XiaoMi-AI文件搜索系统
World File Search Systemblocker
血管紧张素转化酶抑制剂与血管紧张素受体阻滞剂对高血压性心肌梗死患者的临床结局的影响
与其他类别的抗高血压药物相比，高血压患者的血管紧张素受体阻滞剂（ARB）可能会增加高血压患者的肌肉梗塞（MI）。血管紧张素转化酶抑制剂（ACEI）被建议作为急性MI（AMI）患者的肾素 - 血管紧张素系统（RASI）的第一线抑制作用，但ARB也通常用于控制血压。这项研究调查了ARB与ACEI与高血压患者的长期临床结局的关联。在本研究中选择了最初攻击并以疾病为单位服用ARB或ACEI的韩国全国AMI数据库的患者Kamir-NIH，4,827名高血压患者。ARB疗法与整个队列中的2年重大不良心脏事件，心脏死亡，全因死亡，MI MI的发病率更高。在倾向得分匹配后，ARB治疗仍然与2年心脏死亡的发病率更高（危险比[HR]，1.60; 95％置信区间[CI]，1.20-2.14; P = 0.001），全因死亡（HR，1.81; 95％CI，1.44-2.28; p <0.28; p <0.001; p <0.001）; 1.25–2.46; p = 0.001）。得出的结论是，对于CD，全因死亡和2年的MI，AMI高血压患者出院时的ARB治疗不如ACEI治疗。这些数据表明，ACEI比ARB更合适，可以控制AMI高血压患者的BP。
受自然启发的线粒体靶向血管紧张素受体阻滞剂的递送
a 美国马里兰州巴尔的摩市约翰霍普金斯大学生物医学工程系 b 美国马里兰州巴尔的摩市约翰霍普金斯大学化学与生物分子工程系 c 美国马里兰州巴尔的摩市约翰霍普金斯大学纳米生物技术研究所 d 美国马里兰州巴尔的摩市约翰霍普金斯大学医学院 Sidney Kimmel 综合癌症中心肿瘤学系 e 美国马里兰州巴尔的摩市约翰霍普金斯大学医学院医学应用艺术系 f 美国马里兰州巴尔的摩市约翰霍普金斯大学医学院医学系老年医学分部 ∗ 联系方式：电子邮件：pabadir1@jhmi.edu；hcui6@jhu.edu † 现地址：美国马里兰州巴尔的摩市约翰霍普金斯大学化学与生物分子工程系 编辑：Karen E. Nelson
通过组合αCTLA-4和αPD-1阻滞剂的组合克服对具有高肿瘤诱导的中性粒细胞水平的MMR缺陷肿瘤αPD-1的抗性
抽象背景临床研究突出了抗编程死亡1（αPD-1）单克隆抗体在DNA不匹配修复缺陷型（MMRD）肿瘤患者中的功效。但是，MMRD癌对αPD-1治疗的反应性是高度异质的，并且这种可变性的起源尚未完全了解。方法4T1和CT26小鼠肿瘤细胞系被MMRD基因MSH2灭活，从而导致细胞串行传递后大量突变积累。插入/缺失事件和突变载荷通过整个外显子组测序评估。用高度突变的MMRD肿瘤或亲本肿瘤的小鼠用αPD-1处理，并监测肿瘤体积。通过流式细胞仪，在肿瘤微环境和血液中动态评估了免疫细胞类型的丰度。中性粒细胞，并用αCD25或抗胞毒性T淋巴细胞 - 相关蛋白4（αCTLA-4）抗体减少调节T（Treg）细胞群。回顾性地鉴定出接受了免疫检查点封锁治疗的MMRD肿瘤患者，并评估了中性粒细胞淋巴细胞比率（NLR）并检查与临床益处的相关性。通过概括了不同小鼠肿瘤模型中的错配修复缺乏的结果，我们揭示了循环肿瘤诱导的嗜中性粒细胞（TIN）升高的超充血MMRD肿瘤阻碍对αPD-1单一疗法的反应。重要的是，使用αLY-6G抗体耗尽TIN可减少Treg细胞并恢复αPD-1响应。结论锡在MMRD肿瘤中违反αPD-1的功效。相反，通过αCD25或αCTLA-4抗体靶向TREG细胞有限的外围锡积累，并在αPD-1耐药的MMRD肿瘤中引起反应，从而突出了TIN和TREG细胞之间的串扰。因此，αPD-1+αCTLA-4组合克服了含有MMRD肿瘤的小鼠中对αPD-1的抗抗性。最后，在人类（高卫星不稳定性）/ MMRD肿瘤的队列中，我们发现NLR比的早期治疗变化可能会预测对αPD-1治疗的耐药性。由于αCTLA-4可能限制锡的积累，因此αPD-
血管紧张素转换酶 (ACE) 抑制剂和血管紧张素受体阻滞剂的作用
