1。白血病服务,纽约纽约纪念斯隆·凯特林癌症中心医学系; 2。俄亥俄州立大学,俄亥俄州哥伦布; 3。 MSC国家研究所,波兰克拉科夫; 4。 瑞典癌症研究所,华盛顿州西雅图; 5。 威斯康星州密尔沃基市血液学和肿瘤学的分工; 6。 加利福尼亚大学,加利福尼亚州尔湾分校; 7。 牛津大学医院NHS Trust,英国旧路临床血液学系; 8。 新泽西州新泽西州新不伦瑞克省的罗格斯癌症研究所; 9。 纽约州/哥伦比亚大学医学中心,纽约,纽约州纽约州赫伯特·欧文综合癌症中心; 10。 北卡罗来纳州北卡罗来纳大学,北卡罗来纳州教堂山; 11。 马萨诸塞州牛顿市达纳 - 法伯癌症研究所医学肿瘤学系; 12。 纽约州纽约的纪念斯隆·凯特林癌症中心生物统计学和流行病学系; 13。 血液学和肿瘤学,卡尤加医学中心,纽约州伊萨卡; 14。 研发,纽约纽约阿斯利康的合同顾问 *同等贡献俄亥俄州立大学,俄亥俄州哥伦布; 3。MSC国家研究所,波兰克拉科夫; 4。 瑞典癌症研究所,华盛顿州西雅图; 5。 威斯康星州密尔沃基市血液学和肿瘤学的分工; 6。 加利福尼亚大学,加利福尼亚州尔湾分校; 7。 牛津大学医院NHS Trust,英国旧路临床血液学系; 8。 新泽西州新泽西州新不伦瑞克省的罗格斯癌症研究所; 9。 纽约州/哥伦比亚大学医学中心,纽约,纽约州纽约州赫伯特·欧文综合癌症中心; 10。 北卡罗来纳州北卡罗来纳大学,北卡罗来纳州教堂山; 11。 马萨诸塞州牛顿市达纳 - 法伯癌症研究所医学肿瘤学系; 12。 纽约州纽约的纪念斯隆·凯特林癌症中心生物统计学和流行病学系; 13。 血液学和肿瘤学,卡尤加医学中心,纽约州伊萨卡; 14。 研发,纽约纽约阿斯利康的合同顾问 *同等贡献MSC国家研究所,波兰克拉科夫; 4。瑞典癌症研究所,华盛顿州西雅图; 5。 威斯康星州密尔沃基市血液学和肿瘤学的分工; 6。 加利福尼亚大学,加利福尼亚州尔湾分校; 7。 牛津大学医院NHS Trust,英国旧路临床血液学系; 8。 新泽西州新泽西州新不伦瑞克省的罗格斯癌症研究所; 9。 纽约州/哥伦比亚大学医学中心,纽约,纽约州纽约州赫伯特·欧文综合癌症中心; 10。 北卡罗来纳州北卡罗来纳大学,北卡罗来纳州教堂山; 11。 马萨诸塞州牛顿市达纳 - 法伯癌症研究所医学肿瘤学系; 12。 纽约州纽约的纪念斯隆·凯特林癌症中心生物统计学和流行病学系; 13。 血液学和肿瘤学,卡尤加医学中心,纽约州伊萨卡; 14。 研发,纽约纽约阿斯利康的合同顾问 *同等贡献瑞典癌症研究所,华盛顿州西雅图; 5。威斯康星州密尔沃基市血液学和肿瘤学的分工; 6。 加利福尼亚大学,加利福尼亚州尔湾分校; 7。 牛津大学医院NHS Trust,英国旧路临床血液学系; 8。 新泽西州新泽西州新不伦瑞克省的罗格斯癌症研究所; 9。 纽约州/哥伦比亚大学医学中心,纽约,纽约州纽约州赫伯特·欧文综合癌症中心; 10。 北卡罗来纳州北卡罗来纳大学,北卡罗来纳州教堂山; 11。 马萨诸塞州牛顿市达纳 - 法伯癌症研究所医学肿瘤学系; 12。 纽约州纽约的纪念斯隆·凯特林癌症中心生物统计学和流行病学系; 13。 血液学和肿瘤学,卡尤加医学中心,纽约州伊萨卡; 14。 