XiaoMi-AI文件搜索系统
World File Search Systemclin
基因替代可以改善小鼠和人类模型的细胞周期蛋白依赖激酶样5疾病
在发布政策中指定了此版本的手稿的重复使用条款和条件。可根据创意共享许可提供的作品可根据所述许可条款和条件使用。有关所有使用条款和更多信息，请参见发布者的网站。
用户友好的门户网站链接分子和临床数据以增强代谢性疾病研究
努力的关键部分是由Jiawei Zhong博士领导的。学生和Karolinska Institutet博士后研究员Danae Zareifi。他们确保可以通过标准化术语比较来自不同来源的数据。鉴于几乎没有蛋白质组学数据，它们还生成了新的蛋白质分析数据集，从而提高了门户网站验证基因活性发现的能力。
Fondazione Don Gnocchi的临床并发症量表用于对严重获得性脑损伤患者的临床并发症进行分类：发育和多中心验证
严重获得性脑损伤（SABI）的患者由于共存的认知运动残疾而表现出很高的临床复杂性，并且对日常生活活动的专业护理和依赖性很高（1，2）。此外，这些患者患临床并发症的风险很高，这可能导致急性护理病房重新院长的发生率很高（3），并使急性后的康复治疗变得困难（1）。Some patients with sABI can evolve from the comatose state to the prolonged Disorders of Consciousness (pDoC), which include patients in Vegetative State/Unresponsive Wakefulness Syndrome (VS/UWS; i.e., awake patients, but no evidence of conscious behaviors) ( 4 ), and patients in Minimally Conscious State (MCS; i.e., patients with minimal but reproducible intentional behaviors) ( 5 ）。对于患有SABI和PDOC的患者，最常见的临床并发症包括癫痫，呼吸道和生殖器尿液感染，Bedsores，Hypertonia，Heterotopic Ossifienation，Deep静脉血栓形成，心脏心脏和内分泌 - 代谢功能障碍（6-9）。这些临床并发症中的某些并发症会对生存率（例如，代谢性疾病），意识恢复（即癫痫）（6，10）和运动障碍的恢复（11）产生负面影响。基于这一证据，美国学院神经病学指南强烈建议识别临床并发症，以适当治疗它们并防止其恶化（12）。
预测人工智能对临床药房实践的影响人工智能对未来临床药学研究和奖学金的影响
1。美国国务院。人工智能（AI）。2024 www.state。gov/人工智力2。IBM。 什么是生成的AI？ 2024 https://research.ibm.com/blog/ what-is-generative-ai 3。 哈佛大学。 格里芬艺术与科学研究生院。 人工智能的历史。 2019 https://sitn.hms.harvard.edu/flash/ 2017/ history-tistory-arthercover-intelligence/4。 福布斯。 Chatgpt的简短历史：我们如何到达今天的位置。 2023 https://www.forbes.com/sites/bernardmarr/2023/05/ 19/a-short-hort-history-of-chatgpt-how-we-we-we-we-got-we-got-to-wor-wher-where-wher-where-wher-where-we-are-today/？ sh = 5abebd09674f 5。 Smoke S.药房中的人工智能：临床医生指南。 AM J Health-syst Pharm。 2024; 81：641 - 646。https：//doi.org/10.1093/ ajhp/zxae051 6。 Wong A，Flanagan T，Covington EW，Nguyen E，Linn DD，Brummel G等。 预测人工智能对临床伪类实践的影响。 J Am Coll Clin Pharm。 2025; 7（3）。 7。 射线pp。 chatgpt：有关背景，应用，关键挑战，偏见，道德，局限性和未来范围的全面审查。 网络网络系统。 2023; 3：121 - 154。https：//doi.org/10.1016/ j.iotcps.2023.04.003 8。 AI研究所。 语义学者。 2024 https：// www。 Spenticscholar.org/ 9。 div> 引起。 2024。https://elitic.com/10。 共识。 共识：AI搜索引擎进行研究。IBM。什么是生成的AI？2024 https://research.ibm.com/blog/ what-is-generative-ai 3。哈佛大学。 格里芬艺术与科学研究生院。 人工智能的历史。 2019 https://sitn.hms.harvard.edu/flash/ 2017/ history-tistory-arthercover-intelligence/4。 福布斯。 Chatgpt的简短历史：我们如何到达今天的位置。 2023 https://www.forbes.com/sites/bernardmarr/2023/05/ 19/a-short-hort-history-of-chatgpt-how-we-we-we-we-got-we-got-to-wor-wher-where-wher-where-wher-where-we-are-today/？ sh = 5abebd09674f 5。 Smoke S.药房中的人工智能：临床医生指南。 AM J Health-syst Pharm。 2024; 81：641 - 646。https：//doi.org/10.1093/ ajhp/zxae051 6。 Wong A，Flanagan T，Covington EW，Nguyen E，Linn DD，Brummel G等。 预测人工智能对临床伪类实践的影响。 J Am Coll Clin Pharm。 2025; 7（3）。 7。 射线pp。 chatgpt：有关背景，应用，关键挑战，偏见，道德，局限性和未来范围的全面审查。 网络网络系统。 2023; 3：121 - 154。https：//doi.org/10.1016/ j.iotcps.2023.04.003 8。 AI研究所。 语义学者。 2024 https：// www。 Spenticscholar.org/ 9。 div> 引起。 2024。https://elitic.com/10。 共识。 共识：AI搜索引擎进行研究。哈佛大学。格里芬艺术与科学研究生院。人工智能的历史。2019 https://sitn.hms.harvard.edu/flash/ 2017/ history-tistory-arthercover-intelligence/4。福布斯。Chatgpt的简短历史：我们如何到达今天的位置。2023 https://www.forbes.com/sites/bernardmarr/2023/05/ 19/a-short-hort-history-of-chatgpt-how-we-we-we-we-got-we-got-to-wor-wher-where-wher-where-wher-where-we-are-today/？sh = 5abebd09674f 5。Smoke S.药房中的人工智能：临床医生指南。AM J Health-syst Pharm。2024; 81：641 - 646。https：//doi.org/10.1093/ ajhp/zxae051 6。Wong A，Flanagan T，Covington EW，Nguyen E，Linn DD，Brummel G等。预测人工智能对临床伪类实践的影响。J Am Coll Clin Pharm。2025; 7（3）。7。射线pp。chatgpt：有关背景，应用，关键挑战，偏见，道德，局限性和未来范围的全面审查。网络网络系统。2023; 3：121 - 154。https：//doi.org/10.1016/ j.iotcps.2023.04.003 8。AI研究所。 语义学者。 2024 https：// www。 Spenticscholar.org/ 9。 div> 引起。 2024。https://elitic.com/10。 共识。 共识：AI搜索引擎进行研究。AI研究所。语义学者。2024 https：// www。Spenticscholar.org/ 9。 div>引起。2024。https://elitic.com/10。共识。共识：AI搜索引擎进行研究。2024 https：//ssensus.app/ 11。 div>福格尔DB。与临床试验相关的因素，这些试验失败和有机会改善成功的可能性：审查。当代临床试验。2018; 11：156 - 164。https：//doi.org/10.1016/j.conctc。2018.08.001 12。Lee CS，Lee Ay。 人工智能如何转化随机对照试验。 Transl vis Sci技术。 2020; 9（2）：9。 https://doi.org/ 10.1167/tvst.9.2.9 13。 Weissler EH，Naumann T，Andersson T，Ranganath R，Elemento O，Luo Y等。 机器学习在临床研究中的作用：转移证据生成的未来。 试验。 2021; 22（1）：537。 https://doi.org/10.1186/s13063-021-05489-x 14。 hripcsak G，Austin JH，Alderson PO，FriedmanC。使用自然语言处理来转换889,921个胸部X光学报告的数据库中的临床信息。 放射学。 2002; 224（1）：157 - 163。https：//doi.org/10.1148/radiol.2241011118Lee CS，Lee Ay。人工智能如何转化随机对照试验。Transl vis Sci技术。2020; 9（2）：9。 https://doi.org/ 10.1167/tvst.9.2.9 13。Weissler EH，Naumann T，Andersson T，Ranganath R，Elemento O，Luo Y等。机器学习在临床研究中的作用：转移证据生成的未来。试验。2021; 22（1）：537。 https://doi.org/10.1186/s13063-021-05489-x 14。hripcsak G，Austin JH，Alderson PO，FriedmanC。使用自然语言处理来转换889,921个胸部X光学报告的数据库中的临床信息。放射学。2002; 224（1）：157 - 163。https：//doi.org/10.1148/radiol.2241011118
Paul F. Parker Medal
