XiaoMi-AI文件搜索系统
World File Search SystemPPI
使用基于决策树的合奏学习模型Ozge Sen Kaya A，Sinem Bozkurt Keser B， *和Kemal Keskin B
质子泵抑制剂（PPI）广泛用于治疗与胃酸相关的疾病全球和我们国家。PPI的高可靠性还允许长期用于慢性疾病的适当适应症，这增加了药物相互作用的可能性。因此，很明显，应根据药物相互作用来监控PPI的使用，以提供药物治疗成功和患者的安全性。最接近健康顾问的药剂师在处方履行过程中确定这些相互作用的能力将极大地有助于治疗成功。尽管许多研究涉及PPI和药物相互作用的合理使用，但揭示观察性药物相互作用的研究数量很少。本研究旨在确定PPI的社区药房经常遇到的药物 - 药物相互作用，这些药房与许多药物相互作用，通常是处方的。为此，检查了大约1700份由选定的社区药房提供的处方，该处方被检查。通过考虑研究的局限性评估了一百六十四个处方。通过三个不同的电子数据库检查了药物 - 药物相互作用。已经确定164个处方中有73个在三个数据库中的至少一个中有相互作用。在73个处方中，观察到了86种药物相互作用。研究中检测到的相互作用的34％是由兰索拉唑引起的。
质子泵抑制剂与癌症：现状
幽门螺杆菌感染和 Zollinger-Ellison 综合征，以及预防高危患者（年龄 > 65 岁，有胃肠道溃疡病史或同时接受抗血小板、抗凝或皮质类固醇治疗）的非甾体抗炎药 (NSAID) 相关胃肠道病变（Strand 等人，2017 年）。许多此类疾病通常需要长期治疗，这增加了患者发生临床上显著的药物相互作用的可能性。此外，标签外处方已被广泛报道，特别是在功能性消化不良和预防非风险患者 NSAID 引起的胃十二指肠病变方面（Lassalle 等人，2020 年）。自 1980 年代后期推出市场以来，PPI 在许多国家的使用都有所增加。例如，在法国，2015 年有超过 1500 万拥有医疗保险的人（占法国成年人口的近三分之一）是 PPI 使用者（Singh 等人，2018 年；Lassalle 等人，2020 年）。在一项研究中，三分之一的患者无法确定 PPI 指征，四分之三的 NSAID 预防性处方没有发现可测量的风险因素（Lassalle 等人，2020 年）。大约 20% 的癌症患者使用 PPI（Kinoshita 等人，2018 年；Tvingsholm 等人，2018 年；Sharma 等人，2019 年）；然而，PPI 通常会被过量用于治疗化疗的副作用（如 GERD）或作为与皮质类固醇或 NSAID 联合治疗的预防措施（Lassalle 等人，2020 年）。总体而言，PPI 被认为不良事件很少，因为它们通常耐受性良好。然而，据报道，PPI 与胃肠道疾病（恶心、腹痛、传输障碍）、离子吸收障碍（低镁血症、铁缺乏、维生素 B12 缺乏）、肾衰竭、感染（肺炎、艰难梭菌感染、腹膜炎）和骨折有关（Singh 等人，2018 年；Yibirin 等人，2021 年）。此外，PPI 还参与各种药物 - 药物相互作用 (DDI) (Wedemeyer 和 Blume，2014 年；Strand 等人，2017 年；Patel 等人，2020 年；Uchiyama 等人，2021 年)。通过提高胃液 pH 值，PPI 会影响胃液 pH 依赖性药物的吸收。事实上，某些弱碱性药物的胃液 pH 值升高会导致溶解度降低，随后的吸收率也会降低 (Wedemeyer 和 Blume，2014 年；Patel 等人，2020 年)。PPI 也可能影响药物消除，因为它们是有机阳离子转运蛋白 (OCT，参与底物药物的肾脏排泄) 和 P-糖蛋白流出转运蛋白的潜在抑制剂 (Wedemeyer 和 Blume，2014 年；Patel 等人，2020 年)。 PPI 主要在肝脏中通过细胞色素 P450 酶 (CYP) 系统代谢，主要是 CYP2C19 和 CYP3A4 ( Wedemeyer and Blume, 2014 )。它们能够作为 CYP 的抑制剂或诱导剂；抑制 CYP 会增加全身对药物的暴露量 (Patel 等人，2020 年)。奥美拉唑对 CYP2C19 具有高亲和力，对 CYP3A4 具有中等亲和力，因此具有相当大的 DDI 潜力 (Wedemeyer and Blume, 2014 年)。埃索美拉唑也能在临床上显著抑制 CYP2C19，而其他 PPI 对 CYP2C19 的抑制在临床上并不重要 (Patel 等人，2020 年)。然而，只有少数涉及 PPI 的 DDI 具有临床意义 (Wedemeyer and Blume, 2014 年)。尽管如此，
癫痫发作和Takotsubo心肌病因质子泵抑制剂
质子泵抑制剂（PPI）诱导的低磁性血症，最初描述的2006年，近年来作为潜在的威胁生命的不良事件的认识越来越多。与组胺-2受体拮抗剂（H2RA）相比，PPI的电解质异常频率更高，包括低镁血症，低钙血症，低核血症和低钠血症；低磁性血症是最常见的。我们报告了一个80岁妇女的案例，她出现了普遍的弱点和腹泻。她被发现具有多种电解质异常，即使在腹泻解决和恢复喂养后也无法解决。但是，她的病情在停用PPI药物后的一周内得到改善。她的医院病程因癫痫发作而复杂化，这归因于影响神经元排出和促进癫痫样活动的细胞膜的离子疗程变化。此外，她经历了由于心肌收缩性降低而导致的Takotsubo心肌病，这是在长期使用PPI引起的电解质不平衡的背景下。
奥曲肽与质子泵抑制剂预防内镜逆行胰胆管造影治疗糖尿病肾病后发生急性胰腺炎的疗效比较
摘要 本研究比较奥曲肽与质子泵抑制剂（PPI）预防内镜逆行胰胆管造影（ERCP）后急性胰腺炎的作用。将2019年1月至2022年6月接受ERCP治疗的320例患者随机平均分为奥曲肽组、PPI组、联合治疗组和对照组，统计ERCP后急性胰腺炎（PEP）及高淀粉酶血症的发生率。各组术后PEP及高淀粉酶血症的发生率差异均有统计学意义，对照组、奥曲肽组和PPI组PEP发生率相似（12.50%、8.75%和10.00%），均高于联合治疗组（1.25%）。奥曲肽组与PPI组高淀粉酶血症发生率相近（12.50%、13.75%），均低于对照组（32.50%），联合治疗组高淀粉酶血症发生率进一步降低（8.75%），差异均有统计学意义（p<0.05）。对于胆总管结石患者，联合治疗组干预后高淀粉酶血症发生率低于其他三组（8.33%、31.25%、21.43%、16.67%），而胆管癌、胰头癌等病变患者PEP及高淀粉酶血症发生率差异均无统计学意义。综上所述，术前单独应用奥曲肽或PPI对预防ERCP术后PEP及高淀粉酶血症效果不佳，二者联合应用对预防PEP效果显著。
通过多任务图表结构学习
