摘要:糖尿病是一种以高血糖水平为特征的慢性代谢疾病。在主要类型的糖尿病类型中,类型2是最常见的。早期诊断和治疗可以预防或延迟并发症的发作。先前的研究检查了机器学习技术在病理学的预测中的应用,在这里,人工神经网络显示出非常有希望的结果,这是对糖尿病管理和预防的有价值的帮助。此外,其长期预测的优越能力使其成为这项研究领域的理想选择。我们利用机器学习方法来揭示个人健康状况与2型糖尿病发展之间未发现的关联,目的是准确预测其发作或确定个人的风险水平。我们的研究采用了经过划痕训练的二元分类器,以确定2型糖尿病的发作与从患者测量中获得的一组参数之间的潜在非线性关系。使用了三个数据集,即国家卫生统计中心(NHANES)双年展调查,Mimic-III和Mimic-IV。然后组合了这些数据集,以创建一个具有相同数量的患有和不具有2型糖尿病的个体的数据集。由于数据集是平衡的,因此该模型的主要评估度量是准确性。这项研究的结果令人鼓舞,该模型的准确性水平高达86%,ROC AUC值为0.934。需要进一步研究来通过考虑随着时间的推移的多次测量来提高模型的可靠性。
充血性心力衰竭 (CHF) 是一种复杂的临床疾病,是所有心脏疾病的最终发展形式,也是全球性的公共卫生问题,影响着全世界约 2600 万人 (1),对公共医疗保健系统产生了巨大的经济影响 (2)。研究表明,CHF 与心脏能量代谢的改变有关 (3),而营养摄入可能影响疾病进展 (4)。据报道,CHF 患者能量和常量营养素摄入不足,导致营养不足或营养不良 (5-7)。肥胖[体质指数 (BMI) ≥ 30 kg/m 2 ] 在 CHF 患者中的患病率高达 40% (8),被认为是 CHF 发展的主要独立危险因素 (9),并且对 CHF 的预后有矛盾的影响 (10, 11)。研究表明,BMI 与 HF 死亡风险之间存在非线性的 U 型关联,最低 BMI 组(平均 BMI = 19.43 kg/m 2 )的风险大于最高 BMI 组(平均 BMI = 30.16 kg/m 2 )(12)。减重对 HF 患者的益处仍存在争议,因为尽管 CHF 患者存在营养缺乏,但仍有大量 CHF 患者患有肥胖,而且我们仍然缺乏对 CHF 患者 BMI 增加原因的研究。在本研究中,我们利用 2007 – 2016 年国家健康和检查营养调查 (NHANES) 的数据来确定 CHF 参与者中 BMI 增加或肥胖的差异。
哮喘构成了巨大的社会成本,有益健康的饮食以及充满活力的生活方式可能会增强产后结果。令人遗憾的是,对饮食和生活方式方面的实证研究仍然很少。氧化平衡评分(OBS),量化饮食元素和生活方式参数的氧化应激,缺乏与哮喘患者之间的整体和心血管死亡的明确联系。来自NHANES(1999-2020)的数据用于研究哮喘患者中观察指数与全因与心血管死亡率之间的相关性。严格,以证明发现结果。这项研究最终包括4,639名平均年龄为42.55岁且男性43.46%的人。Kaplan-Meier曲线表明,具有较低ob obs四分位数的哮喘患者患有全原因和心血管死亡的风险更高。 在完全调整的模型2中,与哮喘的下四分位四分位数相反,在OBS中,哮喘患者上四分之一的全因死亡率的HR为0.37(95%CI:0.26,0.53)。 心血管疾病死亡率表现出一致性(Q4,HR:0.43,95%CI:0.19,0.98)。 在不同模型和亚组评估中,哮喘患者的OBS索引与全原因和心血管死亡率之间的关联保持稳定。 限制的立方样条曲线表明,哮喘患者中的OBS与全因和心血管死亡率线性相关。 灵敏度分析加强了哮喘患者的OBS指数与死亡率之间的负相关性。Kaplan-Meier曲线表明,具有较低ob obs四分位数的哮喘患者患有全原因和心血管死亡的风险更高。