2。Tran BX，Vu GT，Ha GH，Vuong QH，Ho MT，Vuong TT等。健康和医学研究中人工智能研究的全球发展：一项文献计量学研究。J Clin Med。 2019; 8（3）：360。 https://doi.org/10。 3390/jcm8030360 3。 Dipiro JT，Nesbit TW，Reuland C，Cunningham FE，Schweitzer P，Chisholm-Burns MA等。 ASHP基金会药房预测2023：医院和卫生系统的药学部门战略规划指南。 AM J Health-syst Pharm。 2023; 90（2）：10 - 35。https：//doi.org/10.1093/ajhp/zxac274 4。 Wong A，Wentz E，Palisano N，Dirani M，Elsamadisi P，Qashou F等。 人工智能在药房实践中的作用：叙事评论。 J Am Coll Clin Pharm。 2023; 6（11）：1237 - 1250。https：//doi.org/10。 1002/jac5.1856 5。 美国临床药学院。 临床药剂师的实践标准。 J Am Coll Clin Pharm。 2023; 6（10）：1156 - 1159。https：//doi.org/10.1002/jac5.1873 6。 Huynh S，Rush L，Dadalias D，Githinji D，Ta M，Poole SG等。 时间和运动研究量化心脏病学，呼吸和老年临床药剂师的活性。 J Pharm ruth Res。 2022; 52（5）：383 - 390。https：//doi.org/10.1002/jppr.1825 7。 Wong D，Feere A，Yousefi V，Partovi N，Dahri K. Phar-Macists Hospital Phar-Macist的时间如何：一项工作采样研究。 可以Josp Pharm。 2020; 73（4）：272 - 278。 8。 Am J Health-Syst Pharm。 药房从业者联合委员会。J Clin Med。2019; 8（3）：360。 https://doi.org/10。3390/jcm8030360 3。Dipiro JT，Nesbit TW，Reuland C，Cunningham FE，Schweitzer P，Chisholm-Burns MA等。ASHP基金会药房预测2023：医院和卫生系统的药学部门战略规划指南。AM J Health-syst Pharm。2023; 90（2）：10 - 35。https：//doi.org/10.1093/ajhp/zxac274 4。Wong A，Wentz E，Palisano N，Dirani M，Elsamadisi P，Qashou F等。 人工智能在药房实践中的作用：叙事评论。 J Am Coll Clin Pharm。 2023; 6（11）：1237 - 1250。https：//doi.org/10。 1002/jac5.1856 5。 美国临床药学院。 临床药剂师的实践标准。 J Am Coll Clin Pharm。 2023; 6（10）：1156 - 1159。https：//doi.org/10.1002/jac5.1873 6。 Huynh S，Rush L，Dadalias D，Githinji D，Ta M，Poole SG等。 时间和运动研究量化心脏病学，呼吸和老年临床药剂师的活性。 J Pharm ruth Res。 2022; 52（5）：383 - 390。https：//doi.org/10.1002/jppr.1825 7。 Wong D，Feere A，Yousefi V，Partovi N，Dahri K. Phar-Macists Hospital Phar-Macist的时间如何：一项工作采样研究。 可以Josp Pharm。 2020; 73（4）：272 - 278。 8。 Am J Health-Syst Pharm。 药房从业者联合委员会。Wong A，Wentz E，Palisano N，Dirani M，Elsamadisi P，Qashou F等。人工智能在药房实践中的作用：叙事评论。J Am Coll Clin Pharm。2023; 6（11）：1237 - 1250。https：//doi.org/10。1002/jac5.1856 5。美国临床药学院。临床药剂师的实践标准。J Am Coll Clin Pharm。2023; 6（10）：1156 - 1159。https：//doi.org/10.1002/jac5.1873 6。Huynh S，Rush L，Dadalias D，Githinji D，Ta M，Poole SG等。时间和运动研究量化心脏病学，呼吸和老年临床药剂师的活性。J Pharm ruth Res。2022; 52（5）：383 - 390。https：//doi.org/10.1002/jppr.1825 7。Wong D，Feere A，Yousefi V，Partovi N，Dahri K. Phar-Macists Hospital Phar-Macist的时间如何：一项工作采样研究。 可以Josp Pharm。 2020; 73（4）：272 - 278。 8。 Am J Health-Syst Pharm。 药房从业者联合委员会。Wong D，Feere A，Yousefi V，Partovi N，Dahri K. Phar-Macists Hospital Phar-Macist的时间如何：一项工作采样研究。可以Josp Pharm。 2020; 73（4）：272 - 278。 8。 Am J Health-Syst Pharm。 药房从业者联合委员会。可以Josp Pharm。2020; 73（4）：272 - 278。8。Am J Health-Syst Pharm。药房从业者联合委员会。Lee JS，Nickman NA，PaceM。通过自我报告的工作抽样评估血液学/肿瘤学临床药物活动。 