鉴定蛋白质 - 蛋白质相互作用（PPI）对于在细胞内的众多生物过程中进行深入见解至关重要，并且在药物开发和疾病治疗等领域具有显着的指导价值。当前，大多数PPI预测方法主要集中于蛋白质序列的研究，忽略了蛋白质内部结构的关键作用。本文提出了一种名为MGSlappi的新型PPI预测方法，该方法将注意力集中在我的蛋白质结构信息上，并通过多任务学习策略增强了蛋白质编码器的表现力。具体来说，我们将端到端PPI预测过程分解为两个阶段：氨基酸残基重建（A2RR）和蛋白质相互作用预测（PIP）。在A2RR阶段，我们采用基于图的基于图的残基重建方法来探索蛋白质的内部关系和特征。在PIP阶段，除了基本的相互作用预测任务外，我们还引入了两个辅助任务，即蛋白质特征重建（PFR）和蒙版相互作用预测（MIP）。PFR任务旨在重建在PIP阶段的蛋白质的表示，而MIP任务则使用部分掩盖的蛋白质特征进行PPI预测，两者都在协调一致地工作以提示MGSlappi捕获更多有用的信息。实验结果表明，MGSlappi在各种数据分配方案下的现有最新方法显着优于现有的最新方法。
在胃肠道出血的患者中，连续质子泵抑制剂治疗的连续质子泵抑制剂治疗的比较分析
上胃肠道出血（UGIB）作为普遍的临床挑战，每年的发病率在每100,000名个人中为80至150例。由于出血性溃疡而导致的UGIB患者的指南建议连续输注质子泵抑制剂（PPI）。但是，比较PPI治疗的间歇性给药的研究表明，该方案具有相似的临床益处。如果临床疗效仍然等效，则间歇性给药将对患者和医疗保健系统更具成本效益。我们的研究旨在分析UGIB患者内窥镜治疗后间歇性与连续PPI治疗的比较效率，重点是在3天和7天死亡率下再出血风险等终点。方法：搜索的资源包括Medline，Embase，PubMed和Cochrane Central Central Controlled试验数据库，从2010年1月至2023年12月，包括荟萃分析，系统审查，审查，审查或ACG指南指南。分析的结果表明，如何将高于PPI方案的建议随着时间的流逝而变化：从2010年的地区没有差异到建议2012年的连续方案，以宣布在2013年选择一种方案而不是另一种方案之间确定两种方案在2014年 - 2018年与最终划分的范围均可在2021年中脱颖而出。得出结论，我们的重新观点表明，在出血性溃疡和高危内窥镜检查结果中，间歇性PPI治疗不属于连续的PPI输注三天，七天出血风险或死亡率；但是，由于荟萃分析中包含的RCT的高度，确定最佳的间歇性方案仍然很具有挑战性，并且需要进一步的试验
pinder：蛋白质相互作用数据集和评估资源
蛋白质 - 蛋白质相互作用（PPI）是理解生物学过程并在治疗进步中起关键作用的基础。作为PPI增益吸引力的深度学习对接方法，基准测试协议和针对有效培训的数据集，用于有效培训和评估其在现实世界情景中的一般性功能和绩效。旨在克服现有方法的局限性，我们引入了Pinder，这是一个全面的注释数据集，该数据集使用结构聚类来得出非冗余接口的数据拆分和In-Incon-Includes holo（bound），apo（Unbound），apo（Unbound）和组合预测的结构。Pinder由2,319,564个二聚体PPI系统（最高2500万个增强PPI）和1,955个高质量测试PPI组成，并删除了接口数据泄漏。在方面，Pinder提供了一个带有180个二聚体的测试子集，可与Alphafold-Multimer进行比较，而没有任何接口泄漏其训练集。毫不奇怪，Pinder-Bench-Mark表明，在漏水测试集评估时，现有对接模型的性能被高估了。最重要的是，通过在Pinder界面聚集的分裂上重新培训，我们表明训练分裂的基于接口群集的采样，以及多样化且较少的漏水验证拆分，可实现强大的概括改进。
电子提交第57（2）条数据
5.5.1。第57条数据库中提交的数据的保密性........................................................................................................................................................5.25 5.5.2。Confidentiality of concentration of excipients ..................................................... 25 5.6.Language requirements for XEVMPD data submission ............................................ 25 5.6.1.Non-Latin/accented characters ........................................................................ 25 5.6.2.提交授权药品数据的语言要求......... 26 5.6.3。Language requirements for submission of authorised medicinal products in countries with multiple official languages ................................................................................. 26 5.6.4.Language requirements for submission of medicinal products authorised in Iceland, Liechtenstein and Norway via the centralised procedure ............................................... 27 5.6.5.Substance translations ................................................................................... 27 5.6.5.1.EVWEB/重新上传XML文件中物质翻译的可见性.............................................................. 27 5.6.5.2。Language requirements for substance name for herbal/homeopathic medicinal products ................................................................................................................ 