在完全调整的模型2中,与哮喘的下四分位四分位数相反,在OBS中,哮喘患者上四分之一的全因死亡率的HR为0.37(95%CI:0.26,0.53)。心血管疾病死亡率表现出一致性(Q4,HR:0.43,95%CI:0.19,0.98)。在不同模型和亚组评估中,哮喘患者的OBS索引与全原因和心血管死亡率之间的关联保持稳定。限制的立方样条曲线表明,哮喘患者中的OBS与全因和心血管死亡率线性相关。灵敏度分析加强了哮喘患者的OBS指数与死亡率之间的负相关性。哮喘患者的OBS指数与全因和心血管死亡率负相关,强调了抗氧化剂饮食的保护作用以及哮喘患者的健康生活方式。
2型糖尿病的风险预测模型可用于早期检测高风险的个体。但是,模型也可能偏向临床决策过程,例如,种族群体之间的风险误差差异差异。我们调查了国家糖尿病预防计划发布的糖尿病前风险测试(PRT)以及两个预后模型,即弗雷明汉后代风险评分,而ARIC模型,非西班牙裔白人和非西班牙黑人之间的种族偏见。我们使用了国家卫生和营养检查调查(NHANES)数据,在1999年至2010年之间进行了六个独立的两年批次。总共包括了9,987名成年人,没有事先诊断出尿液和禁食的血液样本。根据风险模型,我们计算了2型糖尿病的种族和年平均预测风险。我们将预测的风险与从种族群体中从美国糖尿病监测系统中提取的观察到的风险进行了比较(汇总校准)。在整个调查年份中,所有研究模型都被发现对种族的校准都误解了。未估计的2型糖尿病风险对非西班牙裔白人的风险高估,非西班牙裔黑人的风险低估了。PRT和ARIC模型都超过了两个种族的风险,但对于非西班牙裔白人来说,这是更多的。这些地标模型比非西班牙裔黑人更严重地高估了非西班牙裔白人2型糖尿病的风险。另一方面,较大比例的非西班牙裔黑人可能会被不优雅和处理不足。这可能导致较大比例的非西班牙裔白人被培养为预防性干预措施,但这也增加了该组中过度诊断和过度治疗的风险。
尿液,免疫和神经系统相互通信,在健康的人体中建立有效的网络。肾脏和膀胱被称为尿液系统的主要部分,并通过输尿管(1-3)连接在一起。尿液系统通过先天和适应性免疫细胞(例如巨噬细胞(M F S))维持稳态。这些免疫细胞表达了广泛的免疫生物分子,包括白介素(ILS)和模式识别受体(PRRS),例如Toll样受体(TLR)。由于这些知识,小胶质细胞作为中枢神经系统(CNS)的专门M f是有效的吞噬细胞,可产生不同类型的PRR,例如TLR。小胶质细胞的功能受到促炎和抗炎性细胞因子受体的调节(4-6)。因此,免疫系统和神经系统在人类泌尿系统中维持体内平衡方面都具有关键作用。由于该主题的重要性,编辑们决定在著名的《免疫学界杂志》中运行目前的有影响力的研究主题。我们的目的是收集强大而有用的研究的宝库。幸运的是,我们成功地试图从54位国际作家那里收集六个主题出版物。在一项横断面研究中,Qin等人。研究系统的免疫输液指数(SII)是一种新型的炎症标记及其与蛋白尿的关联。广泛的协变量,例如种族,性别,体重指数(BMI),年龄,糖尿病,包括吸烟等的行为状况。在这方面,在2005年至2018年期间,来自国家健康和营养检查调查(Nhanes),在2005年至2018年之间,他们获得了与36,463名成年人(女性= 49.04%)有关的36,463名成年人(女性= 49.04%)的相关数据。包括在本研究中。在本次调查中,他们的发现显示了美国成年人中SII与尿白蛋白排泄的增强之间的正相关关系。
