XiaoMi-AI文件搜索系统
World File Search Systemepidemiology
数字通信技术对...
摘要简介：NASH或“非酒精性脂肪性肝炎”与非酒精性脂肪肝病（NAFLD）有关。NASH和2型糖尿病的同时出现是常见的。但是，只有有限的研究集中在有或没有NASH的糖尿病患者的特征上。目标：这项系统评价总结了与糖尿病患者NASH的患病率和特征有关的流行病学证据。方法：不同的电子数据库PubMed，Scopus和Google Scholar被搜索已发表的文章。在本评论中包括在英语中发表的糖尿病患者进行的原始研究。结果：13项研究有资格纳入本综述。在糖尿病患者中，BMI增加，超重/肥胖，HBA1C增加，血清胆固醇增加以及肝酶水平升高与NASH密切相关。其他重要的特征包括年龄增长，女性，种族（白色），低HDL，使用二甲双胍，铁蛋白增加和白蛋白水平增加。纳什的患病率在12％至93.8％之间，在罗马尼亚的研究中发现最高的百分比（87.1），在印度的研究中最低（12.5）。结论：NASH的发生率随着年龄的增长而增加。性别差异作为纳什的危险因素仍然需要充分理解。这项系统评价为所有糖尿病患者提供了洞察力和强烈的迹象，以访问肝病学家并筛查脂肪肝病。目前，市场上没有NAFLD/NASH特异性药物有助于治疗疾病。如果在基线超声波上发现脂肪变性，则应进行肝活检以及时进行管理。药物的新开发和正在进行的研究对于纳什的治疗和治疗很重要，并特别注意涉及高危人群。关键字：nafld;纳什；非酒精性脂肪性肝炎；糖尿病；脂肪肝；肝病；系统评价。doi：https：//dx.doi.org/10.4314/ahs.v23i2.59引用为：Aldossari kk。糖尿病患者有或没有NASH的患者的流行病学和特征：系统评价。AFRI Health Sci。2023; 23（2）：509-18。 https://dx.doi.org/10.4314/ahs.v23i2.59
社论：口蹄疫流行病学、疫苗和免疫接种：前进
疫苗接种在口蹄疫 (FMD) 控制中发挥了重要作用。疫苗接种活动的设计和实施方法各不相同，流行病学信息对于影响最适合每个地理位置的疫苗和疫苗接种策略至关重要。口蹄疫流行地区通常将疫苗接种活动作为常规预防控制政策或减轻疾病影响。目前使用的大多数疫苗都是用化学灭活的全病毒颗粒和合适的佐剂（如单油乳剂和双油乳剂）配制的。通常根据疫苗匹配数据和体外实验的结果选择特定地区最新的菌株作为抗原，然而，如果没有在自然宿主中进行活病毒攻击以及可靠的现场数据，基于疫苗匹配方法的预测通常是不确定的。疫苗选择和成功的疫苗接种活动依赖于对这些疫苗将要使用的地区的流行病学的深入了解，以及获得适当的诊断工具来支持这些活动。灭活疫苗是通过培养大量活病毒来生产的，这需要生物安全水平较高的设施，而且存在病毒逃逸的风险，这可能会阻碍无口蹄疫地区的疫苗生产。此外，用于配制疫苗的抗原灭活不充分可能会导致疫情爆发，因此如果该过程不符合足够的质量标准，残余风险可能会持续存在。无需培养完全传染性病毒即可生产的新一代疫苗可以为这些风险提供解决方案。理想情况下，这些疫苗应保护宿主免受大量口蹄疫菌株的侵害，并提供至少与当前灭活疫苗相同水平的保护。本研究主题的主要目标是收集专注于口蹄疫疫苗和疫苗接种方面的研究，以促进支持实施有助于预防和控制疾病的疫苗接种活动的科学研究。
非孤儿药和极罕见、罕见和常见孤儿癌症药物适应症的 FDA 批准、临床试验证据、疗效、流行病学和价格：横断面分析
P<0.001），并得到规模较小的试验（中位数 85 v 199 v 286 v 521 名患者；P<0.001）的支持，单组（84% v 44% v 28% v 21%；P<0.001）1/2 期设计（88% v 45% v 45% v 27%；P<0.001）与罕见和常见的孤儿适应症和非孤儿适应症相比。与罕见和极罕见孤儿药相比，常见孤儿药更多是生物标志物指导（69% v 26% v 12%；P<0.001），一线治疗（77% v 39% v 20%；P<0.001）和小分子（80% v 62% v 48%；P<0.001）受益于更短的 FDA 首次批准时间（中位数 5.7 v 7.1 v 8.9 年；P=0.02）。与非孤儿药相比，用于极罕见、罕见和常见孤儿药的药物提供了显著更大的无进展生存期获益（风险比 0.53 v 0.51 v 0.49 v 0.64；P<0.001），但总体生存期获益并非如此（0.50 v 0.73 v 0.71 v 0.74；P=0.06）。