XiaoMi-AI文件搜索系统
World File Search SystemOvid
审查 Dupilumab 和 Tralokinumab 治疗肿瘤患者特应性皮炎和瘙痒性皮肤病的有效性和安全性：
简介：癌症患者越来越多地被确诊患有特应性皮炎 (AD) 和瘙痒性皮肤病。在有癌症病史或同时患有癌症的患者中，这些疾病的治疗面临着独特的挑战，因为传统的全身疗法可能因其免疫抑制作用而带来风险。近年来，dupilumab 和 tralokinumab 等生物制剂已成为治疗 AD 的有希望的药物，它们可以针对性地调节免疫反应，并且全身副作用可能更少。本文旨在回顾 dupilumab 和 tralokinumab 在治疗癌症幸存者的 AD 和瘙痒症方面的安全性和有效性的现有证据，并探讨这一独特患者群体的潜在益处和注意事项。方法：对截至 2024 年 12 月 15 日的 PubMed、Ovid、Scopus、Embase 和 Cochrane Library 数据库中的当前医学文献进行了全面分析。在进行此叙述性综述时，采用了与临床试验和现实研究相关的医学主题词 (MeSH) 术语和医学术语，重点关注药物 dupilumab 和 tralokinumab。讨论：患有活动性或既往癌症的患者通常被排除在新药的临床试验之外，这使得评估这些患者的癌症进展或复发风险变得复杂。dupilumab 和 tralokinumab 等生物药物在肿瘤患者中的潜在使用标志着治疗湿疹和瘙痒等疾病的重大突破，这些疾病在该患者群体中很常见。虽然对于患有活动性癌症或有恶性肿瘤病史的患者，没有明确的使用 dupilumab 和 tralokinumab 的禁忌症，但对于在这些情况下使用它们没有明确的指导。在皮肤科医生和肿瘤科医生的合作推动下，现实世界的数据不断涌现，支持 dupilumab 和 tralokinumab 在治疗癌症患者 AD 方面的有效性和安全性。尽管如此，仍需要进行更大规模、更长随访期和专门的药物警戒计划的研究来证实这些发现。关键词：特应性皮炎、dupilumab、tralokinumab、肿瘤患者
锻炼可以改善认知，记忆和执行功能的有效性：系统的伞审查和元 - 米塔 - 分析
摘要目的是评估随机对照试验（RCT）对运动对所有人群和年龄段一般认知，记忆和执行功能的影响的系统评价。方法对RCT进行系统评价和元分析，评估运动对一般认知，记忆和执行功能的影响符合条件。进行了数据提取和偏差评分的风险。评估系统审查的测量工具（Amstar-2）用于评估偏见的风险。使用随机效应模型合并效应大小，并报告为标准化平均差异（SMD）。亚组分析，以实现参与者和干预特征。主要结果衡量一般认知，记忆和执行功能。数据来源Cinahl，Cochrane图书馆，Embase，Medline，通过Ovid，Emcare，Proquest Central，Proquest Nursing和Allied Health Source，Psycinfo，Scopus，Scopus，Sport Fissus和Web of Science。结果包括133次系统评价（2,724 RCT和258 279名参与者）。练习显着改善了一般认知（SMD = 0.42），内存（SMD = 0.26）和执行功能（SMD = 0.24）。与成年人和老年人相比，儿童和青少年的记忆和执行功能改善的运动更大。与其他人群相比，患有注意力/多动症的人的执行功能表现出更大的改善。效果通常更大。发现在排除评分为低质量低下的评论后，在统计学上仍然很重要。较短的干预措施（1-3个月）和Exergames（需要身体运动的视频游戏）对一般认知和记忆的影响最大。结论这些发现提供了有力的证据表明，锻炼，甚至光强度，使所有人群中的一般认知，记忆和执行功能都受益，从而加强了锻炼，作为优化认知健康的必不可少的，包括包容性的建议。试用注册号Prospero ID：CRD42023468991。
引用：Naemi A，Schmidt T，Mansourvar M等。急诊科死亡率预测的机器学习技术：系统评价
