1。法国阿米斯大学医院胃肠病学系2 UT Numecan(营养代谢和癌症),F-35000法国5。ChuLille,胃肠病学系,F-59000法国Lille,法国6尼斯大学尼斯大学尼斯大学尼斯大学医院临床营养,法国尼斯。9。 10.克莱蒙奥弗涅大学,3iHP,克莱蒙费朗大学医院,肝胃病学科; Inserm U1071,M2iSH,USC-INRA 2018,F-63000 克莱蒙费朗,法国 11. 贝桑松大学医院胃肠病学系,贝桑松,法国 12. 亚眠大学医院生物统计学系,亚眠,法国 13. 洛林大学南锡大学医院肝病学系和 Inserm NGERE,旺德夫尔莱南锡,法国 请将通信和重印请求发送至:
背景:胃肠道出血 (GIB) 是急性心肌梗死 (AMI) 患者中一种严重且可能危及生命的并发症,严重影响住院期间的预后。早期识别高危患者对于减少并发症、改善结果和指导临床决策至关重要。目的:本研究旨在开发和验证基于机器学习 (ML) 的模型,用于预测 AMI 患者住院期间的 GIB,识别关键风险因素,并评估该模型在风险分层和决策支持方面的临床适用性。方法:进行了一项多中心回顾性队列研究,包括广东医科大学附属医院 1910 名 AMI 患者(2005-2024 年)。根据入院日期将患者分为训练组(n=1575)和测试组(n=335)。为了进行外部验证,1746 名 AMI 患者被纳入公开的 MIMIC-IV(重症监护 IV 医疗信息集市)数据库。倾向得分匹配根据人口统计学特征进行了调整,而 Boruta 算法则确定了关键预测因素。共使用 10 倍交叉验证训练了 7 种 ML 算法——逻辑回归、k 最近邻、支持向量机、决策树、随机森林 (RF)、极端梯度提升和神经网络。对模型的受试者工作特征曲线下面积、准确度、灵敏度、特异性、召回率、F 1 分数和决策曲线分析进行了评估。Shapley 加性解释分析对变量重要性进行了排名。Kaplan-Meier 生存分析评估了 GIB 对短期生存的影响。多元逻辑回归在调整临床变量后评估了冠心病 (CHD) 与住院 GIB 之间的关系。结果:RF 模型优于其他 ML 模型,在训练队列中实现 0.77 的受试者工作特征曲线下面积,在测试队列中实现 0.77,在验证队列中实现 0.75。关键预测因素包括红细胞计数、血红蛋白、最大肌红蛋白、血细胞比容、CHD 和其他变量,所有这些变量都与 GIB 风险密切相关。决策曲线分析表明 RF 模型在早期风险分层方面的临床应用。Kaplan-Meier 生存分析表明,有或无 GIB 的 AMI 患者的 7 天和 15 天生存率没有显著差异(7 天生存率 P =.83,15 天生存率 P =.87)。多变量逻辑回归表明 CHD 是独立危险因素
首先,我要衷心感谢我的论文导师 Jean-Marc MENAUD 教授,感谢他对整个研究过程和相关研究的持续支持。他教会了我什么是科学研究,并为我提供了很多与相应学术领域的教授、博士生和博士后交流的机会。我还要对论文的联合指导老师 Orange Labs 的 David NÖRTERSHÄUSER 博士和 Stéphane LE MASSON 博士表示深深的谢意,感谢他们在研究工作期间提供的专业知识、热情的鼓励、激励和有用的建议。我很感激他们给了我以博士生身份加入 GDM/ICE 团队的机会。如果没有 Orange Labs 和 IMT Atlantique 大学的资金支持,这项研究就不可能实现。我要向 Orange Labs ICE 团队的所有成员表示衷心的感谢,特别是:Dominique BODÉRÉ、Bertrand LE LAMER、Alain RINGNET、Olivier FOUCAULT、Jacky GAUTIER 和 Pascal BODIOU。作为一名外国学生,他们帮助我融入法国的工作和生活。我尤其要感谢 M. Philippe LEVASSEUR,感谢他的善意以及对我实验工作的宝贵技术支持。此外,我不会忘记与我交流的朋友们:Kanza SALALIQI、Simon RICORDEAU、Chafika YAHIA CHERIF、Antoine DONALIES、Paul Arnaud 等。与另一个部门的同事的交流也让我深受启发:Roland PICARD、Benoit HERARD 和 Joel PENHOAT。我还要衷心感谢 IMT Atlantique 的博士后研究员 Jonathan PASTOR 先生。我非常感谢他对集群实验的技术指导、有用的建议和支持,我真的很享受我们一起工作的日子。此外,我还要感谢 Anne-Cécile ORGERIE 博士和 Patricia STOLF 博士,他们是我论文的 CSI 成员。我还要感谢我的评审团成员:Romain ROUVOY 教授、Noël DE PALMA 教授和 Hamid GUALOUS 教授。最后但并非最不重要的是,我要感谢我的父母和同伴 Yiru,他们在整个研究期间都给予我爱和精神上的支持。