研发,纽约纽约阿斯利康的合同顾问 *同等贡献威斯康星州密尔沃基市血液学和肿瘤学的分工; 6。加利福尼亚大学,加利福尼亚州尔湾分校; 7。牛津大学医院NHS Trust,英国旧路临床血液学系; 8。新泽西州新泽西州新不伦瑞克省的罗格斯癌症研究所; 9。 纽约州/哥伦比亚大学医学中心,纽约,纽约州纽约州赫伯特·欧文综合癌症中心; 10。 北卡罗来纳州北卡罗来纳大学,北卡罗来纳州教堂山; 11。 马萨诸塞州牛顿市达纳 - 法伯癌症研究所医学肿瘤学系; 12。 纽约州纽约的纪念斯隆·凯特林癌症中心生物统计学和流行病学系; 13。 血液学和肿瘤学,卡尤加医学中心,纽约州伊萨卡; 14。 研发,纽约纽约阿斯利康的合同顾问 *同等贡献新泽西州新泽西州新不伦瑞克省的罗格斯癌症研究所; 9。纽约州/哥伦比亚大学医学中心,纽约,纽约州纽约州赫伯特·欧文综合癌症中心; 10。北卡罗来纳州北卡罗来纳大学,北卡罗来纳州教堂山; 11。马萨诸塞州牛顿市达纳 - 法伯癌症研究所医学肿瘤学系; 12。纽约州纽约的纪念斯隆·凯特林癌症中心生物统计学和流行病学系; 13。血液学和肿瘤学,卡尤加医学中心,纽约州伊萨卡; 14。研发,纽约纽约阿斯利康的合同顾问 *同等贡献
在各种健康状况中,农村卫生缺点在很大程度上有据可查,这在很大程度上是由于农村地区的老年人和社会经济处境不利的人群和有限的医疗服务所致。1然而,在现有研究中,疼痛中的农村城市差异,尤其是慢性疼痛(即疼痛持续了3个月以上)。这代表了一个很大的差距,因为慢性疼痛和高影响力疼痛(即HICP,与日常生活或工作活动的局限性相关的慢性疼痛)已被认为是美国在过去二十年中的普遍性提高2,3,以及实质性的健康和经济后果(例如,不断危害的风险和不在意的风险)和健康状况,鉴于它们的普遍性上升,因此在美国引起了公共卫生的关注。3–5只有有限的研究表明,与城市和郊区的同行相比,农村居民的疼痛结果更差,6,7,关于疼痛的发展和恢复在农村城市连续体中的不同知之甚少。利用2019 - 2020年国家健康访谈调查纵向队列(NHIS-LC)数据,本研究提供了首次分析,以评估不同疼痛状态之间过渡的农村城市差异,没有疼痛,非智力疼痛,慢性疼痛,慢性疼痛和HICP以及这些差异如何在不同人群中发生变化。
病毒比细菌更会捉弄我们。回想一下,为了繁殖,病毒需要细胞,因为它们没有制造后代所需的机制。因此,它们进入细胞,接管细胞机制,并将细胞变成病毒制造设施。为了作为一个物种生存,这一要求意味着病毒始终需要进入细胞,因此它们开发了不同的机制来维持这种进入。有些病毒选择留在一个宿主中,隐藏在我们体内(例如,水痘 [水痘] 病毒)或以低水平繁殖(例如,人乳头瘤病毒 [HPV])——有时长达数十年!这意味着,有些病毒确实会导致延迟疾病(例如,带状疱疹或癌症)。那么,这对疫苗意味着什么?由于病毒的生物学特性,我们已经开发出更多样化的疫苗保护方式。
