XiaoMi-AI文件搜索系统
World File Search SystemRetrospective
体育场馆补贴的经济学：政策回顾
2 尽管“体育场”和“竞技场”这两个术语通常用作所有体育场馆的通用术语，但在数据呈现中，我们通过将举办棒球和足球比赛的大型户外场馆称为“体育场”，将举办篮球和曲棍球比赛的小型封闭场馆称为“竞技场”来区分场馆类型。有关场馆名称和成本的讨论，请参阅附录 A，这些讨论主要来自 Long (2013)。定义时代是一项主观工作，我们名称边缘的场馆可以适当地归类为相邻时代的一部分。例如，20 世纪 50 年代的场馆可以被视为第二次建设浪潮的开始，但我们将它们归类为更早时代的一部分，因为它们的成本和基本设计与之前的设施更相似，而不是随后的宏伟超级体育场。
基于机器学习的方法来预测成人和儿童创伤性脑损伤的预后和住院时间：回顾性 C
背景：成人和儿童创伤性脑损伤 (TBI) 的治疗和护理是一个棘手的全球健康问题。预测 TBI 患者的预后和住院时间可能会改善治疗效果并显著减轻社会医疗负担。将新型机器学习方法应用于 TBI 领域可能对确定临床治疗的预后和成本效益很有价值。目的：我们旨在结合多种机器学习方法来构建混合模型，用于预测成人和儿童 TBI 的预后和住院时间。方法：我们收集了 2017 年 5 月至 2022 年 5 月期间在安徽医科大学第二附属医院神经外科中心接受治疗的患者的相关临床信息，其中 80% 用于训练模型，20% 用于通过筛选和数据拆分进行测试。我们使用 5 次交叉验证来训练和测试机器学习模型，以避免过度拟合。在机器学习模型中，11种类型的独立变量被用作输入变量，用于评估患者预后的格拉斯哥预后量表评分和患者住院时间被用作输出变量。模型训练完成后，我们通过5轮交叉验证获得并比较每个机器学习模型的误差，以选出最佳预测模型。然后使用2021年6月至2022年2月在安徽医科大学第一附属医院接受治疗的患者的临床数据对模型进行外部测试。结果：最终的卷积神经网络-支持向量机（CNN-SVM）模型在测试集和外部验证集中预测格拉斯哥预后量表评分的准确率分别为93%和93.69%，曲线下面积在测试集和外部验证集中分别为94.68%和94.32%。最终构建的卷积神经网络-支持向量回归（CNN-SVR）模型在测试集和外部验证集中预测住院时间的平均绝对百分比误差分别为10.72%和10.44%。判定系数（R 2 ）在测试集和外部验证集中分别为0.93和0.92。与单独建立的反向传播神经网络、CNN和SVM模型相比，我们的混合模型被判定为最优且具有较高的置信度。结论：本研究证明了通过结合多种机器学习方法构建的2个混合模型的临床实用性，可准确预测成人和儿童TBI的预后和住院时间。这些模型的应用可以减轻医生评估TBI时的负担，并协助临床医生进行医疗决策。
乳腺癌患者蒽环类药物引起的心脏毒性：10 个中心的 5 年回顾性研究
圣路易斯。菲律宾奎松城圣卢克医疗中心菲律宾奎松市卢克医疗中心医学院、威廉 H. 夸沙纪念医院 c 圣卢克医疗中心。菲律宾博尼法西奥环球城圣卢克医疗中心-GC f 菲律宾奎松城东拉蒙马格塞塞大学纪念医疗中心 h 菲律宾马尼拉菲律宾总医院和菲律宾马尼拉圣托马斯大学 (UST) 医院 j 菲律宾宿务宿务市永久救助医院 k 菲律宾莱特岛塔克洛班市 Dona Remedios Trinidad Romualdez 医院 l 菲律宾宿务宿务市 Vicente Sotto 纪念医疗中心 m 通讯作者：菲律宾奎松市圣卢克医学中心医学院、威廉 H. 夸沙纪念医院。电子邮件：gerodias.fr.f@slmc-cm.edu.ph
图像引导的脑外科手术（神经导航）在尼泊尔Annapurna神经学研究所和盟军科学：关于神经导航的角色和有效性的回顾性研究
近年来，由于图像引导的交互式系统的发展，神经外科的发展良好。引入神经运动系统是提高神经外科质量的巨大飞跃。旨在调查导航系统在颅骨手术中的作用，借助Easy Nav Navigation System执行的案例，首次通过游戏硬件和软件进行了审查。材料和方法：在2017年至2021年期间进行了导航指导进行的500次颅手术，并研究了手术结果，有效性。在所有情况下，有71％为脑肿瘤，4％的血管异常，15％垂体肿瘤和剩余的颅内出血和囊肿。结果：研究得出结论，EasyNav导航可以有效地定位病变，减少暴露区域，降低对正常脑组织的伤害以及整体手术时间减少。导航在各种手术中被证明是有效的，无论位点，大小，一致性和血管性如何。然而，在俯卧位的手术中，特别是在后窝中进行的几个手术中可以看出微小的目标指示。结论：简单的NAV神经导航系统被证明是一种负担得起的，简单，直接的基于光学跟踪的导航系统，而其他导航系统对于尼泊尔等发展中国家来说太昂贵了。导航系统已帮助外科医生在困难的部位和深脑结构中找到病变。微切裂术，完整的切除，通过导航的指导更好地定位病变，有助于提高颅骨手术的整体结果。
