XiaoMi-AI文件搜索系统
World File Search SystemMJ
印尼空军颞下颌关节紊乱症症状的差异
目的：印尼空军士兵接受的高强度体能训练可能会影响包括颞下颌关节功能在内的口颌系统。颞下颌关节疾病包括肌肉、咀嚼系统和周围结构的问题。本研究的目的是检查印尼空军士兵颞下颌关节疾病症状的差异。材料和方法：研究对象是随机选择的 39 名印尼空军成员，他们在 Lakespra Dr. Saryanto Jakarta 接受了常规体检，并符合纳入和排除标准，包括在空军服役时间超过五年并且从未经历过颈部或颌面部创伤。研究采用横断面研究设计。该研究的结果基于临床检查，包括触诊颞下颌关节和面部肌肉，以及评估下颌在垂直和垂直方向上的运动
引用：Eurlings CGMJ、Bektas S、Sanders-van Wijk S 等。利用人工智能评估冠状动脉疾病风险，无需
摘要 目的 预测冠状动脉疾病 (CAD) 的存在与否具有临床重要性。指南中使用的预测概率 (PTP) 和 CAD 联盟临床 (CAD2) 模型和风险评分作为应用侵入性检测或让患者出院的唯一指导不够准确。不需要额外非侵入性测试的人工智能尚未在这种情况下使用，因为该模型的先前结果很有希望，但仅适用于高风险人群。然而，仍然缺乏对临床最相关的低风险患者的验证。设计回顾性队列研究。设置荷兰一家学术医院的二级门诊护理。参与者我们纳入了 696 名从初级保健转诊的患者，以进一步检测是否存在 CAD。使用接收者操作特性 (ROC) 曲线（曲线下面积 (AUC)）将结果与 PTP 和 CAD2 进行比较。 CAD 的定义为侵入性冠状动脉或 CT 血管造影中至少一根冠状动脉狭窄 >50%，或 6 个月内发生冠状动脉事件。结果测量第一个队列验证了在低风险到中等风险队列中的两个高风险人群中开发的基于模因模式的算法 (MPA) 模型，以改善风险分层，从而非侵入性地诊断是否存在 CAD。结果人群中 49% 为男性，平均年龄为 65.6±12.6 岁。16.2% 患有 CAD。MPA 模型、PTP 和 CAD2 的 AUC 分别为 0.87、0.80 和 0.82。应用 MPA 模型导致 67.7% 的患者可能出院，可接受的 CAD 率为 4.2%。结论 在低风险至中等风险人群中，MPA 模型可以很好地对 CAD 的存在与否进行风险分层，并且与传统风险评分相比，ROC 更好。结果令人鼓舞，但需要前瞻性验证。
超重和肥胖的经济成本将于2060年发表在BMJ Global Health Predic Predic
（超过10万亿美元），美国（超过2.5万亿美元）和印度（近8000亿美元）。纽约，2022年9月21日：根据世界肥胖联合会和RTI International的一项新研究，到2060年，超重和肥胖症患病率将使全球经济损失3.3％。这项研究已在BMJ全球健康中进行了同行评审和发表，分析了161个国家的超重和肥胖症的当前经济影响。它提供了有史以来对非传染病（NCD）经济影响的首个国家特定的全球估计，这主要是由于可避免的癌症，糖尿病和心血管疾病的可避免的医疗费用归因于肥胖症。由于肥胖症，人口变化和经济增长的患病率上升，GDP的成本预计会增加。研究发现，如果肥胖症患者的数量保持在2019年的水平，则可以节省2.2万亿美元。在2020年至2060年之间，NCD的预计患病率降低了5％，将导致全球年度储蓄平均为4290亿美元。这些国家预计将拥有超重和肥胖的最大经济成本是中国，美国和印度。预计中国将使中国超过100万亿美元，美国超过25万亿美元，印度将耗资近8005亿美元。其他超重和肥胖的经济成本预计将超过1000亿美元的国家，包括德国，加拿大，澳大利亚，巴西，英国和日本。在所有这些国家中，预计将使阿拉伯联合酋长国的GDP比例最高（11.04％）。目前，据估计，肥胖的经济影响占全球GDP的2.19％。2019年人均经济损失范围从低收入国家的6美元到高收入国家的1,110美元，这也反映了这些地区的工资和GDP差异。分别相当于GDP的0.87％和2.46％。