这项研究旨在研究肝外胆管癌(ECCA)患者的肠道菌群组成,粪便代谢产物和术后预后之间的关系。包括53例可切除的ECCA患者和21名健康志愿者作为对照组。16S rRNA基因测序和代谢组学分析揭示了肠道微生物群落结构的显着差异,并且改变了ECCA患者与健康对照组之间的粪便代谢物。单变量和多变量COX回归分析表明,术前胆红素,间接胆红素和特定代谢物等因素与ECCA后手术后患者的总体存活密切相关。构造的nom图模型进一步证明了这些因素的预测值,达到了0.718的C索引,校准曲线证实了其强大的预测性能。总而言之,肠道菌群组成和粪便代谢产物在ECCA患者的手术预后中起着至关重要的作用,为临床预后评估提供了新的见解。
抽象的尖峰耦合耦合表征了在两个不同尺度上观察到的神经生理活性之间的关系:一方面,神经元产生的动作电位,另一方面是介绍性的“轨道”信号,反映了subthreshold活性。这提供了有关特定单元在网络动力学中的作用的见解。但是,基于多元数据评估神经回路的5个整体组织需要超越成对方法,并且在很大程度上没有解决。我们开发了广义相位锁定分析(GPLA),作为单变量尖峰耦合的多通道扩展。GPLA估计了场活性和神经合奏的主要时空分布以及它们之间的耦合强度。我们证明了在各种生物物理神经元网络模型和犹他州阵列记录中,这10种方法的统计益处和可解释性。特别是,我们表明GPLA与神经场建模相结合,有助于解开复发相互作用对在多渠道记录中观察到的时空动力学的贡献。
本研究的目的是量化年轻人中糖尿病前期的风险和相关风险因素。我们还试图评估所用风险评估工具的有效性和可靠性。还收集了空腹血糖以进一步评估风险。进行了一项横断面相关性研究。采用便利抽样,目标样本量为 374。在总共 14,483 名符合条件的参与者中,176 名(回复率 = 1.22%)就读于两所高等教育机构的 18-35 岁年轻人的数据收集时间为 2020 年 12 月 22 日至 2021 年 4 月 30 日。使用在线问卷,包括对 57 名参与者进行空腹血糖测试。分析使用 IBM® SPSS® Statistics Version 27。Kolmogorov–Smirnov 和 Shapiro–Wilk 检验、Mann–Whitney U 检验、Pearson 和 Spearman 相关性、Fisher 精确检验、单变量一般线性模型和受试者工作特征分析均用于分析数据。5.3% (n=3) 的参与者,他们
摘要:这项研究旨在确定免疫检查点抑制剂(ICI)治疗的炎症和营养生物标志物的预后价值(用于头颈头和颈部的复发或转移性鳞状细胞癌)(RMHNSCC)的预后价值(RMHNSCC),并确定预后评估的最大有用因素。我们回顾性地审查了接受ICI治疗的RMHNSCC患者的病历。检查了ICI治疗的反应率以及炎症和营养生物标志物与整体生存期之间的关系。随附的生物标志物与客观反应率无关,而与疾病控制率有关。单变量分析表明,血清白蛋白水平,C反应蛋白水平,血小板与淋巴细胞比率,嗜中性粒细胞与淋巴细胞比率,淋巴细胞与单核细胞比率(LMR),全身免疫输液Index和Control cultriention Corce-Visuival;多元分析表明,LMR与总生存期显着相关。LMR是最重要的生物标志物。这项研究表明,LMR可能是预测RMHNSCC ICI治疗预后的最有用的生物标志物。
方法 我们分析了 2000 年 1 月 1 日至 2019 年 5 月 31 日期间美国国家癌症研究所癌症治疗评估项目资助的研究者发起的实体瘤 I 期临床试验的患者水平数据。我们评估了 2000-05 年、2006-12 年和 2013-2019 年研究期间的治疗相关死亡风险(5 级毒性评级可能、很可能或肯定归因于治疗)、所有治疗期间死亡(无论归因如何,在方案治疗期间死亡)、3-4 级毒性以及总体缓解比例(完全缓解和部分缓解)和完全缓解率,并评估了它们随时间的趋势。我们还分析了癌症类型特异性和研究药物特异性反应,并分析了每种癌症类型的反应随时间的变化趋势。使用基于修改的泊松回归模型的风险比评估了总体反应率与患者基线特征(年龄、性别、体能状态、BMI、白蛋白浓度和血红蛋白浓度)、入组期、研究药物和试验设计的单变量关联。
在这项描述性回顾性研究中,我们旨在描述这些患者的严重程度和死亡率相关特征以及免疫调节药物对感染病程的影响。研究对象为 2020 年 2 月 25 日至 2020 年 6 月 8 日期间在拉巴斯大学医院风湿病科就诊的患有 COVID-19 感染和风湿性炎症疾病的患者。共纳入 122 名患者。其中 100 名(82.0%)通过鼻咽拭子确诊。22 名患者(18.0%)表现出相符的症状,且肺部影像学检查结果相符和/或血清学检查呈阳性。患者特征如表 1 所示。单因素分析显示,与住院相关的变量(表 2)包括年龄(5 年间隔;OR 1.34,95% CI 1.17-1.55)、泼尼松剂量 >5 mg/天(OR 2.55,95% CI 1.07-5.59)、慢性肺部疾病(OR 5.34,95% CI 1.47-19.35)和高血压(OR 4.06,95% CI 1.79-9.19)。住院的独立危险因素是甲氨蝶呤(OR 2.06,95% CI 1.01-5.29)和年龄(5 年间隔;OR 1.31,95% CI 1.11-1.48)。