28 5.6.6.MEDDRA编码的语言要求 - 不受支持的语言..................................................................................................................................................................................................................................................................................................................................................................................................... 28 5.6.7。Language requirements for package description ................................................. 29 5.7.Printed product information (PPI) ....................................................................... 29 5.7.1.Content and submission of PPI ........................................................................ 29 5.7.2.提交附加文件，如果在引用的SMPC/PIL中未陈述授权号。Intended use of PPI ....................................................................................... 29 5.7.4.Format of PPI ................................................................................................ 30 5.7.5.Unavailability of an SmPC ............................................................................... 30 5.7.5.1.在提交时，SMPC用授权国语言不可用.....................................................................................................................................................................SMPC在19xX之前授权的药品中无法获得............ 31 5.7.5.3。SMPC用于卢森堡营销授权的药物产品的不可用.....................................................................................................................................................ppi命名惯例和Xevprm与附件之间的链接............................................................................................................................................................................... 31 5.7.7。SmPC version number and version date ............................................................ 32 5.7.8.PPI的保密性......................................................................................................................................................................................................................................................................................................................................... 32 5.8。Medicinal product entity elements ....................................................................... 32 5.8.1.Legal Basis ................................................................................................... 32 5.9.演示名称元素.................................................................................................................................. 32 5.9.1。演示名称元素的人口............................................................................................................................................................................................................................................................................................................................................................................................................................................................... 32
供应链中断如何导致2021年通货膨胀
作者还进行了更正式的计量经济学分析，并使用结果来估计如果全球瓶颈与2019年相同，那么在2021年将是什么PPI通胀。他们发现，制造业中PPI的同比通货膨胀将在2021年1月下降2个百分点，而2021年11月的20个百分点则降低了20个百分点。