XiaoMi-AI文件搜索系统
World File Search Systemclinical
患者的角色并在临床试验中使用PED/PROS
Abbott，贝丝以色列执事医学中心，概念医疗，Cordis，CPC临床研究，Elixir Medical，Faraday Pharmaceuticals，Faraday Pharmaceuticals，Fidorsia Pharmaceuticals，Janssen，Janssen，Medalliance，Media Sphere，Media Sphere Medical，Medtronic，Medtronic，Noktronic，Nokembis GMBH，Incccs inccc
定义临床前和前驱额颞痴呆的定义的概念框架
6。Baizabal-Carvallo JF，帕金森主义Jankovicj。额颞痴呆中的运动和遗传学的动荡和遗传学。nat Rev Neurol。2016; 12：175-185。 7。 Lomen-Hoerth C，Anderson T，Miller B. 杏仁性的侧面硬化症和额颞痴呆的重叠。 神经病学。 2002; 59：1077-1079。 8。 Dubois B，Feldman HH，Jacova C等。 促进阿尔茨海默氏病的研究诊断标准：IWG-2标准。 柳叶刀神经。 2014; 13：614-629。 9。 Jack CR，Bennett DA，Blennow K等。 NIA-AA研究框架：迈向对阿尔茨海默氏病的生物学定义。 阿尔茨海默氏症痴呆症。 2018; 14：535-562。 10。 Borroni B，Padovani A.痴呆症：一种用于FTLD中分子诊断的新算法。 nat Rev Neurol。 2013; 9：241-242。 11。 Rademakers R，Neumann M，Mackenzie IR。 了解额颞痴呆的分子基础的进步。 nat Rev Neurol。 2012; 8：423-434。 12。 Moore KM，Nicholas J，Grossman M等。 症状发作时的年龄以及遗传额颞范围的死亡与疾病持续时间：国际回顾性队列研究。 柳叶刀神经。 2020; 19：145-156。 13。 Premi E，Grassi M，Van Swieten J等。 认知储备和TMEM106B基因型调节症状额颞痴呆中的脑损伤：一项Genfi研究。 大脑。 2017; 140：1784-1791。2016; 12：175-185。7。Lomen-Hoerth C，Anderson T，Miller B.杏仁性的侧面硬化症和额颞痴呆的重叠。神经病学。2002; 59：1077-1079。 8。 Dubois B，Feldman HH，Jacova C等。 促进阿尔茨海默氏病的研究诊断标准：IWG-2标准。 柳叶刀神经。 2014; 13：614-629。 9。 Jack CR，Bennett DA，Blennow K等。 NIA-AA研究框架：迈向对阿尔茨海默氏病的生物学定义。 阿尔茨海默氏症痴呆症。 2018; 14：535-562。 10。 Borroni B，Padovani A.痴呆症：一种用于FTLD中分子诊断的新算法。 nat Rev Neurol。 2013; 9：241-242。 11。 Rademakers R，Neumann M，Mackenzie IR。 了解额颞痴呆的分子基础的进步。 nat Rev Neurol。 2012; 8：423-434。 12。 Moore KM，Nicholas J，Grossman M等。 症状发作时的年龄以及遗传额颞范围的死亡与疾病持续时间：国际回顾性队列研究。 柳叶刀神经。 2020; 19：145-156。 13。 Premi E，Grassi M，Van Swieten J等。 认知储备和TMEM106B基因型调节症状额颞痴呆中的脑损伤：一项Genfi研究。 大脑。 2017; 140：1784-1791。2002; 59：1077-1079。8。Dubois B，Feldman HH，Jacova C等。促进阿尔茨海默氏病的研究诊断标准：IWG-2标准。柳叶刀神经。2014; 13：614-629。9。Jack CR，Bennett DA，Blennow K等。 NIA-AA研究框架：迈向对阿尔茨海默氏病的生物学定义。 阿尔茨海默氏症痴呆症。 2018; 14：535-562。 10。 