XiaoMi-AI文件搜索系统
World File Search SystemPreoperative
术前HBA1C和糖尿病的血糖测量在口腔手术和植物治疗前的糖尿病
1塞梅尔威大学假体系，1088匈牙利2号布达佩斯，口腔外科手术和牙齿牙和正畸部，牙科和口腔健康系，格拉兹医科大学，Billrothgasse，Billrothgasse 4，8010 Graz，奥地利3010，奥地利3号，奥地利3次，ungodontics and Orthodontics，Semmeleleis Semmeleics，108 Enpercation，108 budestics，108 budestsick orlal budestsick orlal budestsick orlal budestsick orlal semme budests，或大学，1088年匈牙利的布达佩斯大学，丘陵和口腔外科系，塞梅尔韦斯大学，1088年，布达佩斯，匈牙利6号布达佩斯，匈牙利6牙科教职员工，研究生院，圣地亚哥大学7520355大学，chile 7520355，Chile 7，chile 7口腔和上颌面外科，塑料中心，塑料中心11德国美因兹，第8个研究生牙周病学部分，马德里大学牙科学院，28040马德里，西班牙9号，恢复性牙科和生物材料科学系，哈佛大学，波士顿哈佛大学，波士顿，马萨诸塞州马萨诸塞州02115，美国马萨诸塞州102115，美国10抗生素研究委员西班牙马德里11号基础健康科学系，雷伊·胡安·卡洛斯大学，28922西班牙，西班牙12口腔和上颌外科手术系，康涅狄格州康涅狄格大学卫生院牙科医学院，康涅狄格州法明顿大学，美国康涅狄格州康涅狄格大学，美国康涅狄格州大学，美国13号教育与研究中心，牙科植入术中心（CEPID）。巴西弗洛里亚诺波利斯（Florianopolis）14口腔临床研究中心，玛丽皇后大学和伦敦医学院和牙科学院，伦敦皇家牙科医院，伦敦E1 1FR *通信：vegh.daniel@semmelweis.hu;电话。： +36-208250319†这些作者对这项工作也同样贡献。
口服SMEDD促进绿素酸的淋巴运输和肠系膜淋巴结靶标，可有效T细胞抗肿瘤免疫
抽象背景sitravatinib是一种酪氨酸激酶抑制剂，靶向Tyro3，AXL，MERTK和VEGF受体家族，预计将增加M1至M2极度与肿瘤相关的巨噬细胞在肿瘤微环境中与抗杀菌抗体的抗衰变活性，并具有与抗抗抗体的抗抗抗体活性。Snow是一项旨在评估术前Sitravatinib和Nivolumab在口腔鳞状细胞癌患者中的免疫和分子作用的范围研究。方法患有新诊断的未经治疗的T2-4A，N0-2或T1> 1 cm-N2口腔癌的患者符合条件。所有患者从第1天到48小时接受了每天120毫克的Sitravatinib，并在第15天接受1剂Nivolumab 240毫克。计划在第23和30天之间进行手术。根据临床阶段给出了护理标准辅助放疗。肿瘤照片，新鲜的肿瘤活检和血液样本在基线时，仅在Sitravatinib之后的第15天以及Sitravatinib -Nivolumab组合后进行手术时收集。肿瘤流式细胞仪，多重免疫荧光染色和单细胞RNA测序（SCRNASEQ），以研究免疫细胞种群的变化。肿瘤全外活体测序和循环肿瘤DNA和无细胞DNA。结果包括十名患者。3级毒性发生在一名患者中（高血压）；一名患者需要降低坐骨剂量，一名患者需要因G2血小板减少症而导致的停用和手术延迟。九名患者有临床到病理的衰落，并有一项完全反应。独立的病理治疗反应（PTR）评估证实了完整的PTR和两个主要PTR。中位随访的中位随访21个月，所有患者都活着，没有复发。循环肿瘤DNA和无细胞DNA动力学与临床和病理反应相关，并在
3D虚拟现实和3D打印技术的整合是神经肿瘤学术前计划的创新方法
