者的上肢运动功能。但是,该量表的准确性通常取决于医疗保健专业人员的经验和主观评估。可以阐明上肢恢复过程的定量评估模型对于更好地组织康复策略和增强整体恢复是必要的。高级成像技术为诊断和功能预后提供了有价值的信息(2)。
摘要 - Terrain表面粗糙度是一个抽象的概念,其定量描述通常是模糊的。因此,文献中使用了各种粗糙度指数,其选择通常在应用中具有挑战性。本研究比较了通过五个常用粗糙度指数量化的地形表面粗糙度图,并探索了它们在四个不同表面复杂性的四个地形表面的相关性。这些表面由使用空中激光雷达(光检测和范围)数据构建的数字高程模型(DEM)表示。这项研究的结果揭示了得出的局部表面粗糙度图的全局模式的相似性以及其局部模式的区别。后者表明在研究中考虑多个指数的重要性,在该研究中,局部粗糙度值是随后分析的关键输入。
BLCC 5.3 提供全面的经济分析功能,用于评估预期降低建筑物和建筑系统长期运营成本的拟议资本投资。它计算项目替代方案的 LCC,比较项目替代方案以确定哪个具有最低的 LCC,执行年度现金流分析,并计算项目替代方案在指定研究期内的净储蓄 (NS)、储蓄与投资比率 (SIR) 和调整后的内部收益率 (AIRR)。BLCC 程序可用于对联邦、州和地方政府机构承担的资本投资项目进行经济分析。在联邦能源效率、节水和可再生能源项目的应用中,BLCC5 与 NIST 手册 135 以及 10 CFR 436A 和 OMB 通告 A-94 中描述的联邦生命周期成本方法和程序一致。
(1) 联邦能源管理计划生命周期成本手册,美国国家标准与技术研究所,手册 135 – 2022 年版。本手册是理解生命周期成本和相关经济分析方法的指南,因为它们应用于联邦决策,特别是那些受 10 CFR 436A 规则约束的决策。它描述了所需的程序和假设,定义并解释了如何应用和解释经济绩效指标,给出了联邦决策问题及其解决方案的示例,解释了如何使用能源价格指数和折扣因子,并提供了计算所需指标的计算辅助和说明。2020 年版扩大了考虑范围,包括联邦可持续性和复原力项目。2022 年版扩大了对定价外部性的讨论,特别是温室气体 (GHG) 排放。
(1)联邦能源管理计划的生命周期成本核算手册,国家标准与技术研究所,手册135 - 2022版。本手册是理解生命周期成本和相关经济分析方法的指南,因为它们适用于联邦决策,尤其是遵守10 CFR 436A规则的决策。它描述了所需的程序和假设,定义和解释了如何应用和解释经济绩效指标,提供联邦决策问题及其解决方案的示例,解释了如何使用能源价格指数和折现因素,并提供计算辅助工具和说明来计算所需措施。2020年版扩大了考虑范围,包括联邦可持续性和弹性项目。2022年版扩展了有关定价外部性的讨论,特别是温室气体(GHG)排放。
背景:随着便携式神经生理学方法(包括脑电图)的出现,研究体力任务期间大脑活动的进展受到了广泛关注,主要是在临床锻炼和体育研究中。然而,日常环境中体力任务的神经特征较少受到关注。方法:脑电图 (EEG) 指标对人脑波动敏感,以极好的时间分辨率反映自发性大脑活动。目的:在这方面,本研究试图系统地审查在实验室和现实世界应用中使用 EEG 指标量化人类在各种体力活动中的表现的可行性。第二个目标是研究使用 EEG 指标量化人类在体力活动中的心理任务表现的可行性。系统评价是根据更新的系统评价和荟萃分析指南的首选报告项目进行的。结果:在 81 项研究中,64 项任务研究侧重于量化人类在体力活动方面的表现,而 17 项研究侧重于量化人类在与心理任务相关的体力活动中的表现。 EEG 研究主要依靠线性方法(包括功率谱,然后是事件相关电位成分的幅度)来评估人类的身体机能。文献中较少涉及非线性方法。大多数研究集中于评估与肌肉疲劳任务相关的大脑活动。上部解剖区域已在多个职业计划中进行了讨论。关于躯干和脊柱的生物力学负荷(这是肌肉骨骼疾病的风险因素)的研究较少。结论:尽管最近人们对研究人类运动功能的神经机制很感兴趣,但评估在自然环境中执行身体任务的大脑特征仍然有限。
缩写:LA,左心房;LAVI,左心房容积指数;IEMD,心房间电机械延迟;LEMD,左侧心房内电机械延迟;LVEF,左心室射血分数;PA,P 至 A' 间期;PTFV1,V1 中的 P 终末力;PWD,P 波弥散;REMD,右侧心房内电机械延迟。 *I 组 vs. III 组;p = .035。**I 组 vs. III 组 p = .002。***I 组 vs. II 组;p = .042,I 组 vs. III 组;p < .001,II 组 vs. III 组;p = .033。****I 组 vs. II 组;p = .011,I 组 vs. III 组;p < .0001,II 组 vs. III 组;p = .005。*****I 组 vs. II 组; p = .035,I 组 vs. III 组;p < .0001,II 组 vs. III 组;p = .005。+ I 组 vs. II 组;p = .042,I 组 vs. III 组;p < .001,II 组 vs. III 组;p = .021。++ I 组 vs. II 组;p = .012,I 组 vs. III 组;p < .0001,II 组 vs. III 组;p = .004。+++ I 组 vs. II 组;p = .002,I 组 vs. III 组;p < .0001,II 组 vs. III 组;p < .001。¥ I 组 vs. III 组;p < .0001,II 组 vs. III 组;p = .038。¥¥ I 组 vs. II 组;p = .026,I 组 vs. III 组; p < .0001,II 组与 III 组;p = .023。¥¥¥ I 组与 II 组;p = .016,I 组与 III 组;p < .0001,II 组与 III 组;p = .036。§ I 组与 II 组;p = .042,I 组与 III 组;p < .001,II 组与 III 组;p = .039。§§ I 组与 II 组;p = .044,I 组与 III 组;p = .003,II 组与 III 组;p = .040。