Borroni B，Padovani A.痴呆症：一种用于FTLD中分子诊断的新算法。 nat Rev Neurol。 2013; 9：241-242。 11。 Rademakers R，Neumann M，Mackenzie IR。 了解额颞痴呆的分子基础的进步。 nat Rev Neurol。 2012; 8：423-434。 12。 Moore KM，Nicholas J，Grossman M等。 症状发作时的年龄以及遗传额颞范围的死亡与疾病持续时间：国际回顾性队列研究。 柳叶刀神经。 2020; 19：145-156。 13。 Premi E，Grassi M，Van Swieten J等。 认知储备和TMEM106B基因型调节症状额颞痴呆中的脑损伤：一项Genfi研究。 大脑。 2017; 140：1784-1791。Jack CR，Bennett DA，Blennow K等。NIA-AA研究框架：迈向对阿尔茨海默氏病的生物学定义。阿尔茨海默氏症痴呆症。2018; 14：535-562。 10。 Borroni B，Padovani A.痴呆症：一种用于FTLD中分子诊断的新算法。 nat Rev Neurol。 2013; 9：241-242。 11。 Rademakers R，Neumann M，Mackenzie IR。 了解额颞痴呆的分子基础的进步。 nat Rev Neurol。 2012; 8：423-434。 12。 Moore KM，Nicholas J，Grossman M等。 症状发作时的年龄以及遗传额颞范围的死亡与疾病持续时间：国际回顾性队列研究。 柳叶刀神经。 2020; 19：145-156。 13。 Premi E，Grassi M，Van Swieten J等。 认知储备和TMEM106B基因型调节症状额颞痴呆中的脑损伤：一项Genfi研究。 大脑。 2017; 140：1784-1791。2018; 14：535-562。10。Borroni B，Padovani A.痴呆症：一种用于FTLD中分子诊断的新算法。nat Rev Neurol。2013; 9：241-242。 11。 Rademakers R，Neumann M，Mackenzie IR。 了解额颞痴呆的分子基础的进步。 nat Rev Neurol。 2012; 8：423-434。 12。 Moore KM，Nicholas J，Grossman M等。 症状发作时的年龄以及遗传额颞范围的死亡与疾病持续时间：国际回顾性队列研究。 柳叶刀神经。 2020; 19：145-156。 13。 Premi E，Grassi M，Van Swieten J等。 认知储备和TMEM106B基因型调节症状额颞痴呆中的脑损伤：一项Genfi研究。 大脑。 2017; 140：1784-1791。2013; 9：241-242。11。Rademakers R，Neumann M，Mackenzie IR。了解额颞痴呆的分子基础的进步。nat Rev Neurol。2012; 8：423-434。 12。 Moore KM，Nicholas J，Grossman M等。 症状发作时的年龄以及遗传额颞范围的死亡与疾病持续时间：国际回顾性队列研究。 柳叶刀神经。 2020; 19：145-156。 13。 Premi E，Grassi M，Van Swieten J等。 认知储备和TMEM106B基因型调节症状额颞痴呆中的脑损伤：一项Genfi研究。 大脑。 2017; 140：1784-1791。2012; 8：423-434。12。Moore KM，Nicholas J，Grossman M等。症状发作时的年龄以及遗传额颞范围的死亡与疾病持续时间：国际回顾性队列研究。柳叶刀神经。2020; 19：145-156。13。Premi E，Grassi M，Van Swieten J等。认知储备和TMEM106B基因型调节症状额颞痴呆中的脑损伤：一项Genfi研究。大脑。 2017; 140：1784-1791。大脑。2017; 140：1784-1791。14。Rohrer JD，Nicholas JM，Cash DM等。在遗传额颞痴呆倡议（GENFI）研究中，遗传额颞痴呆症的症状性认知和神经解剖学变化：横断面分析。柳叶刀神经。2015; 14：253-262。 15。 STACKARONI AM，COBIGO Y，GOH S-EM等。 