2022; 79（12）：960 - 968。https：//doi.org/10.1093/ajhp/ ZXAC057 9。 Mott DA，Arya V，Bakken BK，Doucette WR，Gaither CA，Kreling DH等。 2022年国家药剂师劳动力研究的最终报告。 2024 https://www.aacp.org/article/national-pharmacist-wortforce-研究10。 药剂师的患者护理过程。 2024 https://jcpp.net/patient-care-process/11。 Wang Z，Ong CLJ，Fu Z. AI模型以协助万古霉素剂量滴定。 前药。 2022; 13：801928。 https://doi.org/10.3389/ fphar.2022.801928 12。 Cai T，Anceschi U，Prata F，Collini L，Brugnolli A，Migno S等。 人工智能可以指导复发性UTI中的抗生素选择，并成为改善抗微生物管理的重要帮助。 反对Biot Basel Switz。 2023; 12（2）：375。 https://doi.org/10.3390/抗生素112020375 13。 Hu Y，Huerta J，Cordella N，Mishuris RG，Paschalidis IC。 通过数据驱动模型提出的个性化高血压治疗建议。 BMC Med Infors Decis Mak。 2023; 23（1）：44。 https://doi.org/10.1186/ S12911-023-02137-Z 14。 nayak A，Vakili S，Nayak K，Nikolov M，Chiu M，Sosseinheimer P等。 使用基于语音的对话人工智能在2型糖尿病患者中使用基础胰岛素处方管理：一项随机临床试验。 JAMA NetW Open。 2023; 6（12）：E2340232。 https://doi.org/10.1001/jamanetworkopen.2023.40232 15。 nat Med。Lee JS，Nickman NA，PaceM。通过自我报告的工作抽样评估血液学/肿瘤学临床药物活动。2022; 79（12）：960 - 968。https：//doi.org/10.1093/ajhp/ ZXAC057 9。Mott DA，Arya V，Bakken BK，Doucette WR，Gaither CA，Kreling DH等。2022年国家药剂师劳动力研究的最终报告。2024 https://www.aacp.org/article/national-pharmacist-wortforce-研究10。药剂师的患者护理过程。2024 https://jcpp.net/patient-care-process/11。Wang Z，Ong CLJ，Fu Z. AI模型以协助万古霉素剂量滴定。前药。2022; 13：801928。 https://doi.org/10.3389/ fphar.2022.801928 12。Cai T，Anceschi U，Prata F，Collini L，Brugnolli A，Migno S等。人工智能可以指导复发性UTI中的抗生素选择，并成为改善抗微生物管理的重要帮助。反对Biot Basel Switz。2023; 12（2）：375。 https://doi.org/10.3390/抗生素112020375 13。Hu Y，Huerta J，Cordella N，Mishuris RG，Paschalidis IC。通过数据驱动模型提出的个性化高血压治疗建议。BMC Med Infors Decis Mak。 2023; 23（1）：44。 https://doi.org/10.1186/ S12911-023-02137-Z 14。 nayak A，Vakili S，Nayak K，Nikolov M，Chiu M，Sosseinheimer P等。 使用基于语音的对话人工智能在2型糖尿病患者中使用基础胰岛素处方管理：一项随机临床试验。 JAMA NetW Open。 2023; 6（12）：E2340232。 https://doi.org/10.1001/jamanetworkopen.2023.40232 15。 nat Med。BMC Med Infors Decis Mak。2023; 23（1）：44。 https://doi.org/10.1186/ S12911-023-02137-Z 14。nayak A，Vakili S，Nayak K，Nikolov M，Chiu M，Sosseinheimer P等。使用基于语音的对话人工智能在2型糖尿病患者中使用基础胰岛素处方管理：一项随机临床试验。JAMA NetW Open。 2023; 6（12）：E2340232。 https://doi.org/10.1001/jamanetworkopen.2023.40232 15。 nat Med。JAMA NetW Open。2023; 6（12）：E2340232。https://doi.org/10.1001/jamanetworkopen.2023.40232 15。nat Med。Akyon SH，Akyon FC，Yılmazte。人工智能 - 支持的Web应用程序设计和开发，用于减少多药副作用并支持老年患者的合理药物使用。前医学（Lausanne）。2023; 10：1029198。 https://doi.org/10.3389/ fmed.2023.1029198 16。Fragasso T，Raggi V，Passaro D，Tardella L，Lasinio GJ，Ricci Z.在儿科心脏重症监护病房中预测通过人工智能驱动的模型预测急性肾脏损伤。J Anesth肛门crit护理。2023; 3（1）：37。 https://doi.org/10.1186/s44158-023-00125-3 17。Yao X，Rushlow DR，Inselman JW，McCoy RG，Thacher TD，Behnken EM等。具有人工智能的心电图，用于鉴定低射血分数患者：一项务实的，随机的临床试验。2021; 27（5）：815 - 819。https：// doi。org/10.1038/s41591-021-01335-4