该研究预测，超重和肥胖造成的经济损失将不成比例地影响较低的国家，而不是较富裕的国家。总经济成本可能会增加四倍，而在低收入国家和中等收入国家中的增长预计在12-25倍之间。在WHO欧洲地区，与西部太平洋地区的26倍增长相比，经济影响预计将增加两倍以上。 世界肥胖联合会和RTI International的估计分析了直接和间接成本。 前者包括医疗和非医疗费用，而后者包括该过程中的费用在WHO欧洲地区，与西部太平洋地区的26倍增长相比，经济影响预计将增加两倍以上。世界肥胖联合会和RTI International的估计分析了直接和间接成本。前者包括医疗和非医疗费用，而后者包括该过程中的费用
引用：Shahzad R、Ayub B、Siddiqui MAR。医疗保健领域人工智能随机对照试验报告质量：系统评价。BMJ Open 2022；12：e061519。doi:10.1136/bmjopen-2022-061519
摘要 目的 本研究旨在根据《综合试验报告标准——人工智能》（CONSORT-AI）指南评估医疗保健领域人工智能（AI）随机对照试验（RCT）的报告质量。设计 系统评价。 数据来源 我们在 PubMed 和 EMBASE 数据库中搜索了 2015 年 1 月至 2021 年 12 月报告的研究。 资格标准 我们纳入了以英文报告的使用人工智能作为干预措施的 RCT。排除了方案、会议摘要、机器人研究和与医学教育相关的研究。 数据提取 两名独立评分员使用包含 43 个项目的 CONSORT-AI 清单对纳入的研究进行评分。将结果制成表格并报告描述性统计数据。 结果 我们筛选了 1501 篇潜在摘要，其中 112 篇全文文章经过资格审查。共纳入 42 项研究。参与者人数从 22 人到 2352 人不等。所有研究仅完整报告了 CONSORT-AI 项目中的两项。超过 85% 的研究报告了五项不适用。19% (8/42) 的研究未报告超过 50% (21/43) 的 CONSORT-AI 清单项目。结论 AI 中 RCT 的报告质量不佳。由于现有 RCT 的报告各不相同，因此在解释某些研究的结果时应谨慎。
（FPQPMJUJDT PG）FBMUI - 空间
第一个维度是卫生外交：各国政府和国际组织如何协调（或不协调）全球政策以保障和改善公共卫生。其中一个有趣且热门的方面是各国如何利用卫生投资和发展合作来促进与世界各国和民间社会的伙伴关系。疫情的爆发非常明显，引发了一场“疫苗外交”竞赛，旨在通过团结加深与合作伙伴的关系并在全球范围内发挥影响力。第二个维度是卫生领域的开放战略自主权：全球争夺价值链控制权的竞争以及对活性药物成分、医疗产品和对策的战略依赖，疫情凸显了这些竞争。第三个维度是卫生和相关部门的持续结构性趋势（例如健康不平等、人口变化和数字化），这些趋势影响社会凝聚力和欧盟在全球卫生舞台上的整体行动。第四个维度是安全、国防和减轻重大冲击。欧盟面临的许多重大风险对人类健康和公共卫生系统有主要和次要影响，例如生物恐怖主义和混合战争、极端天气事件以及原材料和芯片短缺。
引用：Iqbal U、Celi LA、Hsu Y-HE 等人。医疗人工智能：通往地狱之路是由善意铺就的。BMJ Health Care Inform 2022；29：e100650。doi:10.1136/bmjhci-2022-100650
《BMJ 健康与护理信息学》发表了两篇编辑精选论文，重点介绍了人工智能 (AI) 以及在系统层面正确评估与医疗保健改进相关的 AI 驱动的实施工具的挑战。Kueper 等人 1 的研究重点关注加拿大安大略省初级保健环境中的 AI 挑战。他们提供了经验教训和指导，以指导未来使用 AI 进行资源管理来改善初级保健。作者与多方利益相关者进行了协作磋商。确定了九个优先事项，围绕系统级考虑因素，例如实践环境、组织和致力于医疗服务提供和护理质量的绩效领域。该论文强调了对公平和数字鸿沟、系统容量和文化、数据可访问性和质量、法律和道德考虑、以用户为中心的设计、以患者为中心以及对 AI 应用的适当评估等关注。并回顾了 AI 在学习型健康系统框架中的作用。应安全、有意义地开发和应用人工智能模型，以优化系统性能和社会福祉。2 此外，人工智能提供预防和先发制人的医疗机会，这些机会在及时、准确、个性化和迅速采取行动时最有价值。3