个性化的动物分数可以预测家族性额颞叶变性中的痴呆发作。 阿尔茨海默氏症的痴呆症。 2020; 16：37-48。 16。 Pottier C，Zhou X，Perkerson III RB等。 额颞Lobar变性和GRN突变患者的疾病风险和年龄的潜在遗传改性剂：全基因组关联研究。 柳叶刀神经。 2018; 17：548-558。 17。 Ibanez A，Parra MA，ButlerforC。拉丁美洲和加勒比海痴呆症联盟（LAC-CD）：从网络到研究再到实施科学。 j阿尔茨海默氏症。 2021：1-16。 18。 Ibanez A，Yokoyama JS，Possin KL等。 多方共同体扩大拉丁美洲痴呆症研究（Redlat）：驱动多中心研究和实施科学。 前神经。 2021; 12：1-16。 19。 Parra MA，Baez S，SedeñoL等。 拉丁美洲的痴呆症：铺平了迈向区域行动计划的道路。 阿尔茨海默氏症的痴呆症。 2021; 17：295-313。 20。 Ryan B，Baker A，Ilse C等。 诊断临床前痴呆症：NZ遗传额颞痴呆研究（FTDGENZ）。 21。2015; 14：253-262。15。STACKARONI AM，COBIGO Y，GOH S-EM等。个性化的动物分数可以预测家族性额颞叶变性中的痴呆发作。阿尔茨海默氏症的痴呆症。2020; 16：37-48。16。Pottier C，Zhou X，Perkerson III RB等。额颞Lobar变性和GRN突变患者的疾病风险和年龄的潜在遗传改性剂：全基因组关联研究。柳叶刀神经。2018; 17：548-558。 17。 Ibanez A，Parra MA，ButlerforC。拉丁美洲和加勒比海痴呆症联盟（LAC-CD）：从网络到研究再到实施科学。 j阿尔茨海默氏症。 2021：1-16。 18。 Ibanez A，Yokoyama JS，Possin KL等。 多方共同体扩大拉丁美洲痴呆症研究（Redlat）：驱动多中心研究和实施科学。 前神经。 2021; 12：1-16。 19。 Parra MA，Baez S，SedeñoL等。 拉丁美洲的痴呆症：铺平了迈向区域行动计划的道路。 阿尔茨海默氏症的痴呆症。 2021; 17：295-313。 20。 Ryan B，Baker A，Ilse C等。 诊断临床前痴呆症：NZ遗传额颞痴呆研究（FTDGENZ）。 21。2018; 17：548-558。17。Ibanez A，Parra MA，ButlerforC。拉丁美洲和加勒比海痴呆症联盟（LAC-CD）：从网络到研究再到实施科学。 j阿尔茨海默氏症。 2021：1-16。 18。 Ibanez A，Yokoyama JS，Possin KL等。 多方共同体扩大拉丁美洲痴呆症研究（Redlat）：驱动多中心研究和实施科学。 前神经。 2021; 12：1-16。 19。 Parra MA，Baez S，SedeñoL等。 拉丁美洲的痴呆症：铺平了迈向区域行动计划的道路。 阿尔茨海默氏症的痴呆症。 2021; 17：295-313。 20。 Ryan B，Baker A，Ilse C等。 诊断临床前痴呆症：NZ遗传额颞痴呆研究（FTDGENZ）。 21。Ibanez A，Parra MA，ButlerforC。拉丁美洲和加勒比海痴呆症联盟（LAC-CD）：从网络到研究再到实施科学。j阿尔茨海默氏症。2021：1-16。18。Ibanez A，Yokoyama JS，Possin KL等。 多方共同体扩大拉丁美洲痴呆症研究（Redlat）：驱动多中心研究和实施科学。 前神经。 2021; 12：1-16。 19。 Parra MA，Baez S，SedeñoL等。 拉丁美洲的痴呆症：铺平了迈向区域行动计划的道路。 阿尔茨海默氏症的痴呆症。 2021; 17：295-313。 20。 Ryan B，Baker A，Ilse C等。 诊断临床前痴呆症：NZ遗传额颞痴呆研究（FTDGENZ）。 21。Ibanez A，Yokoyama JS，Possin KL等。多方共同体扩大拉丁美洲痴呆症研究（Redlat）：驱动多中心研究和实施科学。前神经。2021; 12：1-16。19。Parra MA，Baez S，SedeñoL等。 拉丁美洲的痴呆症：铺平了迈向区域行动计划的道路。 阿尔茨海默氏症的痴呆症。 2021; 17：295-313。 20。 Ryan B，Baker A，Ilse C等。 