Abemaciclib 诱发激素受体阳性、HER2 阴性转移性乳腺癌肝损伤的风险：一项回顾性分析
摘要。背景/目的：内分泌治疗联合阿贝西尼治疗激素受体阳性、HER2 阴性转移性乳腺癌的疗效已通过关键临床试验得到证实。然而，阿贝西尼引起的肝损伤 (AILI) 可能是减少剂量或停药的原因。因此，了解 AILI 的危险因素至关重要。患者和方法：这项回顾性研究分析了 2018 年 12 月至 2021 年 10 月期间在我院接受阿贝西尼联合内分泌治疗作为转移性乳腺癌一线或二线治疗的患者的数据。从他们的医疗记录中提取相关数据。进行逻辑回归分析以确定与 AILI 相关的特征。结果：在 52 名符合条件的患者中，12 名 (23%) 接受了芳香化酶抑制剂 (AI)，40 名 (77%) 接受了氟维司群和阿贝西尼的联合治疗。15 名 (29%) 患者在开始使用阿贝西尼后出现肝损伤。单变量分析显示 AILI 的危险因素如下：年龄≥65 岁（p=0.047）、脂肪肝（p=0.047）和同时使用 AI（p=0.002）。多变量分析显示同时使用 AI 是 AILI 的独立危险因素[比值比 (OR)=10.23，95% 置信区间 (CI)=2.02-51.91，p=0.005]。结论：同时使用 AI 可能是与 AILI 风险增加相关的最重要因素。未来将通过以下方式研究 AILI 的机制
克唑替尼治疗晚期非小细胞肺癌中 MET 外显子 14 突变或 MET 扩增：一项回顾性、单一机构经验
摘要引言：非小细胞肺癌（NSCLC）占肺癌的大多数，并且是美国癌症相关死亡的主要原因。酪氨酸激酶受体c-MET的改变与许多NSCLC进展和转移有关。克唑替尼和其他酪氨酸激酶抑制剂（TKI）已用于NSCLC治疗，但效果有限。方法：在这项回顾性观察研究中，我们分析了2015年1月至2020年1月期间在索罗卡大学医学中心确诊为肺癌患者的数据。我们调查了患者的特征，包括疾病相关突变类型和对不同TKI治疗的反应的中位生存期。结果：共纳入780例肺癌患者，其中134例患有小细胞肺癌，646例患有NSCLC。在 NSCLC 患者中，403 人被诊断为晚期或转移性疾病，374 人接受了分子检测。我们确定了 16 名患者患有
使用语音生物标记物对成年远程医疗呼叫者的自杀风险进行分类：回顾性观察研究
背景：人工智能有可能革新目前用于检测自杀迫在眉睫的风险的做法，并解决传统评估方法的缺陷。目标：在本文中，我们试图根据澳大利亚 2 家远程医疗咨询服务机构拨打的大量（n=281）电话，将短片段（40 毫秒）的语音根据自杀低风险和迫在眉睫的风险自动分类。方法：本研究纳入了来自澳大利亚 On The Line（n=266，94.7%）和堪培拉 000 紧急服务（n=15，5.3%）的共 281 条帮助热线电话录音。当呼叫者确认意图、计划和手段的可用性时，对迫在眉睫的自杀风险进行编码；风险级别由响应咨询师评估，并由临床研究团队使用哥伦比亚自杀严重程度评定量表（=5/6）重新评估。低自杀风险在没有意图、计划和手段的情况下通过哥伦比亚自杀严重程度量表评分（=1/2）进行编码。预处理包括语音信号的标准化和预强调，而语音生物特征则使用统计语言 r 提取。使用套索回归确定候选预测因子。使用带有样条函数以解释非线性的广义加性混合效应模型将每种语音生物标记物评估为自杀风险的预测因子。最后，使用逐个分量的梯度增强模型根据预编码的自杀风险评级对每通通话记录进行分类。结果：总共将 77 个迫在眉睫的风险呼叫与 204 个低风险呼叫进行了比较。此外，从每个语音帧中提取了 36 个语音生物标记物。呼叫者性别是一个显着的调节因素（β =–.84，95% CI –0.85，-0.84；t =6.59，P <.001）。候选生物标记物减少到 11 个主要标记物，并为男性和女性开发了不同的模型。使用留一交叉验证，确保没有一个呼叫者的语音帧同时出现在训练和测试数据集中，精度或召回曲线下面积达到 0.985（95% CI 0.97, 1.0）。gamboost 分类模型正确分类了 469,332/470,032（99.85%）个语音帧。结论：本研究展示了在生态有效环境中对即将发生的自杀风险进行客观、有效和经济的评估，并可能应用于实时评估和响应。试验注册：澳大利亚新西兰临床试验注册中心 ACTRN12622000486729；https://www.anzctr.org.au/ACTRN12622000486729.aspx
