XiaoMi-AI文件搜索系统
World File Search Systempred
患病率和与糖尿病前和未诊断糖尿病有关的因素
此预印本版本的版权持有人于2025年3月10日发布。 https://doi.org/10.1101/2025.03.09.25322832 doi：medrxiv preprint
解决基于个人爱好偏见的大脑数字指纹的可能性
试图为生物识别验证应用创建更熟悉的脑机互动，我们研究了使用用户的个人爱好，兴趣和内存收集的效率。这种方法创造了独特而愉快的体验，以后可以在身份验证协议中使用。本文介绍了一个新的脑电图数据集，而受试者则观看流行爱好的图像，没有兴趣的图片和具有出色个人意义的图像。此外，我们提出了几种可以通过新收集的数据集来解决的应用程序。也就是说，我们的研究展示了4种应用类型，我们为所有这些应用提供了最先进的结果。已解决的任务是：情绪分类，类别分类，授权过程和人识别。我们的实验显示出对人们身份验证的脑电图可视化响应的巨大潜力。在我们的研究中，我们显示了通过脑电图衡量的识别人的个人爱好偏见的初步结果。此外，我们提出了使用脑电图的新型授权过程范式。代码和数据集可在此处提供。
评估大脑和肠道认知电生理学的效用，以早期预测主要抑郁症的治疗结果
根据世界卫生组织的说法，全球约有5％的成年人患有临床抑郁症，在印度，大约是4.5％的人。 口服药物是针对抑郁症的常见治疗方法。 但是，在第一次试验中，有一半以上的治疗方法对药理治疗策略没有响应，可能需要使用其他药物进行切换或增强。 在更快的时间表中，需要精确模型来达到个性化的治疗策略。 使用临床信息以及脑电图（EEG）数据显示出一些早期模型，显示出良好的表现，可以预测抑郁症的早期治疗结果。 然而，这些研究所确定的关键特征，包括抑郁症患者的差异额叶theta功率和额叶α不对称的存在，由于可解释性和稳健性的矛盾，近期挑战：当theta和alpha频率信号被嘲笑时，与他们的周期性成分相关，并不是在其质量成分的情况下，估计的估计并不是在其periodigic组成部分。 另一方面，许多早期研究已经报道了抑郁症的肠道异常，但尚未用于抑郁症的预测或预后。 我们的研究目标是双重的：首先确定可以早期预测治疗结果的特征，并为不同的患者亚组解释它们，其次是了解纵向数据收集和肠脑相互作用的实用性，以预测治疗结果。根据世界卫生组织的说法，全球约有5％的成年人患有临床抑郁症，在印度，大约是4.5％的人。口服药物是针对抑郁症的常见治疗方法。 但是，在第一次试验中，有一半以上的治疗方法对药理治疗策略没有响应，可能需要使用其他药物进行切换或增强。 在更快的时间表中，需要精确模型来达到个性化的治疗策略。 使用临床信息以及脑电图（EEG）数据显示出一些早期模型，显示出良好的表现，可以预测抑郁症的早期治疗结果。 然而，这些研究所确定的关键特征，包括抑郁症患者的差异额叶theta功率和额叶α不对称的存在，由于可解释性和稳健性的矛盾，近期挑战：当theta和alpha频率信号被嘲笑时，与他们的周期性成分相关，并不是在其质量成分的情况下，估计的估计并不是在其periodigic组成部分。 另一方面，许多早期研究已经报道了抑郁症的肠道异常，但尚未用于抑郁症的预测或预后。 我们的研究目标是双重的：首先确定可以早期预测治疗结果的特征，并为不同的患者亚组解释它们，其次是了解纵向数据收集和肠脑相互作用的实用性，以预测治疗结果。口服药物是针对抑郁症的常见治疗方法。但是，在第一次试验中，有一半以上的治疗方法对药理治疗策略没有响应，可能需要使用其他药物进行切换或增强。在更快的时间表中，需要精确模型来达到个性化的治疗策略。使用临床信息以及脑电图（EEG）数据显示出一些早期模型，显示出良好的表现，可以预测抑郁症的早期治疗结果。然而，这些研究所确定的关键特征，包括抑郁症患者的差异额叶theta功率和额叶α不对称的存在，由于可解释性和稳健性的矛盾，近期挑战：当theta和alpha频率信号被嘲笑时，与他们的周期性成分相关，并不是在其质量成分的情况下，估计的估计并不是在其periodigic组成部分。