诊断临床前痴呆症：NZ遗传额颞痴呆研究（FTDGENZ）。 21。Parra MA，Baez S，SedeñoL等。拉丁美洲的痴呆症：铺平了迈向区域行动计划的道路。阿尔茨海默氏症的痴呆症。2021; 17：295-313。20。Ryan B，Baker A，Ilse C等。 诊断临床前痴呆症：NZ遗传额颞痴呆研究（FTDGENZ）。 21。Ryan B，Baker A，Ilse C等。诊断临床前痴呆症：NZ遗传额颞痴呆研究（FTDGENZ）。21。n Z Med J。2018; 131：88-91。 Mackenzie IR，Neumann M.皮层下TDP-43病理学验证皮质FTLD-TDP亚型，并展示了C9orf72突变病例的独特方面。 acta neuropathol。 2020; 139：83-98。 22。 Jones DT，Knopman DS，Graff-Radford J等。 在体内18F-AV-1451 tau PET信号中的Maptmmuntriers中的tau PET信号随预期的tau iso形式而变化。 神经病学。 2018; 90：E947-54。 23。 Bevan-Jones RW，Cope TE，Jones SP等。 [18 f] AV-1451结合在额颞痴呆中增加，这是由于C9ORF72膨胀引起的。 Ann Clin Transl Neurol。 2018; 5：1292-1296。 24。 Karikari T，Pascoal T，Ashton N等。 等离子磷酸-TAU181作为阿尔茨海默氏病的生物标志物：使用来自四个前瞻性队列的数据的开发和验证预测模型。 柳叶刀神经。 2020。在印刷中。 25。 Janelidze S，Mattsson N，Palmqvist S等。 血浆P-TAU181在阿尔茨海默氏病中：与其他生物标志物的关系，2018; 131：88-91。Mackenzie IR，Neumann M.皮层下TDP-43病理学验证皮质FTLD-TDP亚型，并展示了C9orf72突变病例的独特方面。acta neuropathol。2020; 139：83-98。22。Jones DT，Knopman DS，Graff-Radford J等。 在体内18F-AV-1451 tau PET信号中的Maptmmuntriers中的tau PET信号随预期的tau iso形式而变化。 神经病学。 2018; 90：E947-54。 23。 Bevan-Jones RW，Cope TE，Jones SP等。 [18 f] AV-1451结合在额颞痴呆中增加，这是由于C9ORF72膨胀引起的。 Ann Clin Transl Neurol。 2018; 5：1292-1296。 24。 Karikari T，Pascoal T，Ashton N等。 等离子磷酸-TAU181作为阿尔茨海默氏病的生物标志物：使用来自四个前瞻性队列的数据的开发和验证预测模型。 柳叶刀神经。 2020。在印刷中。 25。 Janelidze S，Mattsson N，Palmqvist S等。 血浆P-TAU181在阿尔茨海默氏病中：与其他生物标志物的关系，Jones DT，Knopman DS，Graff-Radford J等。在体内18F-AV-1451 tau PET信号中的Maptmmuntriers中的tau PET信号随预期的tau iso形式而变化。神经病学。2018; 90：E947-54。 23。 Bevan-Jones RW，Cope TE，Jones SP等。 [18 f] AV-1451结合在额颞痴呆中增加，这是由于C9ORF72膨胀引起的。 Ann Clin Transl Neurol。 2018; 5：1292-1296。 24。 Karikari T，Pascoal T，Ashton N等。 等离子磷酸-TAU181作为阿尔茨海默氏病的生物标志物：使用来自四个前瞻性队列的数据的开发和验证预测模型。 柳叶刀神经。 2020。在印刷中。 25。 Janelidze S，Mattsson N，Palmqvist S等。 血浆P-TAU181在阿尔茨海默氏病中：与其他生物标志物的关系，2018; 90：E947-54。23。Bevan-Jones RW，Cope TE，Jones SP等。[18 f] AV-1451结合在额颞痴呆中增加，这是由于C9ORF72膨胀引起的。Ann Clin Transl Neurol。 