摘要目的这一系统评价旨在评估机器学习（ML）算法在预测医疗患者院内死亡率（使用急诊科（EDS））的院内死亡率方面的性能和临床可行性。设计进行了系统的审查。在2010年至2021年之间搜索了包括Medline（PubMed），Scopus和Embase（OVID）在内的数据库，以提取英文发表的文章，描述了利用生命体征变量的基于ML的模型来预测EDS接受的患者的院内死亡率。对预测建模研究检查清单的系统评价的批判性评估和数据提取用于研究计划和数据提取。使用偏见评估工具的预测风险评估了纳入论文的偏见风险。参与者接纳了ED的患者。主要结果措施院内死亡率。结果将15篇文章包括在最终审查中。我们发现，该域已应用八个模型，包括逻辑回归，决策树，k-nearest邻居，支持向量机，梯度提升，随机森林，人工神经网络和深层神经网络。大多数研究未报告基本的主要分析步骤，例如数据预处理和处理丢失值。14种研究在统计分析部分中具有很高的偏见风险，这在实践中可能导致绩效差。尽管所有研究的主要目的是开发了死亡率的预测模型，但九篇文章并未为预测提供时间范围。结论本评论提供了最新的最新概述，并揭示了研究差距；基于这些，我们为将来的研究提供了八项建议，以使ML在实践中更可行。通过遵循这些建议，我们希望将来会看到更多可靠的ML模型，以帮助临床医生较早地识别患者恶化。
引用：Rahlin M, Duncan B, Howe CL, et al. 物理治疗强度如何影响粗大运动功能测量 (GMFM-66) 总分
摘要 简介 对脑瘫 (CP) 儿童实施的强化物理治疗 (PT) 干预已在已发表的文献中引起大量关注。然而，不同研究的治疗强度存在很大差异，而且明显缺乏关于最佳干预剂量的信息。这使得临床医生很难使用证据来指导实践。许多研究使用粗大运动功能测量 (GMFM-66) 来评估 CP 儿童的功能进展。本系统评价的目的是确定已发表研究中报告的 GMFM-66 变化评分，并根据干预强度确定结果。还将评估 PT 干预类型、儿童年龄和粗大运动功能分类系统水平是否影响 GMFM-66 评分。方法与分析本系统评价方案是根据系统评价和荟萃分析方案的首选报告项目 (PRISMA-P) 2015 清单制定的。 2018 年 3 月，我们在九个数据库（PubMed、Ovid MEDLINE、Cochrane Library、Embase、Scopus、Web of Science、CINAHL、ClinicalTrials.gov 和 REHABDATA）中搜索了使用 GMFM-66 作为 18 岁以下 CP 儿童结果测量的任何类型和强度的 PT 干预的临床对照试验和单一受试者设计研究。两位作者独立审查了标题和摘要，并就全文审查的论文选择达成共识。根据进一步详细的纳入标准，全文文章筛选使用相同的流程，最终选择适合数据提取的论文。在开始数据提取之前，所有搜索都将更新，并重新筛选新结果。伦理与传播本研究将涉及对已发表文章的系统评价，但不收集原始数据。因此，不需要伦理批准。结果将在同行评审的出版物中传播并在科学会议上发表。 PROSPERO 注册号码 CRD42020147669
引用：Weeks S，Fanstone JW，Marcu V等。关于居住在英国的成年人捐赠已故器官捐赠的对话的障碍：系统的R
抽象目标是探讨有关居住在英国的成年人中已故器官捐赠的对话的障碍。设计系统的综述与叙事综合。数据源PubMed，通过OVID，APA PSYCINFO通过EBSCO，通过Clarivate和Scopus通过Elsevier进行的MEDLINE，涵盖了2006年1月至2023年12月之间发表的研究。搜索于2023年12月1日进行，并于2024年2月2日完成。资格标准研究于2006年1月至2023年12月之间发表，重点介绍了英国成年人对器官捐赠对话的障碍。包括定性研究和定量研究，强调文化和世代因素。非英语研究和与英国无关的研究被排除在外。