未发现与羟氯喹、其他常规抗风湿药物 (cDMARDs)、靶向合成抗风湿药物或生物抗风湿药物 (bDMARDs) 或实验室参数有任何关联。甲氨蝶呤治疗与年龄、性别、糖皮质激素或风湿病亚型无关。14 名患者 (11.5%) 死于呼吸衰竭。9 名患者使用 cDMARDs(单药或联合治疗),1 名使用 bDMARD(利妥昔单抗),4 名仅服用口服糖皮质激素。羟氯喹在死亡率方面没有差异。单变量分析显示,与死亡相关的因素包括年龄(OR 1.60,95% CI 1.20- 2.01)、动脉高血压(OR 12.17,95% CI 2.58-57.38)、肺部疾病(OR 5.36,95% CI 1.60-17.94)和泼尼松剂量>5 mg/天(OR 5.70,95% CI 1.63-19.92)。最近爆发的 COVID-19 引起了人们对炎症性风湿病患者管理的担忧。然而,一些报告表明,通常用于治疗风湿病的治疗方法可能对 COVID-19 有效。 4 在我们的系列研究中,与其他群体相比,因感染严重而需要住院的患者比例较高 (56.6%),这可能是由于合并症患病率较高,尤其是高血压,糖皮质激素的使用率较高或对更严重病例的潜在选择偏见。5 6
结果:总共包括1 808 584例患者。在派生队列中,3个现象群具有显着不同的死亡率。调整已知的协变量后,现象B与现象A相比,长期死亡率增加了20%(危险比,1.20 [95%CI,1.17-1.23]; P <0.0001; P <0.0001; phanogroup A死亡率,2.2%; femogroup B死亡率,6.1%)。在单变量分析中,我们发现现象B在所有队列中的死亡风险都明显更大(所有5个同类群中的对数秩P <0.01)。全球范围的关联研究表明,现象B的未来房颤率较高(优势比,2.89; p <0.00001),心室心动过速(优势比,2.00; p <0.00001),缺血性心脏病(优势比,1.44; p <0.00001; p <0.00001); cardiy1 <0.00001)<,cardibath 一项单特征基因组的关联研究产生了4个基因座。 SCN10A,SCN5A和CAV1在心脏传导和心律不齐中具有作用。 ARHGAP24没有明确的心脏作用,可能是一个新颖的目标。一项单特征基因组的关联研究产生了4个基因座。SCN10A,SCN5A和CAV1在心脏传导和心律不齐中具有作用。ARHGAP24没有明确的心脏作用,可能是一个新颖的目标。
目的:疫苗犹豫一直是民众长期存在的复杂公共卫生态度。尽管 COVID-19 疫苗具有众多好处,但 COVID-19 疫苗犹豫仍然是一个主要问题。虽然疫苗犹豫的重要性得到广泛认可,但人们对巴门达的疫苗犹豫知之甚少。因此,我们试图研究个人接受 COVID-19 疫苗的意愿,以了解和解决社区特定的担忧和误解。研究方法:这是一项以社区为基础的横断面研究,于 2021 年 4 月至 5 月在喀麦隆巴门达进行。向同意的参与者发放了纸质、预先测试的开放式问卷。使用 SPSS 23 版分析数据。结果:共有 2,531 名男女参与者参与了这项研究,平均年龄为 23.63±7.52 岁。疫苗犹豫率为 97.6%(2,161)。疫苗犹豫的主要原因是安全问题(72.3% (1,786))。单变量分析显示,年龄组、城镇、婚姻状况、月收入和宗教之间存在显著差异。多变量模型确定
结果:共纳入 68 例 GCLM 患者,其中观察组 21 例,对照组 47 例。两组患者的基线特征均衡。与对照组相比,MiniPDX 药物敏感性测试与靶向药物使用增加相关(33.3 vs. 0%,p=0.032)。观察组和对照组的中位 OS 估计分别为 9.4(95% CI,7.9 – 11.2)个月和 7.9(95% CI,7.2 – 8.7)个月。单变量(对照组 vs. MiniPDX 组:HR=2.586,95% CI= 1.362 – 4.908,p=0.004)和多变量回归分析(对照组 vs. MiniPDX 组:调整后的 HR (aHR)=4.288,95% CI= 1.452 – 12.671,p=0.008)均显示观察组在 OS 方面具有优势。同样,基于 MiniPDX 的方案显着改善了这些病例的 PFS(中位 PFS 6.7 个月 vs. 4.2 个月,aHR=2.773,95% CI=1.532 – 3.983,p=0.029)。ORR 和 DCR
摘要 — 近几十年来,非侵入性神经成像技术取得了重大进展,越来越多地用于研究人类大脑发育。然而,这些改进并不一定伴随着更复杂的数据分析方法,这些方法能够解释功能性大脑发育的潜在机制。例如,从单变量(大脑中的单个区域)到多变量(大脑中的多个区域)分析范式的转变具有重要意义,因为它允许研究不同大脑区域之间的相互作用。然而,尽管多变量分析有可能揭示发育中的大脑区域之间的相互作用,但应用的人工智能 (AI) 技术使得分析无法解释。本文的目的是了解当前最先进的人工智能技术对功能性大脑发育的指导程度。此外,还回顾了哪些人工智能技术更有可能根据发育认知神经科学 (DCN) 框架定义的大脑发育过程来解释它们的学习。这项研究还提出,可解释的人工智能(XAI)可以提供可行的方法来研究 DCN 框架所假设的功能性大脑发育。
