XiaoMi-AI文件搜索系统
World File Search SystemPreoperative
下肢关节置换术后预测持续使用阿片类药物的机器学习方法
摘要背景本研究的目的是为下肢关节置换术后持续使用阿片类药物使用的预测模型，并确定集合学习和超采样技术是否可以改善模型性能。我们比较了各种预测模型，以识别持续的术后阿片类药物使用，使用各种术前，术中和术后数据，包括手术程序，患者人口统计学/特征，过去的手术病史，阿片类药物使用历史，使用历史，经历了，合并症，生活方式，生活方式，生活方式，Anthesia详细信息和邮政课程。评估了六个分类模型：逻辑回归，随机森林分类器，简单喂养神经网络，平衡的随机森林分类器，平衡的装袋分类器和支持向量分类器。表现。重复分层的k-折叠交叉验证是为了计算接收器操作特性曲线（AUC）下的F1分数和面积。结果有1042例患者接受了膝关节或髋关节置换术，其中242例（23.2％）报告了持续使用的阿片类药物。没有SMOTE，逻辑回归模型的F1得分为0.47，AUC为0.79。所有合奏方法的性能都更好，平衡的包装分类器的F1得分为0.80，AUC为0.94。SMOTE基于F1分数的所有模型的性能提高了。具体来说，平衡袋分类器的性能提高到F1分数为0.84，AUC为0.96。在平衡装袋模型中最重要的特征是术后第1天使用阿片类药物，体重指数，年龄，术前阿片类药物，出院时处方的阿片类药物和住院时间。结论集合学习可以极大地改善持续使用阿片类药物的预测模型。对高危患者的准确和早期鉴定可以在临床决策和通过个性化干预措施的早期优化中发挥作用。
an0025，PGE2受体E型4的新型拮抗剂4（...
目的：评估AN0025与局部晚期癌症患者相结合的AN0025与术前放疗和化学疗法结合使用的安全性和效率。患者和方法：二十八名患有局部晚期直肠癌的受试者参加了这项识别器，开放标签，IB期试验。注册受试者每天接受250 mg或500毫克的AN0025接受10周的LCRT或SCRT进行化学疗法（7个受试者/组）。参与者的安全性/效率从研究药物管理局开始，并进行了2年。结果：未观察到符合剂量限制标准的治疗急性不良事件或严重的不良事件，由于不良事件，只有3名受试者停用了AN0025治疗。28名受试者中有25名完成了10周的AN0025和辅助治疗，并评估了效率。总体而言，有36.0％的受试者（9/25受试者）达到了病理完全反应或完整的临床反应，包括26.7％的受试者（接受手术的4/15名受试者）获得了病情的完整反应。完成治疗后，总共有65.4％的受试者具有磁共振成像限制的下降阶段3。中位随访30个月。12个月的无病生存期和总生存期为77.5％（95％的置次间隔[CI]：56.6，89.2）和96.3％（95％CI：76.5，99.5）。这些发现表明其活性值得在较大的临床试验中进一步研究。结论：用AN0025治疗10周以及术前SCRT或LCRT的治疗似乎并未使局部晚期直肠癌受试者的毒性恶化，并且具有良好的耐受性，并且在引起病理和完全临床反应方面表现出了希望。2023由Elsevier B.V.放射疗法和肿瘤学185（2023）109669
慢性机械循环支持中右心力衰竭的发病率和危险因素
抽象背景：右心力衰竭（LRHF）是长期左心室辅助装置（LVAD）支持的常见并发症。我们旨在确定LVAD植入后LRHF的危险因素。方法：在2006年至2019年之间接受原发性LVAD植入的患者以及围手术期生存期的患者被包括在本研究中（n = 261）。单变量COX比例危害分析用于评估临床协变量和LRHF的关联，并分层为设备类型。p <0.10的变量输入了多变量模型。在具有完整的回声局摄影或正确导管插入数据的一部分中，该多变量模型被扩展了。在患有和没有LRHF的患者中，比较了术后心肺运动测试数据。结果：中位数为12个月后患有LRHF的患者中有19个百分比，其中67％需要住院。A history of atrial fibrillation (AF) (HR: 2.06 [1.08–3.93], p = 0.029), a higher preoperative body mass index (BMI) (HR: 1.07 [1.01–1.13], p = 0.023), and intensive care unit (ICU) duration (HR: 1.03 [1.00–1.06], p = 0.025) were LHRF在多变量模型中的独立预测指标。在具有超声心动图数据的患者中发现了三尖瓣重新定性（TR）和LRHF（HR：1.91 [1.13–3.21]，p = 0.016）之间的显着关系。LRHF患者在术后6个月时表现出较低的最大工作量和峰值VO2。结论：AF，BMI和更长的ICU停留的历史可能有助于确定LRHF高风险的患者。TR的严重程度与一部分患者的LRHF显着相关
将人工智能应用于肝胰胆外科大数据：范围审查
