XiaoMi-AI文件搜索系统
World File Search Systemppv
使用实验室和身体成分指标预测代谢功能障碍相关肝病的机器学习应用
摘要背景：代谢功能障碍相关的脂肪变性肝病（MASLD）代表着没有建立治疗疗法的重要全球健康负担。早期检测和预防策略对于有效的MASLD管理至关重要。这项研究旨在开发和验证机器学习（ML）算法，以在地理上多样化的大规模人群中进行准确的MASLD筛查。方法：从伊朗农村法尔斯省（2014年3月）发起的前瞻性FASA队列研究的数据用于此目的。使用血液测试，问卷，肝超声检查和身体检查收集所需的数据。两步方法从100多个变量中确定了关键预测因素：（1）使用平均降低Gini的统计选择在随机森林中的GINI和（2）（2）将临床专业知识与已知MASLD风险因素保持一致。使用了固定验证方法（使用70/30列车/验证拆分），以及验证集上的5倍交叉验证。逻辑回归，天真的贝叶斯，支撑矢量机和光梯度增强机（LightGBM）算法的算法的模型构建具有相同的输入变量基于接收器操作特征曲线（AUC），敏感性，特异性，正面预测值（PPV），负预测值（NPV）和精确度和准确性。结果：该研究中总共包括6,180名成年人（52.7％），分为4816个非MASLD和1364例MASLD案例，平均年龄（±标准偏差[SD]）分别为48.12（±9.61）和49.47（±9.15）年。伊朗大四。逻辑回归的表现优于其他ML算法，其准确度为0.88（95％置信区间[CI]：0.86-0.89），AUC的准确度为0.92（95％CI：0.90-0.93）。在100多个变量中，关键预测因子包括腰围，体重指数（BMI），臀部周长，腕圆周，丙氨酸氨基转移酶水平，胆固醇，葡萄糖，高密度脂蛋白和血压。结论：MAL在MASLD管理中的集成具有巨大的希望，尤其是在资源有限的农村环境中。此外，分配给每个预测因子的相对重要性，特别是腰围和BMI等杰出贡献者，为MASLD预防，诊断和治疗策略提供了宝贵的见解。关键字：逻辑回归，机器学习，非酒精性脂肪肝病，预测模型，农村地区引用了本文：Masaebi F，Azizmohammad Looha M，Mohammadzadeh M，Pahlevani V，Farjam M，Farjam M，Zayeri F等。使用实验室和身体成分指标预测代谢功能障碍相关的脂肪疾病疾病的机器学习应用。2024; 27（10）：551-562。 doi：10.34172/aim.31269
范围评论 - UCL发现 - 伦敦大学学院
简介：劳动收缩期间的子宫收缩是母体血流和氧气递送到发育中的婴儿，导致短暂性缺氧。虽然大多数婴儿在生理上适应这种缺氧，但暴露于严重缺氧或生理储备不佳的婴儿可能会在分娩过程中遭受神经损伤或死亡。心脏图（CTG）监测，以识别患有缺氧风险的婴儿。ctg监测在产前护理中广泛使用以检测胎儿缺氧，但临床实用性受到CTG异常的阳性预测值（PPV）的限制，以及CTG相互作用中明显的间和内部观察者差异。临床风险和人为因素可能会影响CTG解释的质量。CTG痕迹的错误分类可能导致治疗不足（胎儿受伤或死亡的风险）或过度治疗（可能包括不必要的手术干预措施，使母亲和婴儿都处于并发症的风险）。机器学习（ML）自2000年初以来已应用于此问题，并且与单独的CTG的视觉解释相比，已经显示出更准确地预测胎儿缺氧的潜力。要考虑如何将这些工具转换为临床实践，我们对已经应用于CTG分类的ML技术进行了综述，并确定了需要进行研究以进行临床实施的研究差距。材料和方法：我们使用已识别的关键字来搜索数据库，以在PubMed，Embase和IEEE Xplore上搜索相关出版物。我们使用首选的报告项目进行系统审查和荟萃分析进行范围审查（PRISMA-SCR）。标题，抽象和全文是根据包含标准筛选的。结果：我们包括36项研究，这些研究使用信号处理和ML技术来对CTG进行分类。大多数研究都使用开放式CTG数据库，主要使用胎儿代谢性酸中毒作为pH值不同的缺氧的基准。各种方法用于处理和提取CTG信号，并使用几种ML算法对CTG进行分类。我们确定了对使用不同pH水平作为CTG分类基准的实用性的重大关注。此外，需要更概括研究，因为大多数使用相同的数据库，而受试者数量较少进行ML研究。结论：ML研究证明了预测CTG胎儿缺氧的潜力。然而，为将来的临床实施需要更多样化的数据集，缺氧基准的标准化以及算法和功能的增强。
对急诊入院的人工智能驱动的 COVID-19 分类进行真实世界评估：无实验室和高通量筛查解决方案的外部验证和操作评估 Andrew AS Soltan 博士 MB BChir 1,2 Jenny Yang MSc 3 Ravi Pattanshetty 博士 FRCEM 1 Alex Novak 博士 FRCEM 1 Yang Yang 博士 DPhil 3 Omid Rohanian 博士 PhD 3 Sally Beer 1 Marina A. Soltan 博士 MRCP 5,6 David R. Thickett 教授 FRCP 5,6 Rory Fairhead 博士 BA 4 CURIAL 转化合作组织 Tingting Zhu 博士 DPhil 3 David W. Eyre 教授 DPhil 1,7,8 David A. Clifton 教授 DPhil 3 附属机构：