另一方面，许多早期研究已经报道了抑郁症的肠道异常，但尚未用于抑郁症的预测或预后。我们的研究目标是双重的：首先确定可以早期预测治疗结果的特征，并为不同的患者亚组解释它们，其次是了解纵向数据收集和肠脑相互作用的实用性，以预测治疗结果。大约有161名参与者（幼稚的患者= 99）注册了我们的纵向研究，涵盖了三次访问，我们的目的是调查访问1（基线）和访问2（7-10天内）是否可以预测3（30天后）中的抗抑郁治疗结果。在消耗后，在访问2（患者= 42）中收集了来自89名参与者的脑电图和电视画学数据，在访问中收集61个参与者（患者= 21）。我们在大脑和肠道中使用电生理特征以及临床数据来训练简单的预测模型，并且能够可靠地预测特异性为78％和灵敏度为84％的抑郁药物的无反应。对治疗结果的重要特征进行了排名，完全为临床医生提供了可扩展的全身认知工具，用于指导其药物策略。
使用机器学习的老年人的可视化风险预测系统开发：基于Charls
肌肉减少症已成为老年人的重要健康问题，其特征是肌肉质量降低，肌肉力量降低和逐渐的身体机能下降（1，2）。这种退化性状况严重限制了移动性，增加了跌倒和断裂的风险，并可能导致生活质量下降和死亡率较高（3）。在中国，随着迅速衰老的过程，肌肉减少症的流行率仍然很高，对医疗保健系统和家庭护理承担了重大负担（4）。迅速确定高风险的人并采用科学干预措施，例如增加蛋白质摄入和增强的体育锻炼，可以帮助维持健康的肌肉状况并降低肌肉减少症的风险（5，6）。随着大数据和人工智能的快速发展，基于健康数据的机器学习模型显示出疾病风险评估的巨大潜力（7，8）。
单细胞和大量RNA的综合分析，以预测结直肠癌的预后和治疗反应
结直肠癌（CRC）是一种流行的恶性肿瘤，其特征是全球发病率和死亡率高。此外，必须理解其发育发展的分子机制并确定有效的预后标记。这些努力对于确定潜在的治疗靶标和提高患者存活率至关重要。因此，我们开发了一种新型的预后模型，旨在为临床预后评估和治疗提供新的理论支持。我们从基因表达综合（GEO）和癌症基因组图集（TCGA）数据库中下载了数据。随后，我们进行了单细胞分析，并开发了与结直肠癌相关的预后模型。我们将SCRNA-SEQ数据集（GSE221575）分为19个细胞簇，并使用标记基因将这些簇分为11种不同的细胞类型。使用单变量COX回归和拉索（绝对收缩和选择算子）分析，我们开发了一个由9个基因组成的预后模型。基于我们的9基因模型，我们使用中位风险评分将患者分为高风险和低风险组。高危组表现出与M0巨噬细胞，CD8+ T细胞和M2巨噬细胞的显着正相关。富集分析表明，高风险基团的免疫相关途径的显着富集，包括刺猬_signaling，Wnt信号通路和细胞粘附分子。药物敏感性分析表明，低风险组对5种化学治疗药物敏感，而高风险组仅对1个。此外，我们为临床应用开发了高度可靠的列图。这表明我们的建模分析得出的风险评分对于分层结直肠癌样本非常有效。这项研究全面应用生物信息学方法来构建风险评分模型。该模型显示出良好的预测性能，为结直肠癌患者的个性化治疗提供了潜在的指导。此外，它可以为疾病的发病机理提供有价值的见解，并确定潜在的治疗靶点以进行进一步研究。
GSTM1*0和CYP1A1*2A（rs4646903）变体的流行率：4p Medicine的预测遗传生物标志物的试验研究
CYP1A1同工酶负责将procarcinogen的生物转化，例如苯并（a）pyrene，纳入反应性化合物。同时，GSTM1通过与谷胱甘肽结合来促进这些代谢产物的排毒。CYP1A1*2A遗传变异的存在加强了这些反应性代谢物的产生，而GSTM1基因的缺失（GSTM1*0）损害了它们的排毒。这种酶促失衡会导致DNA加合物的形成，众所周知，这些加合物会为癌症和其他疾病贡献。鉴于在4P药物框架内研究这些基因的重要性（预测性，预防性，个性化和参与性），这项研究的主要目的是研究秘鲁中部沿海人口中GSTM1*0和CYP1A1*2A的普遍存在。该研究包括秘鲁城镇ICA和利马城镇的131个个人居民。结果显示GSTM1*0的频率为0.47，CYP1A1*2A的等位基因频率为0.68。CYP1A1*2A的基因型频率为6％*1A/*1A，53％*1A/*2A和41％*2a/*2a。值得注意的是，CYP1A1的人口样本不在耐寒的韦恩伯格平衡中（χ2= 5.324）。本研究中报道的GSTM1*0和CYP1A1*2A的频率与先前记录的其他拉丁美洲和三角洲人群的频率不同，可能反映了独特的
