XiaoMi-AI文件搜索系统
World File Search Systemcardiac
Cari Heart预测可疑冠状动脉疾病的心脏风险：早期价值评估
3.4外部评估组（EAG）发现了1项研究，评估了Cari Heart对可疑稳定冠状动脉疾病患者的心脏死亡的预后表现（Oikonomou等人。2021）。这项研究是一项模型开发和验证研究，其中包括3,912人患有CTCA来评估稳定的冠状动脉疾病。这项研究的结果表明，比基于传统临床风险因素（吸烟，高胆固醇血症，高血压，糖尿病，公爵指数，高风险斑块特征和上心脂肪组织体积的存在）的风险模型比风险模型更好。EAG还发现了支持冠状动脉炎症与心脏不良事件风险之间联系的研究。委员会同意，根据Oikonomou等人的结果。（2021），Cari Heart可能会改善心脏死亡的风险预测。（2021），Cari Heart可能会改善心脏死亡的风险预测。
心内膜 HAND2 基因调控网络的单细胞评估揭示了影响心脏形态发生的关键 HAND2 依赖性通路
1 印第安纳医学院儿科、解剖学、医学和分子遗传学系 Herman B Wells 儿科研究中心，美国印第安纳州印第安纳波利斯 46202 2 印第安纳大学基因组学和生物信息学中心，美国布卢明顿 3 劳伦斯伯克利国家实验室环境基因组学和系统生物学部，美国加利福尼亚州伯克利 94720 4 加利福尼亚大学比较生物化学项目，美国加利福尼亚州伯克利 94720。 5 美国能源部联合基因组研究所，劳伦斯伯克利国家实验室，美国加利福尼亚州伯克利 94720 6 伯尔尼大学生物医学研究系 (DBMR)，瑞士伯尔尼 7 伯尔尼大学医院心脏病学系，瑞士伯尔尼
使用人工智能预测心脏死亡
心脏死亡（SCD）仍然是一个紧迫的健康问题，每年全球数十万。遭受SCD的人之间的杂项，从严重的心脏失败到看似健康的人，对有效的风险评估构成了重大挑战。主要依赖左心室的常规风险层次，仅导致植入可植入的心脏逆变剂的适度效率用于预防SCD。回应，艺术智能（AI）对个性化的SCD风险预测和调整预防策略有望为个别患者的独特性专案。机器和深度学习算法具有学习复杂数据和定义的终点之间的复杂非线性模式的能力，并利用这些模式来识别SCD的微妙指标和预测指标，而SCD的预测因素可能不会通过传统的统计分析而明显。但是，尽管AI有可能改善SCD风险层次，但仍需要解决重要的局限性。我们旨在概述SCD的AI预测模型的当前最新图案，重点介绍这些模型在临床实践中的机会，并确定阻碍广泛采用的关键挑战。
听觉刺激和深度学习可预测心脏骤停后昏迷苏醒
评估心脏骤停后昏迷患者的神经功能完整性仍是一个悬而未决的挑战。昏迷结果的预测主要依赖于专家对生理信号的视觉评分，这种方法容易产生主观性，并使相当多的患者处于预后不确定的“灰色地带”。对听觉刺激后脑电图反应的定量分析可以让我们了解昏迷时的神经功能以及患者苏醒的机会。然而，由于协议繁琐多样，标准化听觉刺激后的反应还远未在临床常规中使用。在这里，我们假设卷积神经网络可以帮助提取昏迷第一天对听觉刺激的脑电图反应的可解释模式，这些模式可以预测患者苏醒的机会和 3 个月后的存活率。我们使用卷积神经网络 (CNN) 对多中心和多方案患者队列中在标准化镇静和目标体温管理下昏迷第一天对听觉刺激的单次脑电图反应进行建模，并预测 3 个月时的结果。对于接受治疗性低温和常温的患者，使用 CNN 预测觉醒的阳性预测率分别为 0.83 ± 0.04 和 0.81 ± 0.06，预测结果的曲线下面积分别为 0.69 ± 0.05 和 0.70 ± 0.05。这些结果也持续存在于处于临床“灰色地带”的一部分患者中。网络预测结果的可信度基于可解释的特征：它与脑电图反应的神经同步性和复杂性密切相关，并受到独立临床评估的调节，例如脑电图反应性、背景爆发抑制或运动反应。我们的研究结果强调了可解释的深度学习算法与听觉刺激相结合在改善昏迷结果预测方面的巨大潜力。
可重复的模型开发 -
