XiaoMi-AI文件搜索系统
World File Search SystemTuberculosis
使用 CNN 模型进行结核病检测的比较 (...
摘要：结核分枝杆菌引起的细菌感染导致结核病是一种流行的传染病。这种细菌通常以主要呼吸器官为目标，特别是肺部。结核病对全球健康构成了重大挑战，需要及早发现才能有效治疗。在这种情况下，为了方便医护人员及早发现患者，需要一种能够准确识别肺部疾病的技术。因此，将采用 CNN（卷积神经网络）作为检测肺部图像的算法。该研究将利用卷积神经网络模型，即 AlexNet 和 ResNet。该研究旨在通过分析胸部 X 光片图像来比较这两个模型在检测结核病方面的表现。数据集包括正常患者和结核病患者的 X 光片，共计 4.200 个数据点。训练过程包括将数据分为训练集和验证集，其中 80% 用于训练，20% 用于验证。评估结果表明，AlexNet 模型的检测准确率更高，在验证数据上达到 88.33%，而 ResNet 达到 83.10%。这些发现表明，使用 CNN 模型，尤其是 AlexNet，可以成为通过解读胸部 X 光片图像来增强早期结核病检测的有效方法，对改善全球结核病管理和预防工作具有潜在意义。关键词：AlexNet；ResNet；CNN；早期检测；结核病
抗结核病的新型候选疫苗
结核病 (TB) 是世界第九大死亡原因，因为诊断较晚、缺乏治疗机会以及相关感染（例如 HIV），尽管人们在预防和治疗该疾病方面做出了巨大努力。2016 年，全球有 1040 万人感染结核病，估计有 130 万人死于结核病，其中 90% 以上的病例发生在发展中国家 [1, 2]。据世界卫生组织统计，2017 年该疾病导致 160 万人死亡。此外，据报道，近 20 亿人接触过结核杆菌，有发展为活动性疾病的风险 [3]。免疫系统因艾滋病、营养不良或糖尿病等疾病而受损的人以及长期吸烟者更容易感染结核病。尽管传统的抗生素疗法是有效的，但结核病仍然是治疗的关键。
肺部以外：一例累及多系统的播散性结核病病例报告
结核病 (TB) 是由结核分枝杆菌复合群的抗酸杆菌引起的传染病。肺结核是最常见的表现，由原发性感染或潜伏性疾病复发引起。在极少数情况下，结核分枝杆菌会广泛播散，通常通过血源性或淋巴途径传播，导致多器官受累并可能危及生命，称为播散性结核病。我们介绍了一名 55 岁男性的病例，他到急诊室 (ED) 就诊，主诉炎症性多关节痛和肌痛，在过去四个月内病情逐渐恶化。其他症状包括疲劳、咳嗽伴有脓性痰，以及过去一个月内体重减轻。患者的既往病史包括肺矽肺和吸烟。体格检查显示，他面容憔悴，发烧（38.4 ºC），胸部检查正常，没有关节炎的迹象。血液检查显示贫血、白细胞减少、轻度肝细胞溶解和急性期反应物升高。尿沉渣显示轻度血尿，伴有红细胞管型。胸腹盆腔计算机断层扫描显示弥漫性毛玻璃样支气管血管周围致密化、左侧胸腔积液、均质性肝脾肿大以及多发性纵隔、腹膜后、门静脉周围、髂骨和腹股沟淋巴结肿大。入院后，痰液和尿液中的结核分枝杆菌 DNA 聚合酶链反应 (PCR) 呈阳性。诊断为播散性结核病，伴有肺和肾受累，并开始使用异烟肼、利福平、吡嗪酰胺和乙胺丁醇进行抗结核治疗。此外，收集了 24 小时尿液，发现蛋白尿为 1,566 毫克/24 小时。超声引导下经皮肾活检显示为免疫复合物沉积引起的系膜增生性肾小球肾炎。多关节痛持续存在，并伴有新发关节炎，因此进行了关节穿刺术。结核分枝杆菌学和结核分枝杆菌 DNA PCR 检测均为阴性。在病房中，患者突然出现呼吸困难和下肢水肿，并检测到颈静脉扩张和低血压。即时心脏超声显示大量心包积液，无心包填塞。超声引导下进行了心包穿刺术。心包液的结核分枝杆菌学和结核分枝杆菌 DNA PCR 检测均为阴性。入院六周后，痰液 Lowenstein-Jensen 培养中发现结核分枝杆菌。患者住院 145 天后出院，有迹象表明需要继续抗结核治疗至少 12 个月，治疗延长时间取决于临床进展。出院 12 个月后，患者无症状，分析和影像学检查均有改善；因此，停止抗结核治疗。播散性或粟粒性结核病是一种罕见疾病，由于临床表现不具特异性，对每位临床医生的诊断都具有挑战性。如果最初没有怀疑结核病，多器官受累可能会影响诊断检查。临床医生应注意异质性疾病进展，因为最初发现器官受累并不排除疾病进一步播散的可能性。应迅速诊断，以便尽早开始抗结核治疗并预防可能危及生命的情况。
优化结核病治疗预测
结核分枝杆菌会引起影响肺部和肝脏的病毒感染。结核病 (TB) 是发展中国家的一个重大公共卫生问题，在这些国家，结核病通常与贫困、恶劣的生活条件和有限的医疗服务有关。根据世界卫生组织 (2023) 的数据，结核病继续对全球公共卫生构成重大风险，每年有数百万人受到影响，2020 年约有 150 万人死亡。医疗保健提供者在应对结核病方面经常遇到重大挑战，导致治疗结果不确定。这项研究介绍了一种使用复杂的机器学习技术增强结核病治疗的新方法，特别强调在马来西亚槟城州应用 XGBoost 和各种预测模型，根据临床数据预测个体治疗结果。这些模型是使用 2017 年槟城数据进行训练的。比较预测准确度有助于确定最佳方法。临床数据是匿名化的并进行分析。使用 2017 年数据，决策树准确率为 63.7%。逻辑回归的准确率为 63.3%，而 XGBoost 的准确率为 66.3%。超参数调整的 XGBoost 表现最佳，为 68.1%。比较观察结果和预期结果可确定准确度。使用监督学习可以准确预测结核病结果。校准的集成模型（如 XGBoost）可以做出可靠的预测。其他临床特征可能会改善预测。主要目标是开发一种可靠的、经过临床验证的工具，以增强结核病治疗，同时优化不同医疗环境中的资源效率。关键词：分类；超参数；逻辑回归；预测；随机森林；结核病