在单臂试验中，超罕见孤儿药的肿瘤反应率高于罕见或常见孤儿药和非孤儿药（客观反应率 57% v 48% v 55% v 33%；P<0.001）。与罕见或常见适应症和非孤儿药相比，超罕见孤儿药的发病率/患病率、五年生存率和可用治疗数量较低，但每位患者的伤残调整生命年较高。对于 2023 年有数据的 147 种专利药物，超罕见孤儿药的月价格高于罕见或常见孤儿药和非孤儿药（70 128 美元（55 971 英镑；63 370 欧元）v 33 313 美元 v 16 484 美元 v 14 508 美元；P<0.001）。对于 2005 年至 2023 年期间有纵向数据的 48 种专利药物，孤儿药价格平均上涨 94%，非孤儿药价格平均上涨 50%。
协调民族区域多样的数据集，以推动痴呆症的全球流行病学
年龄是认知障碍（CI）和痴呆症的最大危险因素，随着世界人口年龄的增长，全球社会和金融负担这些条件的增长正在上升。1在全球范围内，到2050年，痴呆症患者的数量估计约为1.5亿，预计在包括非洲在内的发展中国家中将发生最大的增长。1在许多低收入和中等收入国家（LMIC）中缺乏对CI和痴呆症的研究。2然而，该研究来自一个国家或人口不适用于另一个国家或人口的研究，据报道，国家之间CI和痴呆症的流行病学差异，3个国家/地区之间的不同种族/族裔之间的差异。4研究如何减慢认知能力下降，而CI和痴呆症最终最终阻止了全球努力，使用大型样本和来自不同民族区域的数据。资源和协调限制意味着该量表上的数据通常不会来自单个来源。而是，必须从多个针对特定国家或地区的独特来源中整理此类数据。
肾细胞癌：流行病学概述……
深入评论 Sara Bahadoram 1 、Mohammad Davoodi 2 、Shakiba Hassanzadeh 1 、Mohammad Bahadoram 3 、Maedeh Barahman 3 、Ladan Mafakher 1 1 伊朗阿瓦士 Jundishapur 医科大学健康研究所地中海贫血和血红蛋白病研究中心 2 伊朗德黑兰医科大学伊玛目霍梅尼医院医学院高级诊断和介入放射学研究中心 (ADIR) 放射科 3 伊朗德黑兰伊朗医科大学 (IUMS) Firoozgar 临床研究发展中心 (FCRDC) Firoozgar 医院放射肿瘤科 通讯作者：Maedeh Barahman，医学博士 伊朗德黑兰伊朗医科大学 (IUMS) Firoozgar 临床研究发展中心 (FCRDC) Firoozgar 医院放射肿瘤科电子邮件：Brahman.m@iums.ac.ir 电话：+98-21-86709 传真：+98-21-88052248
美国西南部印第安儿童和成人金黄色葡萄球菌携带率及基因组流行病学
收到日期：2021 年 9 月 30 日；接受日期：2022 年 3 月 6 日；发布日期：2022 年 5 月 13 日 作者隶属关系：1 中佛罗里达大学，4110 Libra Drive，奥兰多，佛罗里达州 32816，美国；2 约翰霍普金斯大学彭博公共卫生学院，415 North Washington Street，巴尔的摩，马里兰州 21231，美国。 *通讯作者：Catherine G. Sutcliffe，csutcli1@jhu.edu 关键词：携带；基因组流行病学；美洲原住民；系统发育；金黄色葡萄球菌。缩写：AN，前鼻孔；CA-MRSA，社区相关耐甲氧西林金黄色葡萄球菌；CC，克隆复合体；CI，置信区间；gDNA，基因组 DNA；IHS，印度健康服务局；IRB，机构审查委员会； MLST，多位点序列分型；MRSA，耐甲氧西林金黄色葡萄球菌；MSSA，甲氧西林敏感金黄色葡萄球菌；NP，鼻咽癌；ONT，牛津纳米孔技术；OP，口咽癌；PR，患病率；SCC mec，葡萄球菌盒式染色体 mec ；ST，序列类型；WGS，全基因组测序。‡现地址：美国辉瑞公司全球肺炎球菌疫苗、科学事务和流行病学部。金黄色葡萄球菌基因组序列的 NCBI SRA 接入号在补充文件 S1 中给出。†这些作者对这项工作贡献相同数据声明：所有支持数据、代码和协议均已在文章中或通过补充数据文件提供。本文的在线版本提供一个补充文件和四个补充表格。 000806 © 2022 作者
行为流行病学：评估的经济模型......
