摘要。Anwar A,Zainuddin,Djawad Mi,AslamyahS.2023。使用混合微生物提高其营养质量的雨树(萨曼萨曼)粉粉的发酵。生物多样性24:5863-5872。雨树(萨曼萨曼)种子粉是蛋白质的来源;然而,由于存在抗营养剂,例如单宁蛋白作为蛋白质抑制剂,高粗纤维含量,溶解的蛋白质以及干燥和有机物的消化率低。使用混合微生物发酵可能会增强雨树粉的营养价值。这项研究旨在提高营养质量,并在体外使用混合微生物在体外使用混合微生物来减少雨树粉中的抗营养因素。这项研究中使用的微生物包括芽孢杆菌,酿酒酵母和根茎sp。这项研究是使用完全随机设计的阶乘设计的,即使用两个因素,即3剂混合微生物(0、1.5、3和4.5 ml/100 g雨树籽粉)和3个不同的孵育时间(42、72和96小时)。微生物剂量和孵育时间之间存在显着相互作用。The treatment of 4.5 mL of mixed microbes/100 g rain tree seed meal and a 72 hours incubation time reduced substantially crude fiber content (59.60%) and crude fat (73.20%), coupled with an increase in crude protein content (11.62%), NFE (6.52%), dry matter digestibility (DMD) (36.78%), organic matter digestibility (OMD) (50.42%)和溶解的蛋白质含量(20.27%)。单宁含量在处理4.5 ml混合微生物/100g雨树粉时显着降低(37.72%),孵育时间为96小时。这些发现表明,经受发酵72小时或更长时间的雨树粉可改善营养质量,DMD和OMD。
简介:SARS-CoV-2 感染的早期临床病程可能难以与入院时的其他未分化医疗表现区分开来,然而病毒特异性实时聚合酶链反应 (RT-PCR) 检测的敏感性有限,并且由于操作原因可能需要长达 48 小时。在本研究中,我们开发了两种早期检测模型来识别 COVID-19,使用在 115,394 例急诊就诊和 72,310 例入院病例中通常在一小时内可获得的常规收集数据 (实验室测试、血气和生命体征)。我们的急诊科 (ED) 模型对所有入院患者实现了 77.4% 的敏感性和 95.7% 的特异性 (AUROC 0.939),入院模型对入院子集实现了 77.4% 的敏感性和 94.8% 的特异性 (AUROC 0.940)。两种模型在各种患病率 (<5%) 中均实现了高阴性预测值 (>99%),有助于在分诊期间快速排除以指导感染控制。我们在两周的测试期内对所有就诊并入住英国大型教学医院集团的患者进行了前瞻性验证我们的模型,与 RT-PCR 结果相比,准确率分别为 92.3%(n=3,326,NPV:97.6%,AUROC:0.881)和 92.5%(n=1,715,NPV:97.7%,AUROC:0.871)。敏感性分析考虑了 PCR 阴性结果的不确定性,提高了表观准确率(95.1% 和 94.1%)和 NPV(99.0% 和 98.5%)。我们的人工智能模型可有效用作急诊科和医院入院部的 COVID-19 筛查测试,在无法快速检测的环境中发挥重要作用。摘要:背景:快速识别 COVID-19 对于迅速提供护理和保持感染控制非常重要。SARS-CoV- 2 感染的早期临床病程可能难以与医院中其他未分化的医疗表现区分开来,但是由于操作原因,SARS-CoV-2 PCR 检测可能需要长达 48 小时。使用常规收集的临床数据进行训练的人工智能 (AI) 方法可以在出现症状的第一个小时内进行 COVID-19 的门诊筛查。方法:从英国一家大型教学医院集团的急诊和急诊科的 170,510 次连续就诊中提取了人口统计学、常规和先前临床数据。我们应用多元逻辑回归、随机森林和极端梯度增强树来区分因 COVID-19 而导致的急诊科 (ED) 表现和入院情况与大流行前的对照。我们逐步添加临床特征集并使用分层 10 倍交叉验证评估性能。在训练过程中对模型进行了校准,以达到识别 COVID-19 患者的 70%、80% 和 90% 的灵敏度。为了模拟疫情不同阶段的真实表现,我们生成了具有不同 COVID-19 患病率的测试集并评估了预测值。我们对 2020 年 4 月 20 日至 5 月 6 日期间就诊或入院的所有患者进行了前瞻性模型验证,并将模型预测与 PCR 检测结果进行了比较。结果:115,394 例急诊就诊和 72,310 例入院的实验室血液检测、床旁血气和生命体征测量结果均符合预期。