关于 EnerSys EnerSys 是工业应用储能解决方案领域的全球领导者,设计、制造和分销能源系统解决方案和动力电池、特种电池、电池充电器、电力设备、电池配件和户外设备外壳解决方案,服务全球客户。该公司通过四个业务线进入市场:能源系统、动力、特种和新创企业。能源系统结合了电力转换、电力分配、能源存储和外壳,用于电信、宽带和公用事业行业、不间断电源以及需要储能解决方案的众多应用。动力电池和充电器用于电动叉车和其他工业电动车辆。特种电池用于航空航天和国防应用、野外士兵的便携式电源解决方案、大型公路卡车、高级汽车、医疗和安全系统应用。新创企业为各种应用提供能源存储和管理系统,包括需求费用减少、公用事业备用电源和电动汽车的动态快速充电。 EnerSys 还通过其遍布全球的销售和制造基地,为 100 多个国家的客户提供售后和客户支持服务。如需了解有关 EnerSys 的更多信息,请访问 www.enersys.com/en/。
简介。原发性免疫缺陷 (PID) 是一种罕见疾病,其中慢性肺部疾病很常见。慢性肺部并发症会影响这些患者的长期生存。本研究旨在评估土耳其人口中成年 PID 患者的伴随肺部疾病和呼吸功能。材料和方法。回顾性评估了 2015 年至 2020 年期间申请免疫学诊所的患者档案。通过体格检查评估呼吸系统,如有必要,还进行计算机断层扫描、胸部 X 光检查和肺功能测试 (PFT)。PID 的诊断基于欧洲免疫缺陷协会 (ESID) 标准。结果。共有 186 名患者被纳入研究。患者的中位年龄为 38 岁。研究中包括的疾病按频率顺序分布为:常见变异性免疫缺陷 (CVID) (47.8%)、严重联合免疫缺陷 (SCID) (22.6%)、选择性免疫球蛋白A (SIgAD) (10.8%)、X连锁无丙种球蛋白血症 (XLA) (10.2%)、慢性肉芽肿病 (CGD) (8.6%)。胸部放射学上最常见的发现是支气管扩张 (37.1%)、实质结节 (32.8%)、毛玻璃影 (31.2%)、淋巴结肿大 (24.7%)、纤维化改变 (24.8%)、网状影 (23.7%) 和支气管壁增厚 (23.1%)。患有 CGD 的患者 PFT 结果较低。支气管扩张 (37.1%)、哮喘 (22%) 和肺结核 (9.7%) 是最常见的肺部并发症。结论。我们认为,在患有 PID 的成年患者中,其他肺部并发症(尤其是哮喘和支气管扩张)的发生率较高,并且由于没有针对肺部并发症的随访、诊断和治疗的指南,因此患者管理较差。
无偿的外围前庭功能障碍会导致步态和姿势的不稳定,并具有主观的头晕和失衡。在单侧和双侧前庭病(UVP和BVP)患者中促进功能性补充的治疗方法的首选是前庭重新释放[1]。然而,一定比例的前庭病患者对康复难治性,难以治疗。尽管最近已经开发出前庭植入物来改善BVP的姿势,步态和生活质量[2],但该治疗具有导致感官性听力损失作为手术并发症的重大风险[2]。因此,需要对难治性前庭病的微创治疗方法的发展。嘈杂的电力前庭刺激(NGVS)通过双侧放置在乳突区域上的电极将电流作为零均值的噪声传递给前庭系统。不可察觉的NGV水平促进了在包括自主,运动和姿势控制系统在内的神经系统中的亚阈值刺激的处理[3-6]。ngvs还增强了倾斜倾斜和自动翻译方向的感知阈值[7-9]。随机分辨率,在非线性系统中有最佳噪声水平的情况下,在其下阈值信号得到了增强,已提出是这些改善效果的基础机制[10,11]。在BVP患者以及健康受试者中应用最佳水平的NGV水平可改善常规稳定性和步态性能[4,12-18]。的研究表明,即使在BVP患者和健康受试者停止刺激后,NGV也可以改善姿势控制几个小时[3,19-21]。另一方面,另一项最近的研究报告说,NGVS不能改善BVP患者的姿势控制[22]。这些在BVP患者中的研究是开放标签或单盲研究,该研究对NGV进行了刺激[4、14、16-18],并且没有足够的安慰剂效应或观察者偏见的评估。在本研究中,进行了多中心,随机,双盲,安慰剂对照,跨研究,以评估长时间NGVS在改善UVP和BVP严重姿势姿势不稳定患者身体平衡方面的疗效和安全性。
HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
2,一份全面的行业报告观察到:“不断提高持续的效率不足以强调。例如,NVIDIA Corp.已开始专注于能源效率…使用2,000个Blackwell GPU培训最新的超大AI型号将在90天的培训中使用4 MW的功率,而同一时期的8,000 GPU,这将消耗15兆瓦的功率。”参见Aneesh Prabhu等。Data Centers: Surging Demand Will Benefit and Test the U.S. Power Sector , S&P G LOBAL (Oct. 22, 2024), at 18, available at https://www.spglobal.com/ratings/en/research/articles/241022-data-centers-surging-demand- will-benefit-and-test-the-u-s-power-sector-13280625.3,此分析从初始预测开始使用中期,第4至6年,因为这代表了对预测的资本投资开始实现的第一阶段。与NRG分析的其他要素一样,这代表了一种保守的方法,而进一步的外年预测将包含更大程度的复合误差。在第2节的这些评论的正文中描述了完整的分析。