慢性粒细胞白血病/CML 占成人白血病病例的 20%。尽管 TKI(酪氨酸激酶抑制剂)时代在疾病发展和预后方面取得了重大进展,但在临床实践中,疾病表现方面仍存在某些特殊性,这些特殊性可能会改变疾病的发展和治疗方法。目的:强调 3 例 CML 病例的诊断和治疗特殊性,从典型的表现形式到罕见的情况——极度淋巴细胞原始细胞危象(胸骨旁皮下肿块)和巨核细胞原始细胞危象。方法:患者 MC,25 岁,表现为白细胞增多、中度贫血和严重肝脾肿大;实验室检查显示慢性期 CML。相比之下,患者 HI,33 岁,表现出相似的临床表现;实验室检查显示慢性期 CML。然而,在临床检查中,患者胸骨旁发现一个小肿块,活检结果显示髓外淋巴细胞原始细胞危象。患者 ZM,50 岁,表现为白细胞增多、轻度贫血和中度血小板增多,此外还有严重的肝脾肿大。额外的实验室检查证实为伴巨核细胞原始细胞危象的 CML。结果:患者采用了不同的治疗方案——TKI、急性淋巴细胞白血病方案和与 TKI 相关的急性髓细胞白血病诱导方案,均获得了良好的治疗效果。结论:罕见的 CML 表现形式不容忽视,因为对于同一疾病,不同的治疗方案会带来很大的差异,对预后和生存产生很大的影响。
摘要简介:先前的研究表明,手术后的认知灵活性与慢性疼痛的发展之间存在关联。尚不清楚慢性疼痛患者是否可以提高认知灵活性。目标:这项研究测试了神经认知训练计划是否会改善慢性疼痛患者的认知灵活性和疼痛。方法:我们进行了一项单中心,前瞻性,随机研究,研究了慢性疼痛患者的5周每日神经认知训练。参与者(n 5 145)像往常一样随机地进行神经认知培训或护理,并在基线,治疗后和3个月完成评估。治疗组被要求每天花35分钟完成一项计划,其中包含有关认知灵活性,记忆,注意力和速度的任务。主要结果是神经认知性能测试(NCPT)的性能。次要结果包括疼痛干扰和严重程度的水平。结果:在5周时,与对照组相比,治疗组在NCPT上显示出更大的改善(D 5.37)。效应大小在3个月时较小(D 5 0.18)。治疗组报告5周(D 5.16)和3个月(D 5 0.39)的疼痛严重程度较低,但疼痛干扰仅在3个月时较低(D 5 0.20)。结论:结果表明,使用神经认知训练来改变慢性疼痛患者的认知灵活性可能会改善疼痛严重程度。这项研究提供了效应尺寸估计值,以为随机对照试验的样本量计算提供信息,以测试神经认知干预措施预防和治疗慢性疼痛的有效性。
生物制剂正迅速成为当代医学的重要组成部分,特别是在管理历史上一直难以控制的慢性疾病方面。这些复杂的生物药物正在彻底改变我们治疗糖尿病、牛皮癣、类风湿性关节炎和不同类型癌症等疾病的方式。与化学生产的传统小分子药物不同,生物制剂是来自生物体的大型蛋白质治疗药物。它们在治疗以前几乎没有治疗选择的多种慢性疾病方面非常有效,因为它们能够针对特定的免疫系统成分或疾病途径。生物制剂能够精确针对疾病的根本原因,这是其日益流行的主要因素之一。例如,在类风湿性关节炎等自身免疫性疾病中,免疫系统会无意中瞄准人体自身组织,导致炎症和损伤。与这种免疫反应有关的某些分子,如引起炎症的白细胞介素或肿瘤坏死因子 (TNF),都可以成为生物制剂的靶点。与传统治疗方法相比,生物制剂可以通过阻断这些分子成功降低炎症、延缓疾病进程,从而改善患者的生活质量并最大限度地减少副作用。
ACEI:血管紧张素转换酶抑制剂 AKI:急性肾损伤 ARB:血管紧张素受体阻滞剂 ASCVD:动脉粥样硬化性心血管疾病 BP:血压 C/I:禁忌 CKD:慢性肾脏病 CKD-EPI:慢性肾脏病流行病学协作 CrCl:肌酐清除率 CV:心血管 CVD:心血管疾病 DKD:糖尿病相关肾脏疾病 DPP-4:二肽基肽酶-4 eGFR:估计肾小球滤过率 ESKD:终末期肾脏疾病 GI:胃肠道 GLP-1:胰高血糖素样肽-1