常见的主要头痛,偏头痛的特征是中度至重度头痛的发作,持续4至72 h。头痛通常会敲打和单侧,并且经常伴有恶心,恐惧症和/或恐惧症。根据评论,慢性偏头痛的偏头痛攻击中有2.5%的攻击率在全球范围内偏头痛[1]。偏头痛影响全球超过十亿人口,东南亚的患病率最高(25%-35%),中国最低的人(9%)[2]。术语,有证据表明,神经系统中的几种神经递质的异常释放,例如肝脏,5-羟色胺和血管活性肽,引起偏头痛攻击。这些释放会导致血管舒张,神经元激发异常和炎症反应增加[3,4]。在过去几年中,越来越多的研究已经揭示了饮食消费与偏头痛攻击的频率和开始之间存在很大的相关性[5-8]。例如,盐分高,维生素和矿物质(例如镁)的饮食可能会增加偏头痛的风险。维生素D是一种脂溶性维生素,其主要来源包括阳光暴露,食物摄入量和补充剂[9]。通过连接维生素D受体,该受体控制人体对钙和磷的摄入量和代谢,维生素D可保留骨骼健康[10]。结果,维生素D对于维持骨骼健康至关重要,可能会影响偏头痛的发展。fur-hoverore,越来越多的证据表明,维生素D可能会影响神经系统功能,例如控制神经元活性,减少发病反应并改变血管功能[11,12]。根据许多临床研究,补充维生素D的补充可能有助于减少偏头痛攻击的频率和强度[13-15]。因此,在本文中使用NHANES的数据评估了血液维生素D水平与偏头痛之间的可能相关性。
类风湿关节炎(RA)是一种慢性自身免疫性疾病,其特征是持续的关节炎症,进行性损害和功能障碍,通常会导致显着的残疾(1-3)。超出了与联合相关的症状,RA增加了系统并发症的风险,例如心血管疾病和感染,从而大大提高了全因死亡率(4)。慢性炎症和免疫失调是这些结果的关键驱动因素,强调迫切需要有效的生物标志物改善预后和治疗策略。已利用各种复合生物标志物评估类风湿关节炎患者的疾病活性和预后(5)。泛免疫渗透量值(PIV)是一种源自中性粒细胞,单核细胞,血小板和淋巴细胞计数的新兴复合生物标志物。它提供了对免疫和炎症活动的全面度量(6-9)。虽然PIV在癌症和心血管疾病等疾病中的结局不佳,但其在预测RA患者死亡率方面的作用仍然不清楚,并且在很大程度上没有探索(10-12)。这项研究利用了国家健康和营养考试调查(NHANES)的数据,该调查是一项大型国家代表人群,具有严格的方法论和广泛的随访。使用此强大的数据集,我们研究了RA患者PIV与全因死亡率之间的关联。我们应用了多变量COX比例危害模型来分析PIV与死亡率风险之间的关系。分割的回归模型用于识别该关联中的潜在阈值,而亚组分析评估了人口统计学,生活方式行为或合并症等因素是否影响了这些发现。通过评估RA患者PIV的预后价值,本研究旨在强调其作为死亡率风险标志物的潜力。发现可能支持更多个性化的风险评估,并为RA中的炎症管理策略提供针对性的策略。
已经通过不同的方法,使用不同的协变量研究了决定血清促甲状腺激素 (TSH) 水平的因素。然而,到目前为止,还没有在 NHANES(国家健康和营养检查调查)等人口数据库中研究使用机器学习方法来预测 TSH。在本研究中,我们对不同的机器学习方法(如线性回归、随机森林、支持向量机、多层感知器和堆叠回归)进行了比较分析,以预测 TSH 并将个体分为正常、低和高 TSH 水平。我们将游离 T4、抗 TPO 抗体、T3、身体质量指数 (BMI)、年龄和种族作为预测变量。总共有 9818 名受试者参与了这项比较分析。我们使用判定系数 (r 2 ) 值来比较 TSH 预测结果,并表明随机森林、梯度提升和堆叠回归在预测 TSH 方面表现同样出色,并实现最高 r 2 值 = 0.13,平均绝对误差为 0.78。此外,我们发现抗 TPO 是预测 TSH 的最重要特征,其次是回归分析中的年龄、BMI、T3 和游离 T4。在将 TSH 分为正常、高或低水平时,我们的比较分析还表明,在对 TSH 水平正常、高和低的个体进行的分类研究中,随机森林表现最佳。我们发现以下曲线下面积 (AUC);对于低 TSH,AUC = 0.61,正常 TSH,AUC = 0.61 和升高的 TSH AUC = 0.69。此外,我们发现抗 TPO 是分类 TSH 的最重要特征。在这项研究中,我们认为人工智能和机器学习方法可能有助于深入了解复杂的下丘脑-垂体-甲状腺轴,并且可能成为指导我们为个体患者做出适当治疗决策(甲状腺激素剂量)的宝贵工具。