手术计划在准备任何神经肿瘤干预措施时似乎是基本支柱[1]。它不仅允许外科医生分析和研究患者的特定解剖结构，重要的神经血管结构以及病变的建筑及其关系，而且还提供了预测多种术中情景的可能性。所有这些知识可以帮助外科医生进入手术室。要尽可能安全地执行神经外科干预措施，除了具有坚实的神经解剖学知识外，研究每个患者的结构细微差别至关重要，因为它们可能与标准差异不同。在当前实践中，这主要是通过对术前成像研究进行深入分析来实现的[2]。但是，测试的结果通常以二维（2D）切片表示，外科医生的任务是研究这些图像并创建一个心理图像，其中该2D信息被转换为三维（3D）风景，一旦经过手术场就可以找到该图像。这不是一件容易的事，因为它需要大量的经验，包括分析常规2D图像和将“精神可视化”解剖结合与手术过程中看到的真实解剖结构[3]。如今，持续的技术进步提供了有价值的工具，可将3D解剖结构可视化，这些结构从患者成像术前测试中得出的2D切片[4]。，但这不仅限于创建患者解剖结构的3D重建，而且还将其整合到虚拟现实（VR）环境中[5，6]。通过在虚拟和/或增强现实（AR）可视化系统中实施这些3D对象，外科医生可以从外科手术的角度以更有效的方式研究不同结构之间的关系。这种沉浸式方法允许外科医生将患者的3D重建放在
预防手术部位感染指南 - 2024年2月...
A.Risk assessment: ......................................................................................................... 4 B. Preoperative Antiseptic Patient Showering: ........................................................... 4 C. Preoperative Hair Removal: ...................................................................................... 4 D. Patient Skin Preparation in the Operating Room (OR) (Surgical Site Preparation): ...................................................................................................................... 5 E. Preoperative Hand/Forearm Antisepsis (Surgical Hand Preparation): ................ 6 F. Management of Infected or Colonized Surgical Personnel: ................................. 10 G. Preoperative Surgical Parenteral Antimicrobial Prophylaxis (AMP): .................. 10 H.血糖控制：.................................................................................................................................................................................................................................................................................................................................................................................................................................................
人工智能 (AI) 辅助 CT/MRI 图像融合技术在骨盆骨肉瘤术前评估中的应用