方法:Kdigo工作组更新了指南,其中包括审查和分级新的证据,这些证据已识别和总结。与以前的指南一样,工作组使用等级(建议评估,开发和评估)方法来评估证据并评估建议和专家判断的强度,以开发共识实践点。新证据导致糖尿病患者和CKD患者(第1章)和T2D和CKD患者(第4章)患者(第1章)和葡萄糖降低疗法的综合护理的建议更新。新证据没有改变糖尿病和CKD患者(第2章),糖尿病和CKD患者的生活方式干预措施(第3章)的血糖监测和目标的建议(第3章),以及糖尿病和CKD患者管理的方法(第5章)。
简单总结:慢性淋巴细胞白血病 (CLL) 的特征是异常 B 淋巴细胞在免疫系统的外周成分中积聚。尽管开发了新的 CLL 疗法,但仍会出现耐药性和疾病复发。在骨髓和次级淋巴组织中,白血病 B 细胞的运输、存活和增殖受与微环境的相互作用(通过细胞-细胞外基质相互作用、细胞-细胞接触和可溶性因子交换)的调节,并导致治疗耐药性。在这里,我们回顾了释放到这种微环境中的细胞外囊泡的生物学,以及肿瘤性 B 细胞与邻近或远程靶细胞之间的串扰。更好地了解细胞外囊泡在 CLL 进展和耐药性中的作用可能会为开发针对肿瘤细胞和肿瘤微环境之间的促存活对话的新型疗法提供机会。
4 md.devendran@gmail.com摘要:慢性肾脏病(CKD)是一个重大的全球健康问题,通常导致肾脏衰竭,需要昂贵的医疗治疗,例如透析或移植。早期检测CKD对于及时干预和改善患者预后至关重要。 该项目旨在开发基于机器学习的预测模型,以便在早期诊断CKD。 通过利用一系列临床特征,例如年龄,血压,血糖和其他相关的生物标志物,我们采用机器学习算法,包括决策树,随机森林和支持向量机(SVM),以预测患者开发CKD的患者的可能性。 本研究中使用的数据集包括具有各种肾脏状况的患者的病历,并应用了诸如归一化和缺失数据处理的预处理技术以确保模型的鲁棒性。 使用诸如准确性,精度,召回和F1得分等指标评估模型的性能,以确保可靠的预测。 这种方法不仅旨在提高诊断准确性,而且还提供了一个数据驱动的解决方案,以帮助医疗保健专业人员做出明智的决策。 该项目的结果可以有助于更好地管理CKD,最终有助于减轻医疗保健系统的负担并改善患者护理。早期检测CKD对于及时干预和改善患者预后至关重要。该项目旨在开发基于机器学习的预测模型,以便在早期诊断CKD。通过利用一系列临床特征,例如年龄,血压,血糖和其他相关的生物标志物,我们采用机器学习算法,包括决策树,随机森林和支持向量机(SVM),以预测患者开发CKD的患者的可能性。本研究中使用的数据集包括具有各种肾脏状况的患者的病历,并应用了诸如归一化和缺失数据处理的预处理技术以确保模型的鲁棒性。使用诸如准确性,精度,召回和F1得分等指标评估模型的性能,以确保可靠的预测。这种方法不仅旨在提高诊断准确性,而且还提供了一个数据驱动的解决方案,以帮助医疗保健专业人员做出明智的决策。该项目的结果可以有助于更好地管理CKD,最终有助于减轻医疗保健系统的负担并改善患者护理。