摘要背景患者 COVID-19 状态的不确定性导致治疗延迟、院内传播和医院的运营压力。但是，批量处理的实验室 PCR 测试的典型周转时间仍然为 12-24 小时。尽管快速抗原横向流动检测 (LFD) 已在英国急救环境中得到广泛采用，但灵敏度有限。我们最近证明，AI 驱动的分类 (CURIAL-1.0) 可以使用抵达医院后 1 小时内常规获得的临床数据进行高通量 COVID-19 筛查。在这里，我们旨在确定与标准护理相比的运营和安全性改进，使用针对通用性和速度优化的更新算法在四个 NHS 信托机构中进行外部/前瞻性评估，并在英国急诊室部署一种新的无实验室筛查途径。方法我们对 CURIAL-1.0 中的预测因子进行了合理化，以分别优化通用性和速度，开发了具有生命体征和常规实验室血液预测因子（FBC、U&E、LFT、CRP）的 CURIAL-Lab 以及仅具有生命体征和 FBC 的 CURIAL-Rapide。在训练期间，模型被校准到 90% 的灵敏度，并针对朴茨茅斯大学医院、伯明翰大学医院和贝德福德郡医院 NHS 信托的非计划入院情况进行了外部验证，并在英国 COVID-19 疫情第二波期间在牛津大学医院 (OUH) 进行了前瞻性验证。使用首次进行的血液测试和生命体征生成预测值，并与确认性病毒核酸检测进行比较。接下来，我们回顾性评估了一种新的临床途径，将患者分类到模型预测或 LFD 结果为阳性的 COVID-19 疑似临床区域，并将灵敏度和 NPV 与单独的 LFD 结果进行比较。最后，我们部署了 CURIAL-Rapide 和经批准的即时诊断 FBC 分析仪（OLO；SightDiagnostics，以色列），在约翰拉德克利夫医院急诊科（英国牛津）提供无需实验室的 COVID-19 筛查，这是信托机构认可的服务改进。我们的主要改进结果是获得结果的时间可用性；次要结果是根据 PCR 参考标准评估的敏感性、特异性、PPV 和 NPV。我们将 CURIAL-Rapide 的性能与标准护理中的临床医生分诊和 LFD 结果进行了比较。结果 72,223 名患者符合外部和前瞻性验证站点的资格标准。各信托机构的模型性能一致（CURIAL-Lab：AUROC 范围 0.858-0.881；CURIAL-Rapide 0.836-0.854），朴茨茅斯大学医院的灵敏度最高（CURIAL-Lab：84.1% [95% Wilson 评分 CIs 82.5-85.7]；CURIAL-Rapide：83.5% [81.8 - 85.1]），特异性为 71.3%（95% Wilson 评分 CIs：70.9 - 71.8）和 63.6%（63.1 - 64.1）。对于 2021 年 12 月 23 日至 2021 年 3 月 6 日期间在 OUH 入院常规护理中接受 LFD 分诊的 3,207 名患者，联合临床路径将灵敏度从 56 提高。仅 LFD 为 9%（95% CI 51.7-62.0），而 CURIAL-Rapide 为 88.2%（84.4-91.1；AUROC 0.919），CURIAL-Lab 为 85.6%（81.6-88.9；AUROC 0.925）。2021 年 2 月 18 日至 2021 年 5 月 10 日期间，520 名患者前瞻性地接受了即时临床 FBC 分析，其中 436 名患者在常规护理中接受了确认性 PCR 检测，10 名（2.3%）检测呈阳性。从患者到达到获得 CURIAL-Rapide 结果的中位时间为 45:00 分钟（32-64），比 LFD 快 16 分钟（26.3%）
玩具车垫 3D 全印花运动服
“美国城市、城镇、社区、州、县、大都市区、邮政编码、区号和学校的本地指南。” 76 次观看45 次观看49 次观看39 次观看41 次观看36 次观看36 次观看37 次观看33 次观看37 次观看35 次观看35 次观看36 次观看40 次观看34 次观看45 次观看36 次观看39 次观看27 次观看35 次观看25 次观看37 次观看35 次观看32 次观看26 次观看29 次观看41 次观看24 次观看43 次观看25 次观看35 次观看30 次观看39 次观看27 次观看27 次观看30 次观看27 次观看22 次观看31 次观看30 次观看24 次观看26 次观看26 次观看31 次观看31 次观看29 次观看22 次观看40 次观看26 次观看24 次观看30 次观看40 次观看25 次观看26 次观看25 次观看19 次观看93 次观看80 次观看69 次观看84 次观看61 次观看63 次观看70 次观看83 次观看91 次观看105 次观看52 次观看57 次观看89 次观看67 次观看74 次观看88 次观看71 次观看55 次观看82 次观看52 次观看80 次观看73 次观看49 次观看69 次观看51浏览次数56 浏览次数56 浏览次数55 浏览次数60 浏览次数41 浏览次数65 浏览次数50 浏览次数65 浏览次数50 浏览次数41 浏览次数43 浏览次数52 浏览次数45 浏览次数55 浏览次数49 浏览次数43 浏览次数52 浏览次数62 浏览次数49 浏览次数44 浏览次数 从 0 天 0 小时 00 分钟 00 秒 分享此优惠 送货需要至少 7 个工作日才能发货 购买的物品可以从我们的办公室领取或送货 物品必须在 2021 年 6 月 27 日之前领取/收到 未在 2021 年 6 月 27 日之前领取/收到的物品将被没收，不予退款 您的产品可立即领取 - 详情请参阅下文 无现金价值/无现金返还/不退款 立即检查产品；自收到产品之日起 7 天内有缺陷退货，前提是退回的物品未使用且