由于骨盆骨肿瘤解剖结构复杂、骨形状不规则，手术难度较大。临床上常用CT和MRI进行肿瘤评估，各有优缺点。结合CT和MRI图像的数据，可充分发挥二者的优点，为术前评估提供更好的模型。我们利用人工智能辅助CT/MRI图像融合技术，建立了个性化的三维模型，用于术前肿瘤边缘评估。我们使用新型图像融合三维模型对一名患有骨盆骨肉瘤的年轻女性患者进行了评估，并与仅基于CT图像的三维模型进行了比较。融合图像模型显示了更详细的解剖信息，并发现了静脉内多个以前被忽视的栓子。栓子的发现意味着预后极差，不建议在肿瘤切除后进行任何复杂的重建。根据这例骨盆骨肉瘤的经验，我们认为我们的图像融合模型对骨肿瘤非常有帮助。虽然还需要大量临床病例进一步验证，但我们认为我们的模型有可能在骨肿瘤术前评估方面为临床带来益处。
MRI在婴儿早产早期 - 期与年龄脑白质损伤
静止状态（RS）fMRI已被证明可用于脑肿瘤和癫痫患者功能区域的术前映射。但是，缺乏标准化会限制其广泛使用，并阻碍多中心协作。美国功能神经放射学会，美国儿科神经放射学会以及美国神经放射学会功能和扩散学会MR成像研究小组建议特定的RS-FMRI获取方法和预处理方法，并将进一步支持RS-FMRI供RS-FMRI提供RS-FMRI。在多个机构的fMRI中具有专业知识的工作组提供了对成人和小儿脑肿瘤和癫痫患者的语言，运动和视觉区域所需的RS-FMRI步骤的建议。这些基于广泛的文献综述和专家共识。
胶质母细胞瘤、脑转移瘤和原发性中枢神经系统淋巴瘤术前鉴别的深度学习模型：一项初步研究
脑转移瘤 (BM)、胶质母细胞瘤和原发性中枢神经系统淋巴瘤 (PCNSL) 是成人中最常见的颅内肿瘤（分别为 17%、14.6% 和 1.9%）(1,2)。治疗方法和预后各不相同，准确的诊断对于指导治疗策略至关重要。目前的指南建议，对于 BM 和胶质母细胞瘤应进行最大限度的手术切除加放化疗治疗，对于 PCNSL 应进行甲氨蝶呤化疗加全脑放疗(3-6)。活检，尤其是立体定向活检，是诊断的金标准，但总体并发症发生率高达 13%(7)。此外，对于 BM 和胶质母细胞瘤患者，为了缓解症状而在术前使用类固醇可能会妨碍 PCNSL 的组织病理学诊断，导致更高的假阴性率(8)。常规磁共振成像 (MRI) 可协助术前诊断评估并指导治疗计划，但病变可能显示重叠的放射学特征。在 T1 加权钆增强 (T1Gd) 图像上，胶质母细胞瘤通常显示对比增强的周边边缘和类似于单发性 BM 的中央坏死，而 PCNSL 通常表现出均匀增强 ( 9 , 10 )。在非典型病例中，胶质母细胞瘤可能显示极少或没有坏死，而 PCNSL 可能显示模仿胶质母细胞瘤的中心坏死 ( 11 )。一些先进的 MRI 技术可以支持放射学评估，例如通过区分 PCNSL 的特征性脑血容量 (CBV) 减少和胶质母细胞瘤中经常报告的高 CBV ( 12 , 13 )。然而，可能会遇到罕见的富血管 PCNSL，即使使用先进的多参数成像，也会带来额外的诊断挑战。最后，先进的 MRI 协议需要更多的专业知识和费用，影响其全球适用性（14）。放射组学已被用于神经肿瘤学，通过分析纹理或手工制作的放射学特征进行诊断分类和预后预测（15）。然而，它需要冗长而细致的预处理步骤，如图像分割、手动特征选择和提取。最近，机器学习算法的引入显著提高了分类性能（16-18）：深度学习方法，特别是深度神经网络（DNN），可以通过直接从放射学序列中提取信息来自动执行多项计算机视觉任务（19、20）。
原创文章 无缝护理策略减少纤维支气管镜检查及外科手术患者术前焦虑及术后不良反应
摘要：目的：评价无缝隙护理模式在纤维支气管镜检查(FB)中的应用效果。方法：选取2017年6月1日至2019年5月31日我院呼吸科行FB检查的患者200例作为研究对象，随机分为无缝隙护理(SN)组100例和常规护理(RN)组100例。RN组给予常规护理，SN组在常规护理模式基础上融入无缝隙护理。对比2组患者焦虑自评量表(SAS)评分、血清炎性因子水平、术后不良反应、诺丁汉健康量表(NHP)评分及护理满意度。结果：根据SAS评分系统结果显示，2组患者入院时焦虑程度相似(P>0.05)；术前SN组焦虑水平显著低于入院时（P<0.001）及同期RN组（P<0.001）；SN组痰中带血、咳嗽、低氧血症、心律失常发生率显著低于RN组（P分别为0.027、0.009、0.037、0.030）。FB前RN组与SN组血清IL-6、IL-17、TNF-α、IL-10水平比较，差异均有统计学意义（P分别为0.006、0.320、0.410、0.025）。无缝隙护理后，SN组体力活动、疼痛、睡眠、情绪反应、精力等NHP评分与RN组比较，差异均有统计学意义（P<0.001）。 SN组患者满意度为91.0%，RN组患者满意度为71.0%，差异有统计学意义（P<0.001）。结论：全程无缝隙护理策略可降低FB术前焦虑水平，减少术后不良事件发生，提高FB术后生活质量和满意度，具有较高的实用价值和推广价值。