使用标准化工具由两个独立审阅者进行数据提取和合成筛选和数据提取。使用Joanna Briggs研究所清单进行质量评估，评估研究偏见。一种叙事合成方法用于整合异质研究的发现。结果11研究（6个定性，5个定量），总共包括4991名参与者。出现了四个主要的主题障碍：（1）Jinx因素 - 文化信念将对死亡讨论与运气不好； （2）世代相传的影响 - 年轻人更开放，但对父母不高兴的态度谨慎； （3）对话中的种族差异 - 各种背景和（4）行动的挑战 - 媒体和个人经验引发了对话。主持人包括文化量身定制的沟通和社区参与。关于死亡和器官捐赠的结论对话通常是简短的，并且受到围绕死亡的文化禁忌，态度的代际差异以及家庭动态的影响而阻碍。需要进一步的研究以更好地了解沟通方式，并量身定制干预措施，以鼓励对不同种族的器官捐赠进行公开讨论。Prospero注册号CRD42022340315。
引用：Lebcir R、Hill T、Atun R 等人。利益相关者对影响人工智能在医疗保健领域应用的组织因素的看法：范围审查协议。BMJ Open 2021；11：e044074。doi:10.1136/bmjopen-2020-044074
摘要 简介 人工智能 (AI) 为改变医疗保健服务提供了巨大潜力，从而可以改善患者的治疗效果并提高医疗服务的效率。然而，尽管具有这些优势，AI 在医疗保健中的整合并未跟上技术进步的步伐。先前的研究表明，了解影响新技术在医疗保健中整合的各种组织因素非常重要。因此，本研究的目的是从不同相关利益相关者的角度概述影响医疗保健中采用 AI 的现有组织因素。通过进行这项审查，可以确定促进或阻碍 AI 在医疗保健中实施的各种组织因素。 方法与分析 本研究将遵循 Joanna Briggs 研究所的框架，该框架包括以下阶段：(1) 定义和调整目标和问题，(2) 制定并调整纳入标准与目标和问题，(3) 描述证据搜索和选择的计划方法，(4) 搜索证据，(5) 选择证据，(6) 提取证据，(7) 绘制证据图表，并根据目标和问题总结证据。搜索的数据库包括 MEDLINE（Ovid）、CINAHL（Plus）、PubMed、Cohrane Library、Scopus、MathSciNet、NICE Evidence、OpenGrey、O'REILLY 和 Social Care Online，搜索时间从 2000 年 1 月至 2021 年 6 月。搜索结果将根据范围界定审查指南的系统评价和荟萃分析的首选报告项目扩展进行报告。审查将采用创新传播理论、技术接受模型和利益相关者理论作为指导概念模型。将使用叙述综合来整合研究结果。伦理与传播 由于本次范围界定审查仅包含以前发表的研究信息，因此无需征求伦理批准。研究结果将通过在同行评审期刊上发表来传播。此外，为了确保研究结果能够传达给相关利益相关者，我们将在相关会议上展示这些研究结果。
她用科学蒙蔽了我
达克斯·奥维德大学佐治亚大学，雅典宙斯·莱昂纳多加利福尼亚大学，伯克利，本文，我们基于其与科学作用的关系重新检查了课程研究的历史。我们不关心科学教育本身，而是Rasoul Nejadmehr（2020）称之为“科学教育”或教育科学的要素，特别是与课程有关的要素。在现在的经典文本中，克利巴德（Kliebard）的《 1986/2004）《美国课程的斗争》在课程研究领域占有特权。kliebard在课程奖学金流中介绍了四个强大的“电流”（与摆动相对）：人文主义，儿童发展主义，社会忧郁症和社会效率（第208页）。kliebard将四个框架及其支持者描述为彼此挣扎，成为推动学校实践的指导规范。同样，由库恩（Kuhn）（1970）的范式研究捕获，他们竞争课程研究中正常科学的地位，对此进行了所有其他观点。现在，学院的命名法的一部分，范式不仅仅是学者碰巧接受或拒绝的观点。范式在认知和政治意义上施加压力，因为我们试图理解社会现象。他们提供了一个模式，通过该模式可以看出某些模式，或者同样重要，因为它们不符合正常情况，因此使其变得无形。更深刻的是，许多科学家（现在包括社会科学家和课程学者）不仅仅是反对主导范式，而是通过制作新范式来代替它来取代它。Kliebard（1992）提供了课程的最有用的历史之一，即当代课程学者可能会利用。，但他并不专注于科学在他所说的美国课程中的作用和演变。我们认为，科学的核心作用介导了斗争的原本完整而几乎永恒的感觉。