评估机器学习算法以预测医学专业选择
摘要。公平分配专业的医生是一个重大的公共卫生挑战。以前的研究主要依靠经典的统计模型来估计影响医学生职业选择的因素，但本研究探讨了机器学习技术在研究早期预测决策的使用。我们使用来自瑞士和法国医学院的399名医学院的399名医学生的数据评估了各种监督模型，包括支持向量机，人工神经网络，极端梯度提升（XGBOOST）和CATBOOST。集合方法的表现优于更简单的模型，而Catboost的宏观AUROC为76％。事后解释性方法揭示了影响预测的关键因素，例如成为外科医生的动机和外向性的心理特征。这些发现表明，机器学习可用于预测医疗职业道路并为更好的劳动力计划提供信息。
微生物组组成是兔子寿命的潜在预测因子
抽象的背景寿命和韧性是更可持续的牲畜生产的两个基本特征。这些特征密切相关，因为弹性动物往往具有更长的寿命。兔子寿命增加的有趣标准可能基于其肠道微生物组提供的信息。肠道微生物组对于调节健康并在免疫系统的发展中起着至关重要的作用。这项研究的目的是研究具有不同寿命的动物是否具有不同的微生物特征。我们从95的软粪便中测序了16S rRNA基因。首先，我们比较了两条具有不同寿命的母兔线。根据寿命标准建立的标准寿命母系线（A）和母系线（LP）：女性的小型女性为25个奇偶族，平均每平等的平均多产量为9或更多。第二，我们比较了来自LP的两组动物的肠道微生物群，其寿命不同：死亡/被两个或以下的均等（LLP）和超过15个平等（HLP）（HLP）的女性淘汰。在线A和LP之间观察到了α和β多样性的结果差异，而部分最小二平方判别分析（PLS-DA）显示了对动物的高预测准确性（> 91％），以划分为Ver-SUS LP（146 Amplicon序列变体（ASV））。PLS-DA还显示出很高的预测准确性（> 94％）将动物分类为LLP和HLP组（53 ASV）。有趣的是，PLS-DA中确定的一些最重要的分类单元与这两种比较（Akkermansia，Christensenellaceae R-7，未培养的Eubactereae等）共有，据报道与弹性和寿命有关。结论我们的结果表明，第一个平等肠道微生物组的轮廓在两个兔子母系线（A和LP）之间有所不同，并且在较小程度上，在具有不同寿命（LLP和HLP）的LP动物之间有所不同。几个属能够将动物与具有不同寿命不同的两条线和动物区分开，这表明肠道微生物组可以用作寿命的预测因素，也可以用作这些性状的选择标准。
维生素D对糖尿病患者的影响
最初筛查的381名个人之间的干预措施被诊断为糖尿病前期，90人最终符合纳入标准并同意参加。通过计算机代码将它们随机分配，以口服溶液的形式（干预组； n = 45）或无（对照组； n = 45）接收25,000 IU的维生素D3的每周剂量。建议两组根据ADA预防糖尿病的建议采用特定的生活方式变化，即每周至少每周150分钟的中度强度有氧运动活性，并通过粘附在地中海饮食中，以3个月内的7％体重减轻。参与者在随访期的前三个月中每月看到参与者，随后每3个月直到研究结束。每次访问包括与医师和营养师的咨询，以解决潜在的问题，而研究团队成员每月与受试者联系，以确保遵守饮食并遵守补充使用。也从每次访问时返回的空药物盒的数量中确定了后者。在基线，3、6和12个月时评估了人体测量和血糖标记。
超声心动图的CMR深度学习预测
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。此预印本版的版权持有人于2024年4月22日发布。 https://doi.org/10.1101/2024.04.16.24305936 doi：medrxiv preprint