2018; 5：1292-1296。 24。 Karikari T，Pascoal T，Ashton N等。 等离子磷酸-TAU181作为阿尔茨海默氏病的生物标志物：使用来自四个前瞻性队列的数据的开发和验证预测模型。 柳叶刀神经。 2020。在印刷中。 25。 Janelidze S，Mattsson N，Palmqvist S等。 血浆P-TAU181在阿尔茨海默氏病中：与其他生物标志物的关系，Ann Clin Transl Neurol。2018; 5：1292-1296。 24。 Karikari T，Pascoal T，Ashton N等。 等离子磷酸-TAU181作为阿尔茨海默氏病的生物标志物：使用来自四个前瞻性队列的数据的开发和验证预测模型。 柳叶刀神经。 2020。在印刷中。 25。 Janelidze S，Mattsson N，Palmqvist S等。 血浆P-TAU181在阿尔茨海默氏病中：与其他生物标志物的关系，2018; 5：1292-1296。24。Karikari T，Pascoal T，Ashton N等。 等离子磷酸-TAU181作为阿尔茨海默氏病的生物标志物：使用来自四个前瞻性队列的数据的开发和验证预测模型。 柳叶刀神经。 2020。在印刷中。 25。 Janelidze S，Mattsson N，Palmqvist S等。 血浆P-TAU181在阿尔茨海默氏病中：与其他生物标志物的关系，Karikari T，Pascoal T，Ashton N等。等离子磷酸-TAU181作为阿尔茨海默氏病的生物标志物：使用来自四个前瞻性队列的数据的开发和验证预测模型。柳叶刀神经。2020。在印刷中。25。Janelidze S，Mattsson N，Palmqvist S等。血浆P-TAU181在阿尔茨海默氏病中：与其他生物标志物的关系，
人工智能在临床实践中的作用
机器学习的方法被称为深度学习 (DL)，包括人工神经网络 (ANN) 和卷积神经网络 (CNN)。以下流程图（图 2 和图 3）解释了人工智能中每个组件的作用。机器学习 (ML) 方法可分为三种学习类型：监督学习、无监督学习和强化学习。第一种类型用于分类或预测任务，而第二种类型则有助于识别数据中隐藏的模式。强化学习基于先前的学习版本来最大化奖励。深度学习 (DL) 利用算法，利用 CNN 自动从输入数据中提取相关信息，从而无需手动识别和提取特征。DL 在医学疾病诊断和个性化治疗建议方面已显示出良好的前景。例如，在正畸领域，基于人工智能的多模块诊断系统已经出现，例如 Diagnocat Ltd.，它使用 CNN 进行精确的牙科诊断。深度学习模型可通过检测 CBCT 图像中的根尖病变来帮助检测龋齿和牙髓病，从而有助于临床工作流程。2
人工智能在临床实践中的作用
机器能够学习的方法称为深度学习（DL），其中包括人工神经网络（ANN）和复杂的神经网络（CNN）。以下流动（图2和3）解释了人工智能中涉及的每个组件的作用。机器学习（ML）方法可以分为三种类型的学习，可以监督，无监督和加强。第一种类型用于分类或预测任务，而第二种类型的有助于实现数据隐藏模式。增强学习根据以前的学习版本最大化奖励。深度学习（DL）利用CNN可以自动从输入数据中提取相关信息，从而消除了对手动特征识别和提取的需求。dl在医学疾病诊断和个性化治疗建议中表现出了希望。例如，在正畸中，已经出现了基于AI的多模块化诊断系统，例如Diagnocat Ltd.，该系统使用CNN进行精确的牙科诊断。DL模型通过检测CBCT图像中的根尖细胞病变来帮助龋齿检测和牙髓受累，这可能有助于临床工作。2
人工智能驱动的临床决策支持系统
随着人工智能（AI）越来越嵌入医疗保健服务中，本章探讨了开发可靠和道德临床决策系统（CDSS）的关键方面。从从传统统计模型到复杂的机器学习方法的基本过渡开始，这项工作研究了严格的验证策略和绩效评估方法，包括模型校准和决策曲线分析的关键作用。本章强调，在医疗保健中创建值得信赖的AI系统不仅需要技术准确性。它需要仔细考虑公平，解释性和隐私。强调通过AI确保公平的医疗保健提供的挑战，讨论识别和减轻临床预测模型中偏见的方法。然后，本章将解释性挖掘为以人为中心的CDS的基石。此重点反映了这样的理解，即医疗保健专业人员不仅必须信任AI建议，而且还必须理解其基本推理。对医学AI系统隐私漏洞的分析，从深度学习模型中的数据泄漏到针对模型解释的复杂攻击。本文探讨了隐私保护策略，例如差异隐私和联合学习，同时承认隐私保护和模型绩效之间的固有权衡。从技术验证到道德考虑，这种进步反映了开发AI系统的多方面挑战，这些系统可以无缝且可靠地整合到日常临床实践中，同时保持患者护理和数据保护的最高标准。