摘要 简介 心血管疾病是全球主要死亡原因，2017 年全球近 1800 万人死亡。降低心血管事件风险的药物是根据临床试验的证据开出的，这些临床试验探索了对一般人群的指定样本的治疗效果。然而，这些结果可能并不完全具有普遍性，因为试验资格标准通常仅限于合并症较少的年轻患者。因此，对于临床试验中代表性不足的群体（例如年龄≥75 岁、少数民族背景或肾功能低下的人），药物有效性的证据可能有限。我们使用来自正在进行的替米沙坦单药和雷米普利全球终点试验 (ONTARGET) 的个人匿名数据，与原始试验研究人员合作，旨在研究临床试验在心血管疾病领域的真实世界环境中的可复制性。如果原始试验结果可复制，我们将估计原始临床试验中代表性不足和排除在外的群体的治疗效果和风险。方法与分析 我们将使用试验资格标准和倾向评分匹配，在 2001 年 1 月 1 日至 2019 年 7 月 31 日期间在临床实践研究数据链接中开发一个类似于 ONTARGET 试验的队列。主要结果是心血管死亡、非致命性心肌梗死、非致命性中风和充血性心力衰竭住院治疗的综合结果。如果队列研究的结果在预先指定的范围内，我们将扩大队列以包括代表性不足和被排除的群体。 伦理与传播 伦敦卫生与热带医学院伦理委员会已授予伦理批准（编号：22658）。该研究已获得英国药品和保健产品管理局独立科学咨询委员会的批准（方案编号 20_012）。试验研究人员可以访问 ONTARGET 试验中的个人患者数据。研究结果将提交给同行评审期刊并在会议上发表。
与药物处方相关的因素血管紧张素转换酶抑制剂或血管紧张素受体阻滞剂及其对延缓患者肾衰竭的影响
摘要 目的：探讨影响药物处方的相关因素。血管紧张素转换酶抑制剂（ACEI）或血管紧张素受体阻滞剂（ARB）对Photharam医院慢性肾病患者延缓肾衰竭的效果。研究方法：回顾性研究。通过收集2018年10月1日至2020年9月30日期间HOSxP计划中慢性肾病患者的数据，根据慢性肾病的分期、年龄、糖尿病、高血压等对患者进行分组。尿液蛋白质含量接受服务的诊所然后使用多元逻辑回归分析来分析与 ACEI 或 ARB 处方相关的比率和因素。并比较肾滤过率接受药物治疗和未接受药物治疗的组在研究结束时，为了显示延迟肾衰竭的效果，结果如下：共纳入 3,994 名患者，其中 1,560 名（39%）接受了 ACEI 或 ARB 治疗。按慢性肾病 1、2、3a、3b 和 4 期分层时，接受药物治疗的百分比分别为 48.5、58.9、40.5、32.4 和 15.9。与处方 ACEI 或 ARB 相关的因素包括：慢性肾病 2 期，比值比为 1.39（95% 置信区间 (CI) 1.02–1.91，p = .04），慢性肾病 4 期 0.43（95% CI 0.23–0.80，p = .01），糖尿病 2.92（95% CI 1.72–4.94，p < .001），高血压 5.66（95% CI 3.23–9.92，p < .001）糖尿病。
合成数据与人工智能医疗设备的创新、评估和监管 Puja Myles，公共卫生硕士、博士；Johan Ordish，文学硕士；Richard Branson，理学硕士、文学硕士 摘要 合成数据是模仿真实数据的属性和关系的人工数据。它有望促进数据访问、验证和基准测试，解决缺失数据和欠采样、样本增强以及在临床试验中创建对照组的问题。英国药品和保健产品管理局 (MHRA) 正在利用其目前对高保真合成数据开发的研究，制定其对经过合成数据训练的人工智能医疗设备的监管立场，并将合成数据作为人工智能医疗设备验证和基准测试的工具。 关键词 人工智能作为医疗设备 (AIaMD)、数据隐私、健康数据、合成数据、验证、监管 简介 人工智能 (AI) 在医疗和社会保健领域的应用预计将会兴起，这意味着人工智能作为医疗设备 (AIaMD) 将成为医疗设备中越来越突出的子类别。 1 因此，医疗器械法规是否适合人工智能变得越来越重要，制造商是否了解并遵守其义务也变得越来越重要，其中最主要的是证明其 AIaMD 具有良好的效益风险比。2 强大的数据集是展示 AIaMD 性能的核心，通常是此类设备开发的主要障碍。3 医疗器械监管机构有责任确保制造商拥有履行这些义务所需的工具，并提供更广泛的支持以鼓励此类创新设备的开发。合成数据集的开发很可能成为这样一种辅助工具。本文概述了 MHRA 在研究和开发合成数据方面的努力，并考虑在更广泛的改革背景下使用合成数据，以确保医疗器械法规适用于人工智能。