营养不良性肌肉影响运动神经元轴突生长和 NMJ 组装
神经肌肉接头 (NMJ) 处的化学突触呈现出一种复杂的结构，其形成取决于两个主要因素的相互诱导：脊髓运动神经元和骨骼肌纤维。这种微妙平衡的破坏是许多神经肌肉疾病的根源，其细胞和分子机制仍有部分未知。这种病理生理学相关性引起了许多研究小组对开发有效研究模型的浓厚兴趣：几十年来，动物模型，尤其是小鼠，一直是神经肌肉疾病建模的黄金标准。[1] 总体而言，动物模型捕捉到了人类疾病的重要特征，因此对于了解器官和生物体规模的疾病进展非常有价值。然而，将这一发现充分应用于人类病理生理学的临床
引用：Oliva A、Altamura G、Nurchis MC 等人。评估算法和人工智能的潜力，以更安全、更快捷的药物管理颠覆患者初级保健：系统评价方案。BMJ Open 2022；12：e057399。doi:10.1136/bmjopen-2021-057399
摘要 简介 在初级保健中，家庭医生和全科医生的门诊就诊中几乎有 75% 涉及继续或开始药物治疗。由于门诊患者在无人监控的情况下使用了大量药物，因此由于用药或处方错误而导致不良事件的潜在风险远高于医院环境。人工智能 (AI) 应用可以通过改进错误检测、患者分层和药物管理来帮助医疗保健专业人员负责患者安全。目的是研究 AI 算法对初级保健环境中药物管理的影响，并将 AI 或算法与标准临床实践进行比较，以确定技术支持可以带来更好结果的药物领域。方法与分析 从开始到 2021 年 12 月，将通过查询 PubMed、Cochrane 和 ISI Web of Science 进行文献的系统评价和荟萃分析。主要结果是通过 AI 应用减少用药错误。搜索策略和研究选择将根据系统评价和荟萃分析的首选报告项目以及人群、干预、比较和结果框架进行。将采用非随机对照试验的观察队列和横断面研究的质量评估工具以及美国国立卫生研究院的随机对照试验的对照干预研究的质量评估来评估纳入研究的质量。道德与传播 由于不涉及人类，因此不需要正式的伦理批准。结果将通过同行评审的出版物广泛传播。
引用：Superchi C、Brion Bouvier F、Gerardi C 等。个性化医疗临床试验研究设计：范围审查。BMJ Op
摘要 目的 个性化医疗 (PM) 允许根据患者的个人人口统计、基因组或生物学特征对其进行治疗，从而“在正确的时间为正确的人提供正确的治疗”。PM 临床试验需要健全的方法来正确识别参与者群体和治疗方法。作为制定 PM 试验设计新建议的第一步，我们旨在概述已在此领域使用的研究设计。设计范围审查。方法我们在 PubMed、Embase 和 Cochrane 图书馆中搜索了所有英文、法文、德文、意大利文和西班牙文报告，这些报告描述了应用于 PM 的临床试验的研究设计。研究选择和数据提取是重复进行的，通过协商解决分歧，或通过第三位专家审阅者参与。我们提取了有关试验设计特点的信息以及这些方法的当前应用示例。提取的信息用于生成 PM 试验设计的新分类。结果 我们确定了 21 种试验设计、10 种亚型和 30 种适用于 PM 的试验设计变体，并将它们分为四个核心类别（即主方案、全随机化、生物标志物策略和丰富化）。我们发现 131 项临床试验采用了这些设计，其中绝大多数是主方案（86/131，65.6%）。大多数试验是肿瘤学领域的 II 期研究（75/131，57.2%）（113/131，86.3%）。我们从不同方面（例如框架、对照组、随机化）确定了试验设计的 34 个主要特征。将四个核心类别和 34 个特征合并为一个双条目表，以创建 PM 试验设计的新分类。 结论 存在多种试验设计并应用于 PM。提出了一种新的试验设计分类，以帮助读者浏览复杂的 PM 临床试验领域。