1401 W. Herbison Road，Dewitt，密歇根州48820，2024年3月25日...克林顿县专员委员会
b outband更新3。方式和手段委员会主席Hurtekant从Guidehouse介绍了Anna Lam，以提供有关克林顿县宽带倡议的最新消息。
人工智能在医院急诊科分诊中的应用：范围审查
人工智能 (AI) 和机器学习 (ML) 在医疗保健领域的整合已成为一个主要关注点，并引发了其对急诊科 (ED) 分诊过程的影响的问题。人工智能模拟人类认知过程的能力加上计算技术的进步已在医疗保健的各个方面显示出积极成果，但人们对人工智能在急诊科患者分诊中的应用知之甚少。人工智能算法可以实现更早的诊断和干预；然而，过于自信的答案可能会给患者带来危险。本综述的目的是全面探索最近发表的关于人工智能和机器学习在急诊科分诊中的影响的文献，并找出研究空白。2023 年 9 月，使用电子数据库 EMBASE、Ovid MEDLINE 和 Web of Science 进行了系统化搜索。为了符合纳入标准，文章必须经过同行评审、用英语撰写，并基于 2013-2023 年在美国期刊上发表的原始数据研究。其他标准包括 1) 研究中的患者需要入住医院急诊科，2) 在对患者进行分诊时必须使用人工智能，3) 必须体现患者的结果。搜索使用医学主题词 (MeSH) 中的受控描述符进行，其中包括术语“人工智能”或“机器学习”和“急诊病房”或“急救护理”或“急诊科”或“急诊室”和“患者分诊”或“分诊”或“分诊”。搜索最初确定了 1,142 条引文。经过严格、系统的筛选过程和对证据的严格评估，最终选择了 29 项研究进行审查。研究结果表明：1) ML 模型始终表现出优于传统分诊系统的识别能力；2) 将 AI 整合到分诊流程中可显著提高预测准确性、疾病识别和风险评估；3) ML 可准确确定需要紧急救治的患者是否需要住院；4) ML 可改善资源分配和患者护理质量，包括预测住院时间。ML 模型在急诊室患者优先排序方面的优势有望重新定义分诊精度。
引用：Beccia C，Hunter B，Birkic V等。采取旨在协助总从业者促进早期诊断
抽象背景儿童中1型糖尿病的早期诊断对于防止糖尿病性酮症酸中毒（DKA）的恶化至关重要，这种状态在这种状态下，人体的胰岛素水平非常低，导致脂肪用于燃料和酮的积累。DKA是一种威胁生命的紧急情况，脱水和脑水肿可以迅速发展并导致死亡。尽管进行了治疗，但DKA也对认知和大脑发展产生了有害影响。大多数与DKA一起住院的孩子在入院之前的一周内见他们的全科医生。从一般实践中延迟推荐可能会导致延迟开始救生胰岛素治疗。先前的系统评价探讨了旨在识别1型糖尿病的宣传活动干预措施；但是，尚未探讨这些干预措施，目的是减少向全科医生介绍后的延迟。这项系统的审查旨在总结针对诊断延迟的干预措施，并评估其在减少DKA入院方面的有效性。将搜索六个数据库（OVID（MEDLINE），Web of Science，Embase，Cinahl，基于证据的医学评论（EBMR）和Google Scholar），以确定探索研究措施，以减少1型糖尿病儿童的诊断延迟，从而减少DKA的诊断延迟。主要结果将是在一般实践延迟后入院的DKA入院数量。次要结果将是全科医生在紧急转诊1型糖尿病儿童方面的行为。标题，摘要和全文筛选用于排除和包含出版物，将由两位独立的审阅者完成。个人研究中的任何偏见风险都将由两名独立审核者评估，使用偏见的风险在干预措施工具的非随机研究中。我们将使用建议，评估，开发和评估的评分来评估我们对总体证据体系的信心。道德和传播该系统审查将通过出版物和会议演讲中传播。对辅助数据进行系统审查不需要道德。