6 我们考虑到了医院以及食品和天然气供应链等基本服务的必要性，¯ 𝜆 代表该阈值。7 这三个参数（𝑐，𝜙 +，𝜙 −）背后的想法是，在一个层面上，我们希望将不参加社交活动的机会成本与实际感染的成本区分开来，在另一个层面上，我们希望将被感染的一次性成本分解为感染他人的个人成本和利他主义关切。8 另一个主要候选者是泊松或几何到达，它是平稳的，因此可以确保疫苗在大流行开始两个月后到达的可能性与在 12 个月时 14 个月内开发出来的可能性相同。该分布是负二项式的极限情况，其中均值和方差重合。例如，Alvarez 等人 [2021] 和 Farboodi 等人 [20] 就使用过这种方法。 [ 2021 ]。
机器学习和人工智能：在医疗流行病学中的应用
人工智能 (AI) 是指通常与人类智能相关的机器执行的任务。机器学习 (ML) 是人工智能的一个子类型；它指的是计算机无需直接编程即可从数据中得出结论（即学习）的能力。ML 以传统统计方法为基础，由于其改善疾病预测和患者护理的潜力，引起了医疗流行病学的极大兴趣。本综述概述了医疗流行病学中的 ML，并提供了用于支持医院护理四个阶段的医疗决策的 ML 工具的实例：分诊、诊断、治疗和出院。示例包括协助急诊科分诊的模型构建工作、预测感染性休克发作前的时间、检测社区获得性肺炎以及对 COVID-19 处置风险级别进行分类。电子健康记录 (EHR) 数据可用性和质量的提高以及计算能力的提高为 ML 提供了提高患者安全性、提高临床管理效率和降低医疗成本的机会。
药物流行病学中的人工智能系统评价。第 2 部分 - 人工智能与传统药物流行病学技术的性能比较
结果：通过 Ovid MEDLINE 共查明 72 篇原创文章和 5 篇综述，其中 19 篇（26.4%）将人工智能技术与传统药物流行病学方法的性能进行了比较。总共对 44 篇文章进行了比较，旨在 1）根据患者特征预测所需剂量（31.8%），2）预测药物治疗后的临床反应（29.5%），3）预测药物不良反应的发生/严重程度（20.5%），4）预测倾向评分（9.1%），5）识别更有可能出现药物无效风险的亚群（4.5%），6）预测药物消耗量（2.3%），7）预测药物引起的住院时间（2.3%）。在 44 项比较中的 22 项（50.0%）中，人工智能的表现优于传统药物流行病学技术。在大多数比较中，随机森林（11 项比较中的 7 项；63.6%）和人工神经网络（10 项比较中的 6 项；60.0%）的表现优于传统药物流行病学方法。
药物流行病学中的人工智能
结果：通过 Ovid MEDLINE 共查明 72 篇原创文章和 5 篇综述，其中 19 篇（26.4%）将人工智能技术与传统药物流行病学方法的性能进行了比较。总共对 44 篇文章进行了比较，旨在 1）根据患者特征预测所需剂量（31.8%），2）预测药物治疗后的临床反应（29.5%），3）预测药物不良反应的发生/严重程度（20.5%），4）预测倾向评分（9.1%），5）识别更有可能出现药物无效风险的亚群（4.5%），6）预测药物消耗量（2.3%），7）预测药物引起的住院时间（2.3%）。在 44 项比较中的 22 项（50.0%）中，人工智能的表现优于传统药物流行病学技术。在大多数比较中，随机森林（11 项比较中的 7 项；63.6%）和人工神经网络（10 项比较中的 6 项；60.0%）的表现优于传统药物流行病学方法。