14摘要15当前的研究表明,饮食,物理16活动和心理健康结果等因素之间有希望的关联,从而承认这些变量之间的复杂相互作用。17然而,活体微生物饮食摄入的作用以及休闲时间的体育锻炼18(LTPA)与抑郁症状的关系需要进一步探索。本研究研究了2007年至2018年之间参加NHANES的25,747个人组成的队列。使用了患者的健康问卷(PHQ-9),其中得分21≥10的个体被归类为表现出抑郁症状。LTPA状态由全球22个体育活动问卷报告,并通过MET-MINUTES/WEEK计算。由23名参与者消耗的食物通过每克实时微生物进行评估,分为三组:24个低,中和高。控制了所有协变量后,发现表明LTPA与抑郁症状有25个负相关[或(95%CI):0.983(0.976,0.990),p <0.001]。26参与更多LTPA的人与消耗所有三个水平的膳食活体27个微生物[Low,β(95%CI):0.086(0.063,0.109)呈正相关;培养基,β(95%CI):0.009(0.007,0.012);高,β28(95%CI):0.002(0.001,0.002)]。此外,在较低的抑郁可能性[或(95%CI):0.931(0.882,0.982),p = 0.010]中,服用更多具有培养基活微生物的食物为29。中等和高水平的活微生物的摄入量分别介导了LTPA和抑郁症状31症状之间的关联,分别为4.15%和0.83%。含有培养基和32个活体水平的食物的饮食摄入可能是LTPA与抑郁症状33症状负相关的介体。34个关键字:抑郁症状;活微生物;休闲时间的体育锻炼;调解35分析;横断面研究36
摘要 简介 糖尿病以血糖升高为特征,影响着 13% 的美国成年人,其中 95% 患有 2 型糖尿病 (T2D)。健康的社会决定因素 (SDoH),例如粮食不安全,是血糖控制不可或缺的一部分。补充营养援助计划 (SNAP) 旨在减少粮食不安全,但目前尚不清楚这对 2 型糖尿病患者的血糖控制有何影响。本研究调查了粮食不安全与其他 SDoH 和血糖控制之间的关联以及 SNAP 参与在全国社会经济弱势群体样本中的作用。研究设计和方法使用横断面国家健康和营养检查调查 (NHANES) 数据 (2007-2018 年) 确定可能患有 2 型糖尿病且收入低于联邦贫困水平 (FPL) 185% 的成年人。多变量逻辑回归评估了粮食不安全、SNAP 参与和血糖控制(根据年龄和合并症定义为 HbA 1c 7.0%–8.5%)之间的关联。协变量包括人口统计学因素、临床合并症、糖尿病管理策略以及医疗保健的获取和利用。结果研究人群包括 2084 人(90% 年龄 >40 岁、55% 为女性、18% 非西班牙裔黑人、25% 为西班牙裔、41% 的 SNAP 参与者、36% 的粮食安全程度低或非常低)。在调整后的模型中,粮食不安全与血糖控制无关(调整后的 OR (aOR) 1.181(0.877–1.589)),SNAP 参与不会改变粮食不安全对血糖控制的影响。在调整后的模型中,胰岛素使用、缺乏健康保险以及西班牙裔或其他种族和民族是与血糖控制不佳最密切的关联。结论对于美国低收入的 2 型糖尿病患者来说,健康保险可能是血糖控制的最重要预测因素之一。此外,与种族和民族相关的 SDoH 也起着重要作用。由于福利金额不足或缺乏健康购买的激励措施,SNAP 参与可能不会影响血糖控制。这些发现对社区参与干预以及医疗保健和食品政策具有重要意义。