合成数据概况 近年来，人们对合成数据的兴趣日益浓厚，原因有很多，包括在数据治理法规更加严格的世界中可能易于获取、保护患者隐私、在机器学习算法背景下的基准测试和验证能力，以及解决真实数据局限性的能力，如数据缺失、欠采样和样本量小。4 更重要的是，尽管合成数据的潜在应用已经讨论了多年，但直到最近，合成数据生成方法的进步才能够产生高质量的合成数据。5 定义合成数据 从概念上讲，合成数据是模仿真实数据的属性和关系的人工数据。合成数据的质量取决于生成合成数据的方法。合成数据的质量通常用其“效用”或“保真度”来描述。“能够捕捉各种数据字段之间复杂的相互关系以及真实数据的统计特性的合成数据集可称为“高实用性”或“高保真度”合成数据集。在患者医疗保健数据方面，高保真度合成数据集将能够捕捉复杂的临床关系，并且在临床上与真实患者数据难以区分。高效用合成数据的生成往往需要大量资源，并且根据需要合成数据的应用，使用低效用或中等效用合成数据可能是可以接受的。
合成数据与人工智能医疗设备的创新、评估和监管 Puja Myles，公共卫生硕士、博士；Johan Ordish，文学硕士；Richard Branson，理学硕士、文学硕士 摘要 合成数据是模仿真实数据的属性和关系的人工数据。它有望促进数据访问、验证和基准测试，解决缺失数据和欠采样、样本增强以及在临床试验中创建对照组的问题。英国药品和保健产品管理局 (MHRA) 正在利用其目前对高保真合成数据开发的研究，制定其对经过合成数据训练的人工智能医疗设备的监管立场，并将合成数据作为人工智能医疗设备验证和基准测试的工具。 关键词 人工智能作为医疗设备 (AIaMD)、数据隐私、健康数据、合成数据、验证、监管 简介 人工智能 (AI) 在医疗和社会保健领域的应用预计将会兴起，这意味着人工智能作为医疗设备 (AIaMD) 将成为医疗设备中越来越突出的子类别。 1 因此，医疗器械法规是否适合人工智能变得越来越重要，制造商是否了解并遵守其义务也变得越来越重要，其中最主要的是证明其 AIaMD 具有良好的效益风险比。2 强大的数据集是展示 AIaMD 性能的核心，通常是此类设备开发的主要障碍。3 医疗器械监管机构有责任确保制造商拥有履行这些义务所需的工具，并提供更广泛的支持以鼓励此类创新设备的开发。合成数据集的开发很可能成为这样一种辅助工具。本文概述了 MHRA 在研究和开发合成数据方面的努力，并考虑在更广泛的改革背景下使用合成数据，以确保医疗器械法规适用于人工智能。合成数据概况 近年来，人们对合成数据的兴趣日益浓厚，原因有很多，包括在数据治理法规更加严格的世界中可能易于获取、保护患者隐私、在机器学习算法背景下的基准测试和验证能力，以及解决真实数据局限性的能力，如数据缺失、欠采样和样本量小。4 更重要的是，尽管合成数据的潜在应用已经讨论了多年，但直到最近，合成数据生成方法的进步才能够产生高质量的合成数据。5 定义合成数据 从概念上讲，合成数据是模仿真实数据的属性和关系的人工数据。合成数据的质量取决于生成合成数据的方法。合成数据的质量通常用其“效用”或“保真度”来描述。“能够捕捉各种数据字段之间复杂的相互关系以及真实数据的统计特性的合成数据集可称为“高实用性”或“高保真度”合成数据集。在患者医疗保健数据方面，高保真度合成数据集将能够捕捉复杂的临床关系，并且在临床上与真实患者数据难以区分。高效用合成数据的生成往往需要大量资源，并且根据需要合成数据的应用，使用低效用或中等效用合成数据可能是可以接受的。
卡维地洛治疗心力衰竭：β受体阻滞剂再度引发关注
乍一看，使用 β 受体阻滞剂治疗心力衰竭的想法似乎违反直觉。β 受体阻滞剂可以降低血压，但许多心力衰竭患者已经出现低血压。此外，β 受体阻滞剂具有负性肌力作用，这似乎会加剧心力衰竭所致的心脏功能减弱。尽管如此，曾经被禁止用于心力衰竭的 β 受体阻滞剂正逐渐被接受作为治疗方案的一部分。事实上，卡维地洛是美国食品和药物管理局批准的最新 β 受体阻滞剂，可用于治疗心力衰竭，因为临床研究表明它可以降低发病率和死亡率，甚至可能减缓心力衰竭的进展。人们对 β 受体阻滞剂治疗心力衰竭重新产生兴趣的原因是，随着对其病理生理学的了解不断增加，近几年治疗方法发生了巨大变化。 1-3 治疗的重点已经从充血性心力衰竭的水肿转移到心脏损伤和血流受损时发生的神经体液和炎症反应。4 本文总结了当前治疗心力衰竭的一些想法，包括为什么、何时以及如何使用卡维地洛。