Koji发酵食品 SPSN出版物的完整列表，2004-2024 结核病附录B：预防感染和控制 第3部分 - 过敏反应的管理
OVERVIEW ..................................................................................................................................... 2 GENERAL PRINCIPLES .................................................................................................................... 2 AIRBORNE PRECAUTIONS ............................................................................................................. 3 HOME ISOLATION ......................................................................................................................... 5 DISCHARGE OF PERSONS WITH INFECTIOUS TB FROM ACUTE CARE ........................................... 6 NON-ADHERENCE WITH AIRBORNE PRECAUTIONS AND HOME ISOLATION ............................... 8 DISCONTINUATION OF AIRBORNE PRECAUTIONS AND HOME ISOLATION.................................. 9
与抗药性扩大的结核病临床管理的最佳实践
出于本野外指南的目的，我们将“扩展的耐药性”定义为结核分枝杆菌的菌株，对利福平抗性，至少另一种以下药物：bedaquiline，bedaquiline，linezolid，clofazimine，delamanid和/或pitimanid。此定义包括XDR-TB，即具有对利福平，氟喹诺酮类和至少一个或多个A组的TB。然而，它还包含其他抗性模式，例如，TB具有对利福平和贝达奎林的抗性以及对氟喹诺酮类的敏感性。世界卫生组织（WHO）将结核分枝杆菌的菌株抗抗利福平和氟喹诺酮抗性和氟喹诺酮的抗性被定义为“耐药前耐药（前XDR）”结核病（WHO），如果在本指南中也将在本指南中考虑对上述药物的其他耐药性。但是，由于WHO提供了有关XDR-TB的管理指南，因此我们不会在本指南中关注这些菌株。
预防结核病和处理医护人员结核病暴露 作者：Hilary Winch 作者头衔：工作场所健康主管
如果他们在发生这种情况之前确实出行，则违反了 WHWB 对该组织的建议。如果他们的胸部 X 光检查报告表明需要进一步检查的区域，WHWB 将建议他们不被批准进行面向患者的活动，并且工作人员将被要求通过初级保健提供者寻求医疗干预，并向 WHWB 提交必要的报告，以表明已进行适当的调查和治疗。在满足这些要求之前，WHWB 将不会进一步处理此案，并且在满足这些要求之前，WHWB 不会负责任何主动监控、跟进或支持。工作人员有责任在预安置过程恢复之前向 WHWB 提供此信息，并且假设未发现其他问题，则将获得面向患者的活动的许可。
糖尿病-结核病共病的特征是 II 型干扰素减少和 Th17 反应升高
。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2024 年 10 月 28 日发布了此版本。；https://doi.org/10.1101/2024.10.24.619799 doi：bioRxiv 预印本
文本到owl：使用生成ai
摘要。本文提出了一种建立本体论的方法，以改善结核病的治疗建议（TB），特别是使用GPT-3等生成语言模型，尤其是在Burkina Faso中抗多药的结核病（MDR-TB）病例。目的是根据患者的概况和耐药性来促进治疗的个性化。探索了两种方法：一种基于Davinci GPT-3模型的自动化方法，该方法使用文本提取和自然语言处理（NLP）技术从自然语言句子中产生猫头鹰公理，并采用半自动化方法。自动化方法通过数据集进行了微调，该数据集由有关结核管理的技术指南组成。自动化方法创建了一个本体，由158个类，55个对象属性和57个数据支持组成，从效率和准确性方面优于半自动化方法。使用Protégé验证了所产生的公理，并将其集成到形式的知识库中。这项研究表明，诸如GPT-3之类的语言模型的使用可以有效地自动化本体论的生成，减少人类干预。这种方法特别适合管理复杂的MDR-TB病例的管理，并为治疗建议的标准化铺平了道路，同时还可以适应本地特异性。