结果：共纳入 98 项研究。大多数研究在中国或美国进行（n = 45）。肝脏手术是研究最常见的领域（n = 51）。近年来，对 HPB 手术 AI 的研究迅速增加，近三分之二的论文发表于 2019 年之后（61/98）。在这些研究中，有 11 项专注于使用“大数据”开发和应用 AI 模型。其中九项研究来自美国，几乎所有研究都集中在自然语言处理的应用上。我们确定了 AI 正在积极开发的几个关键概念领域，包括改进术前优化、图像引导和传感器融合辅助手术、手术计划和模拟、用于深度表型分析和预测的临床报告的自然语言处理以及基于图像的机器学习。
深部脑刺激自动轨迹规划的帕累托前沿与加权和
摘要。深部脑刺激 (DBS) 的术前路径规划是一个多目标优化问题，即在多个放置约束之间寻找最佳折衷点。它的自动化通常通过使用聚合方法将问题转变为单目标来解决。然而，尽管这种方法很直观，但它以无法找到所有最优解而闻名。在本文中，我们引入了一种基于多目标优势的 DBS 路径规划方法。我们将它与经典的多个约束的聚合加权和以及由神经外科医生对 14 个 DBS 病例进行的回顾性研究的手动规划进行了比较。结果表明，基于优势的方法优于手动规划，并且与传统的加权和方法相比，它涵盖了更多相关的最佳切入点选择，因为传统的加权和方法会丢弃外科医生可能喜欢的有趣解决方案。
对于JHRR的贡献，请致电电子邮件：editor@jhrlmc.com叙事评论糖尿病和手术现场感染风险：叙事评论
糖尿病患者中遗传和代谢因子的融合，包括感染和细胞和体液免疫防御机制的遗传易感性，可以扩大感染风险（25，26）。局部因素，例如血液供应不良和神经损伤，再加上与糖尿病有关的代谢改变，进一步提高了这种风险。术前血糖控制，特别是在7％以下的血红蛋白A1C（HBA1C）水平维持血红蛋白A1C（HBA1C）水平，与各种手术干预期间感染并发症的降低相关（27，28）。术后感染并发症的后果导致总体结果较差和医疗保健成本升高，尤其是糖尿病患者的感染风险增加和感染性结果的严重程度，尤其是在糖尿病患者中明显。高血糖在术后感染的发展中起着关键作用，旨在通过严格的血糖控制旨在降低术后发病率的策略已证明在糖尿病患者和非糖尿病患者中都有效（28-31）。
将二维脑图像重建为三维
引言：对受影响的特定解剖结构进行三维（3-D）重建可以帮助临床医生更好地可视化和利用来自三维成像方式（包括计算机断层扫描（CT）或磁共振成像（MRI）[1]）的体积事实。从临床图像中获取大脑解剖结构已被证实对术前计划和计算机辅助手术非常有用。从 CT 或 MRI 图像重建 3-D 模型的传统方法主要涉及图像处理和可视化技术，并且图像中已经存在三维数据。使用关于大脑形状和形状模型的一些预先记录从大脑图像进行三维建模已经成为一个研究感兴趣的话题[2]。根据用于重建的信息，可以从图像进行 3D 重建的方法可分为以下几种。
口腔颌面外科人工智能
口腔颌面外科 (OMFS) 是医学的一个专门分支，专注于涉及口腔、颌骨、面部和相关结构的外科手术，它将从 AI 集成中获益匪浅。在 AI 快速发展的推动下，OMFS 领域正处于变革时代的边缘。AI 在提高诊断精度、优化手术计划、改善患者治疗效果和减少并发症方面具有巨大潜力。随着机器学习和深度学习等 AI 技术的发展，它们越来越多地应用于 OMFS，包括图像分析、预测建模和机器人辅助手术等领域。此外，AI 还用于诊断、头颅测量、术前计划、术中测量、结果评估和术后随访等任务。本文探讨了 AI 在 OMFS 中的当前前景，重点介绍了其在这个充满活力且快速发展的领域的应用、优势、局限性和未来前景。(3)
新兴技术治疗成人脊柱畸形
成人脊柱畸形的结果继续改善，因为新技术变得临床实践。 机器学习，机器人引导的脊柱手术和患者特定的杆是用于改善术前计划和患者SAT ISFACTION的工具。 机器学习可用于预测并发症，重新入院和生成术后X光片，可以向患者展示，以指导有关手术的讨论。 机器人引导的脊柱手术是一个快速生长的场，显示手术过程中螺钉放置中AC策略更大的迹象。 特定于患者的杆可通过较高的校正率和降低的杆破裂率降低，同时减少操作时间，从而改善了预后。 本综述的目的是评估有关机器学习，机器人引导的脊柱手术和患者特异性杆的文献中的趋势，以治疗成人脊柱畸形。成人脊柱畸形的结果继续改善，因为新技术变得临床实践。机器学习，机器人引导的脊柱手术和患者特定的杆是用于改善术前计划和患者SAT ISFACTION的工具。机器学习可用于预测并发症，重新入院和生成术后X光片，可以向患者展示，以指导有关手术的讨论。机器人引导的脊柱手术是一个快速生长的场，显示手术过程中螺钉放置中AC策略更大的迹象。特定于患者的杆可通过较高的校正率和降低的杆破裂率降低，同时减少操作时间，从而改善了预后。本综述的目的是评估有关机器学习，机器人引导的脊柱手术和患者特异性杆的文献中的趋势，以治疗成人脊柱畸形。