癌症住院患者抗肿瘤药物诱发严重不良事件的风险因素模型：基于全球触发指标的回顾性研究
本研究旨在应用机器学习方法评估与严重不良事件 (SAE) 相关的危险因素并预测使用抗肿瘤药物的癌症住院患者 SAE 的发生。回顾性审查了 2017 年 1 月 1 日至 12 月 31 日期间入院的 499 名确诊为癌症的患者的病历。首先，使用全局触发工具 (GTT) 主动监测抗肿瘤药物引起的药物不良事件 (ADE) 和 SAE，并将阳性触发因素的数量作为中间变量。随后，通过单变量分析和最小绝对收缩和选择算子 (LASSO) 分析选出具有统计学意义的危险因素。最后，以LASSO分析后的危险因素作为协变量，采用基于逻辑模型、极端梯度提升（XGBoost）、分类提升（CatBoost）、自适应提升（AdaBoost）、轻梯度提升机（LightGBM）、随机森林（RF）、梯度提升决策树（GBDT）、决策树（DT）和基于七种算法的集成模型的列线图建立预测模型，并使用ROC曲线下面积（AUROC）、PR曲线下面积（AUPR）等一系列指标评估模型性能。在我们的样本中共识别出94名SAE患者，SAE的危险因素包括诱发因素数量、住院时间、年龄、联合用药数、既往化疗中发生的ADE以及性别。在测试队列中，基于逻辑模型的列线图的AUROC为0.799，AUPR为0.527。在八种机器学习模型中，GBDT 的预测能力最好（AUROC = 0.832 和 AUPR = 0.557），优于列线图，因此被选为建立预测网页。本研究提供了一种准确预测癌症住院患者 SAE 发生率的新方法。
41匹马自体癌疫苗的现场安全经验：回顾性研究（2019-2021）
自体癌疫苗（ACV）是兽药辅助治疗的新兴选择。使用这种主动免疫疗法形式，将患者的肿瘤细胞离体处理，并返回给患者，目的是刺激对独特的，特定于患者的抗癌的免疫反应。查询Torigen的病例登录数据库，以识别对其原发性肿瘤进行活检或手术切除的马匹，并至少接受一份皮下剂量的辅助全细胞自体癌疫苗。随后对记录进行了任何报告的不良事件（AE）的审查。四十一匹马符合纳入标准，并接受了252剂Torigen的ACV（ACV-T）。在四匹马中报告了七个AE，这与ACV-T的管理剂量的1.6％有关。在据报道的AE中，所有这些都被认为是温和的。ACV-T似乎受到马的耐受性，并且对于那些担心可能与其他类型的辅助癌症治疗的AE的所有者相关的治疗选择可能是一种治疗选择。有必要进行其他研究来评估该ACV在实体瘤的马中的效果。©2022作者。由Elsevier Inc.出版这是CC下的开放式访问文章（http://creativecommons.org/licenses/4.0/）
使用临床前效率和身体表面积的转化预测肿瘤学上近似临床有效剂量：回顾性分析
使用已发表的临床前数据评估了人类肿瘤 - Xenograpt小鼠模型中有效剂量的相关性与批准肿瘤学剂的人类临床剂量之间的相关性。对于90个批准的小分子抗癌药物，身体表面积（BSA）校正的小鼠有效剂量有力地预测了人类临床剂量范围，其中85.6％的预测占建议的临床剂量的3倍（3倍），而在2××内的预测范围为63.3％。这些结果表明，BSA转化是一种有用的工具，用于从早期发现阶段从小鼠异种移植模型中估算小分子肿瘤剂的人剂量。然而，基于BSA的剂量转化率很差预测静脉内抗体和抗体药物结合抗癌药物。基于抗体的药物，预测剂量的30（16.7％）中的五个（16.7％）在推荐的临床剂量的3倍以内。基于体重的剂量投影是适度预测的，其中66.7％的药物在推荐的临床剂量的3倍以内预测。在ADC中，相关性稍好一些（3倍为77.7％）。在早期发现阶段和临床试验的设计中，此类简单剂量估计方法的应用和局限性在此回顾性分析中也进行了讨论。