计算机断层扫描测量治疗前细胞外体积分数对腹部神经母细胞瘤原发病灶对术前化疗反应的影响
目的：回顾性研究治疗前计算机断层扫描（CT）测量的细胞外体积分数（ECV）对腹部神经母细胞瘤原发灶对术前化疗反应的影响。方法：回顾性纳入75例腹部神经母细胞瘤患者。治疗前在平扫和平衡期CT图像上确定原发灶和主动脉的感兴趣区域，并测量其平均CT值。根据患者血细胞比容和平均CT值计算ECV。检查ECV与原发灶体积减少之间的相关性。生成受试者工作特征曲线以评估ECV对原发灶非常好的部分反应的预测性能。结果：原发病灶体积缩小与 ECV 呈负相关（r = -0.351，p = 0.002），部分反应极好的原发病灶 ECV 较低（p < 0.001）。ECV 预测原发病灶部分反应极好的曲线下面积为 0.742（p < 0.001），95% 置信区间为 0.628 至 0.836。最佳截断值为 0.28，灵敏度和特异性分别为 62.07% 和 84.78%。结论：CT 图像上治疗前 ECV 的测量与腹部神经母细胞瘤原发病灶对术前化疗的反应具有显著相关性。
文章是胶质母细胞瘤，脑转移和原发性中枢神经系统淋巴瘤的术前分化的深度学习模型
摘要：（1）背景：胶质母细胞瘤，原发性中枢神经系统淋巴瘤（PCNSL）和孤立的脑转移（BM）的神经影像图是神经外科实践中的诊断性和性能挑战，是一种诊断和挑战，从而扩大了护理人员的负担，并扩大患者对额外的风险相关的侵害治疗和进一步的治疗方法和进一步的治疗方法。此外，现代诊断研究并未完全解决非典型情况和重叠功能。这项研究的目的是验证先前设计且内部验证的RESNET101深度学习模型，以区分胶质母细胞瘤，PCNSL和BMS。（2）方法：我们在术前T1GD-MRI扫描和组织病理学确认和术前招募了126例患者（N = 64; PCNSL：N = 27; BM：N = 35）。每个病变都进行了细分，并且所有感兴趣的区域均在DICOM数据集中导出。在先前的121例患者上实施的预先训练的RESNET101深神经网络模型在当前队列上进行了外部验证，以在T1GD-MRI扫描上区分胶质母细胞瘤，PCNSL和BMS。（3）结果：在区分PCNSL（AUC：0.73; 95％CI：0.62–0.85），胶质母细胞瘤（AUC：0.78; 95％CI：95％CI：0.71-0.87）和中度至低bms（AUC）（AUC：0.63）的能力（AUC：0.63）（AUC）（AUC：0.63）（AUC）（AUC：0.63）（AUC：0.63）（auc：95％）（auc：95％）（auc：95％），在区分PCNSL（AUC：0.73; 95％CI：0.62-0.85）方面具有最佳的块状性能性能，（3）结果。 通过回顾性评估所选患者队列的诊断报告评估，专家神经放射学家在常规加高级MR Imaging上的表现较高，BMS的准确性（89.69％）（89.69％）（89.69％）而不是PCNSL（82.90％）和Glioblas-Tomas（84.09％）（84.09％）。（3）结果。通过回顾性评估所选患者队列的诊断报告评估，专家神经放射学家在常规加高级MR Imaging上的表现较高，BMS的准确性（89.69％）（89.69％）（89.69％）而不是PCNSL（82.90％）和Glioblas-Tomas（84.09％）（84.09％）。（4）结论：我们研究了先前发表的深度学习模型是否可以推广到不同机构招募的外部人群 - 这种有效性证实了该模型的一致性，并为未来的脑肿瘤分类中的临床应用奠定了基础。这个基于人工智能的模型可能代表了有价值的教育资源，如果在很大程度上复制了预期数据，请帮助医生区分胶质母细胞瘤，PCNSL和孤立BMS，尤其是在资源有限的环境中。