血液神经丝水平预测阿尔茨海默氏病连续体的认知能力下降
1个临床蛋白质的实验室和平台，蒙彼利埃大学，INM Inserm，Irmb Chu de Montpellier，80 AV Fliche，F-34295，法国Montpellier，法国； constance.delaby@inserm.fr 2 Univ。里尔，Inserm，Chu Lille，UMR-S-U1172，Fortile，Lille Neuroscience＆Cognition，Labex Distalz，F-59000 Lille，法国； susanna.schraen@inserm.fr（S.S.-M。）; stephanie.brobois@aphp.fr（S.B.）3巴黎大学，Inserm U1144，GHU APHP中心，Hopital Broca，记忆资源和研究中心德国巴黎 - 布罗卡 - 布罗卡 - 布罗卡 - 德国，F-75013法国巴黎； jean-sebastien.vidal@aphp.fr（J.-S.V.）; olivier.hanon@aphp.fr（O.H.）： +33-（0）4-67-33-71-244斯特拉斯堡大学，斯特拉斯堡大学皮塔利亚大学，记忆资源与研究，法国国家科学中心（CNRS）（CNRS），ICUBE实验室UMR7357和转化型Méticinede Stersbourg（FMTS），Team Multimimimodimodimodimodalimodal inmodal inmodal inmodal Imodal Impodal Impodal Impodal（Ims），F-677 000; ims），F-677 000; f.blanc@unistra.fr 5巴黎大学，INSERM U1144，GHU APHP NORDLARIBOISIèRefernandwidal，认知神经病学中心，法国F-75010，法国巴黎； claire.paquet@aphp.fr 6巴黎大学，精神病学与神经科学研究所，Inserm，UMR-S 1266，F-75014法国巴黎； allinquant.bernadette@neuf.fr 7援助公共 - 帕里斯（AP-HP），DéInteiennede Neurolologie，中心，DES DES DES认知和行为，g piti-pitié-salp（g piti-salp） Neurology，神经病学系INM神经副总监团队，卓越神经退行性疾病中心，法国F-34000 Montpellier； a-gabelle@chu-montpellier.fr 9 Sant Pau存储单元，医院De la Santa Creu I Sant Pau，生物医学研究所Sant Pau，Sant aut Aut aut Aut taut aut taut aut tautaut aut Aut tausitatation：sylvain.lehmann@umontpellier.fr;这样的。
l-dopa诱导的基质爆发动力学变化与帕金森氏病的个别临床改善有关
1。Aix Marseille Univ，CNRS，INT，Timone神经科学研究所，13005年，法国马赛。2。aix-marseille大学，INSERM，IN系统神经科学研究所，13005，法国马赛3.中央梅迪特拉纳（CentralMéditerranée），13013，法国马赛。4。APHM，Marseille大学医院，蒂莫尼神经病学和运动障碍系医院，法国13005，法国。5。Strasbourg大学认知和适应性神经科学实验室，法国67000 Strasbourg。6。非线性物理和数学模型单位，工程系，校园生物媒体罗马大学，意大利00128。7。法国马赛13005年，蒂莫尼大学医院的功能和立体神经外科医学手术单元癫痫学，功能性和立体定向性神经外科。8。AIX Marseille大学，UMR Inserm 1106，功能性神经外科部，13005年，法国马赛。¡高级作者 *相应的作者：hasnae.agouram@univ-amu.fr，pierpaolo.sorrentino@univ-amu.fr
评估胸喹酮癌症化学预防对口服白细胞的影响：一项随机临床试验
目的：这项随机临床试验旨在研究胸腺喹酮在Nigella sativa提取物中的化学预防性作用，在临床上，组织学和分子水平上管理口服白细胞。方法：总共将48例口服白血病患者随机分配给三组； A组以10 mg/kg的剂量接受了三个月的Nigella sativa提取物，持续了三个月，B组相同的干预措施，但使用Nigella sativa提取物为5 mg/kg剂量，最后C组是安慰剂组。评估的结果是通过免疫组织化学进行的临床改善，组织学改善（发育不良程度）和分子生物标志物KI-67和caspase-3。结果：与安慰剂组相比，A组和B组病变大小的统计学显着降低。在分子水平上，与安慰剂组相比，两个尼氏菌组组的KI-67表达在统计学上显着降低。与其他组相比，A组A组中caspase-3的统计学显着增加。结论：Nigella sativa提取物中的胸喹酮是一种有前途的化学预防剂，可用于口服白细胞的管理（该试验在临床上进行了注册。