心脏细胞电生理学的建模是系统生物学中最成熟的领域之一。这种扩展的研究工作集中的集中度带来了新的挑战，其中最重要的是选择哪种模型最适合解决特定的科学问题。在上一篇论文中，我们介绍了开发在线资源以在广泛的实验场景中对电生理细胞模型进行表征和比较的最初工作。在这项工作中，我们描述了我们如何开发了一种新颖的协议语言，使我们能够将数学模型的细节（大多数心脏细胞模型采用了普通微分方程的形式）与所模拟的实验协议分开。我们开发了一个完全开放的在线存储库（我们称为心脏电生理网络实验室），该存储库可以允许用户存储和比较将相同的实验协议应用于竞争模型的结果。在当前的论文中，我们描述了这项工作的最新和计划的扩展，重点是支持从实验数据中构建模型的过程。我们概述了开发一种可读性语言的必要工作，以描述从湿实验室数据集中推断参数的过程，并通过使用实验数据拟合HERG通道模型的详细示例来说明我们的方法。我们通过讨论在该领域取得进一步进步的未来挑战，以促进心脏细胞模型开发的完全可重现方法，以进一步的进步。©2018作者。由Elsevier Ltd.这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
低价锰原子在陶瓷上稳定为一氧化二氮合成
心肌和心律不齐的纤维化变化代表系统性硬化症（SSC）的致命并发症，但是基本机制仍然难以捉摸。小鼠过度表达转录因子FOSL-2（FOSL-2 TG）代表SSC的动物模型。Fosl-2 tg mice showed interstitial cardiac fi brosis, disorganized connexin-43/40 in intercalated discs and deregulated expression of genes controlling conduction system, and developed higher heart rate (HR), prolonged QT intervals, arrhythmias with prevalence of premature ventricular contractions, ventricular tachycardias, II-degree atrio-ventricular blocks并降低了人力资源变异性。用异丙肾上腺素FOSL-2 TG小鼠刺激后，HR反应受损。与FOSL-2 TG相比，免疫dim dim rag2 - / - fosl-2 tg小鼠受到增强的心肌纤维化和ECG异常的保护。转录组学分析表明，FOSL-2-ERVERSESS是造成心脏纤维细胞的纤维性特征的原因，而FOSL-2 TG小鼠中的炎症成分激活了它们的纤维性和心律失常的作用表型。在人类心脏纤维细胞中，FOSL-2超过表达增强了肌纤维细胞的签名，在proinmotal或pro粘连刺激下。这些结果表明，在免疫性条件下，转录因子FOSL-2夸大了肌纤维纤维肌，心律不齐和对压力的异常反应。
对植入心脏电子设备人群进行远程监测的心力衰竭算法
2.5 CorVue 算法与 Merlin.net 患者护理网络 (PCN) 平台配合使用，旨在远程监控兼容 CIED 患者的心力衰竭早期迹象。CorVue 算法从 CIED 收集胸内阻抗数据，并通过移动应用程序 (myMerlinPulse) 将其传输到 Merlin.net PCN 平台。它使用蓝牙和互联网或移动网络连接来生成警报。或者，公司可以提供通过 Wi-Fi、手机或固定电话连接的远程监控单元 (Merlin@Home)，而不是使用基于应用程序的智能手机发射器。医疗保健专业人员可以在 Merlin.net PCN 平台上查看设备传输的数据。Merlin.net 和移动发射器的访问权限是 CIED 的一部分，CorVue 算法随 CIED 设备免费提供。
一生中的皮质厚度和静息状态心脏功能：横断面汇总大型分析