SARS-CoV-2、BIV1-CovIran 灭活病毒颗粒疫苗的有效性和安全性：随机、安慰剂对照、双盲、多中心、 3 期临床试验
结果 招募了 20 000 名参与者，并随机分配接受 BIV1-CovIran（n=13 335（66.7%））或安慰剂（n=6 665（33.3%））。参与者的平均年龄为 38.3 岁（标准差 11.2），其中 6 913 人（34.6%）为女性。在随访期间（中位数为 83 天）报告感染新冠肺炎的接种疫苗参与者中，758 人（5.9%）出现症状，144 人（1.1%）感染严重，7 人（0.1%）病情危急。在随访期间接受安慰剂的参与者中，688 人（10.7%）出现症状，221 人（3.4%）感染严重，19 人（0.3%）病情危急。对有症状的 covid-19 的总体有效率为 50.2%（95% 置信区间为 44.7% 至 55.0%），对重症疾病的总有效率为 70.5%（63.7% 至 76.1%），对危重病例的总有效率为 83.1%（61.2% 至 93.5%）。安慰剂组有效人群中报告有 2 例死亡，干预组无死亡病例。在随访期间，报告了 41 922 起不良事件：28 782 起（68.7%）为不良反应，其中 19 363 起（67.3%）发生在干预组。大多数不良反应为轻度或中度（1 级或 2 级）且可自行痊愈。没有与注射有关的严重不良事件。对于变体调查，在 119 名 SARS-CoV-2 变体呈阳性的参与者中，106 名（89.1%）对 delta 变体呈阳性。
针对黑色素的苯甲酰胺衍生物放射性示踪剂用于黑色素瘤成像和治疗：临床前/临床开发以及与其他治疗方法的结合
Jacques Rouanet、Mercedes Quintana、Philippe Auzeloux、Florent Cachin、Françoise Degoul。用于黑色素瘤成像和治疗的苯甲酰胺衍生物放射性示踪剂：临床前/临床开发以及与其他治疗方法的结合。《Alimentary Pharmacology & Therapeutics》（增刊），2021 年，第 107829 页。�10.1016/j.pharmthera.2021.107829�。�hal-03160223�
高强度神经传导阻滞的临床前小鼠模型的比较研究
基于纳米粒子的新疗法在高级别胶质瘤 (HGG) 中的临床转化仍然非常少。部分原因是缺乏合适的临床前小鼠模型，无法复制复发性 HGG (rHGG) 的复杂特征，即血脑屏障 (BBB) 的异质结构和功能特征。本研究的目的是将 rHGG 的肿瘤 BBB 特征与两种不同的 HGG 小鼠模型（普遍使用的 U87 细胞系异种移植模型和患者衍生的细胞系 WK1 异种移植模型）进行比较，以评估它们是否适合纳米医学研究。方法：使用结构 MRI 评估完全发育肿瘤的小鼠模型中 BBB 开放的程度，并使用动态对比增强 MRI 获取对比增强肿瘤中 BBB 通透性的值。使用 H&E 和免疫荧光染色来验证体内成像研究的结果。结果：U87 模型中对比增强肿瘤中 BBB 破坏程度和通透性明显高于 rHGG。WK1 模型中的这些值与 rHGG 相似。U87 模型不具有浸润性，具有完全异常和渗漏的血管系统，并且不是神经胶质来源。WK1 模型浸润到非肿瘤性脑实质中，它既有完整的 BBB 区域，也有渗漏的 BBB 区域和神经胶质来源残留区域。结论：与 U87 小鼠模型相比，WK1 小鼠模型更准确地再现了 rHGG 患者的 BBB 破坏程度、BBB 通透性水平和组织病理学特征，因此是用于对新兴的基于纳米颗粒的 HGG 疗法进行临床前评估的更具临床相关性的模型。
sprint-bioscience-presents-preclinical-data-treex1-
Sprint Bioscience开发了小分子的第一类药物程序，重点是肿瘤学。使用基于碎片的药物开发方法，该公司以时间和资源有效的方式开发药物计划。在临床前阶段，该计划已超出了全球制药公司的许可，并且该公司已成功签订了几项许可协议。Sprint Bioscience份额列在纳斯达克第一北部总理增长市场上，并在股票符号Sprint下进行交易。该公司总部位于斯德哥尔摩，其业务位于Huddinge。可以在公司网站上获得更多信息；