朱利安·科尼格 1,2 |比尔吉特·阿布勒 3 |英格丽德·阿加茨 4,5,6 |托比约恩·阿克施泰特 7,8 |奥勒·安德烈亚斯森 4,9 |米娅·安东尼 10 |卡尔·尤尔根·贝尔 11 |卡佳·伯茨 12 |丽贝卡·C·布朗 13 |罗穆亚尔德·布伦纳 14 |卢卡嘉年华 15 |雨果·D·克里奇利 16 |凯瑟琳·R·卡伦 17 | Geus 18 的 Eco JC |十字架的费利伯特 11 |伊莎贝尔·吉奥贝克 19 |马克·D·费格 3 |哈坎·菲舍尔 20 |赫塔弗洛尔 21 |迈克尔·盖布勒 22,23 |彼得·J·吉安罗斯 24 | Melita J. Giummarra 25.26 |史蒂文·G·格林宁 27 |西蒙·根德尔曼 28 |詹姆斯·AJ·希瑟斯 29 |萨宾·J·赫珀茨 12 | Mandy X. 至 30 |塞巴斯蒂安·延奇克 31,32 |迈克尔·凯斯 1.33 |托拜厄斯·考夫曼 4.9 | Bonnie Klimes-Dougan 34 |斯特凡·科尔施 31.35 |玛琳·克劳奇 12 |丹尼斯·库姆拉尔 22.23 | Femke Lamers 30 |李泰浩 36 |马茨·亚历山大 7.8 |凤林10 |马丁洛策 37 |埃琳娜·马科瓦茨 38.39 |马泰奥·曼奇尼 40.41 |福尔克·曼克 12 | Kristoffer NT 价格 20,42 |斯蒂芬·B·马努克 24 |玛拉·马瑟 43 |弗朗西斯·米滕 44 |闵正元 45 |布莱恩·穆勒 17 |薇拉·穆恩奇 13 |弗劳克·尼斯 21.46 |林雅 45 |古斯塔夫·尼尔松内 8,20 |丹妮拉·奥尔多涅斯·阿库纳 31 |贝尔热·奥斯内斯 35.47 |克里斯蒂娜·奥塔维亚尼 39.48 |布伦达 WJH 彭尼克斯 30 |艾莉森·庞齐奥 45 |戈文达·R·普德尔 49 |詹尼斯·雷内尔特 22 |平忍10 |榊道子 50.51 |安迪舒曼 11 |林索伦森 35 |卡尔斯滕·施佩希特 35.52 |乔安娜·施特劳布 13 |桑德拉·塔姆 8,20,53 |米歇尔泰国 17 |朱利安·F·塞耶 54 |本杰明·乌巴尼 55 |丹尼斯·范德米 18 |劳拉·S·范维尔岑 56.57.58 |卡洛斯·文图拉-博特 59 |阿诺·维尔林格 22,23 |大卫·沃森 60 |魏鲁清 61 |朱莉娅·温特 59 |梅琳达·韦斯特伦德·施莱纳 34 |拉尔斯·T·韦斯特莱 4,9,62 |马蒂亚斯·威玛 59.63 |托拜厄斯·温克尔曼 21 |吴国荣 61 |刘贤珠 45 |丹尼尔·S·金塔纳 4.9
启用技术的杂种心脏康复
冠心病（CHD）是英国死亡的主要原因。临床指南建议心脏康复（CR），包括健康教育，降低心血管风险建议，体育活动和压力管理组件。但是，基于组的CR的吸收仅约50％。混合心脏康复（CR），合并面对面和远程服务交付，可以改善CR的吸收并减少服务访问的不平等现象。本研究使用焦点小组和半结构化访谈来探索使用Active + Me Remote Hybrid CR App的员工和患者经验，该平台可访问教育模块，行为改变支持，实时运动课程，体育锻炼课程，体育锻炼，体育活动和健康监测，包括英格兰以东的三个地点。十二名员工和六名患者参加了会议。主题指南探讨了参与者在与混合CR通路相关的交付或接收混合CR，障碍和辅助因子方面的经验，以及对未来Active + Me遥控的实施的影响。定性数据远程收集，音频记录并独立转录。使用合并实施研究框架（CFIR）对员工数据进行了演绎分析。使用主题分析对患者数据进行归纳分析。尽管有一些技术问题和治理延迟，但Active + Me Remote被认为是可接受，方便和允许裁缝以满足患者的需求和情况。必须允许足够的时间进行员工培训并支持患者入学混合服务。来自可穿戴设备（血液肯定监测器）的数据上传，使员工可以监视患者的进度，并授权患者指导他们的康复。员工最初认为他们应该筛选患者，以确保提供混合CR来数字识字，身体活跃的人，尽管随着员工对应用程序的熟悉程度的增加，筛查变得不太常见。的发现表明，混合CR的有效培训需要系统级资源，以促进治理批准，并作为标准护理嵌入混合CR交付。该研究于3/7/2023（ISRCTN320764）进行了注册。