XiaoMi-AI文件搜索系统
World File Search Systempremature
一种用于诊断早发冠状动脉疾病的机器学习方法
1. 简介 冠状动脉疾病 (CAD) 是一种影响向心脏供血的动脉的疾病。它主要是由动脉粥样硬化引起的，动脉粥样硬化是一种由脂肪、胆固醇和其他物质组成的斑块在冠状动脉内积聚的过程。这种积聚会随着时间的推移使动脉变窄，减少流向心肌的血流量，并导致胸痛（心绞痛）或心肌梗塞等症状。PCAD 是指男性 55 岁以下和女性 65 岁以下发生的过早冠状动脉疾病。最近，人们使用 ML 方法广泛研究了 CAD 预测和诊断，因为传统统计方法的能力有限，并且在分析大数据集方面存在一些弱点 (1-3)。因此，机器学习方法已被用作人工智能的一个子领域，用于从原始数据中提取有价值的模式和信息。使用这些方法可以在没有人工输入的情况下获得合适的知识并将其用于不同的目的。最近的研究表明，机器学习方法可用于早期诊断、风险分层、临床试验招募和各种疾病分类。同时，种族和民族与特定人群和遗传变异有关，对某些疾病可能很重要。社会经济地位和医疗保健机会与种族和民族密切相关（4）。例如，非裔美国患者比白人患者更常接受心导管插入术来诊断 CAD（5）。不同种族和民族的存在对不同种族和民族群体的疾病发展有影响（6）。因此，有必要了解种族在各种疾病中的作用。机器学习算法已被用于预测考虑种族和民族的心力衰竭，并确定特征重要性在不同种族和民族群体之间的差异（7）。Suinesiaputra 等人（8）使用深度学习分析对动脉粥样硬化进行了多民族研究。他们试图利用机器学习算法的能力从大规模遗留数据集中提取合适的信息。他们使用双腔、四腔和短轴磁共振成像 (MRI) 视图之间的迁移学习序列训练 VGGNet 卷积神经网络来检测标志。另一项多民族动脉粥样硬化研究使用机器学习方法预测心血管事件 (9)。他们使用随机生存森林技术来识别心血管风险因素。
护理干预有助于加强新生儿重症监护室 (NICU) 中母亲与早产儿之间的联系
出版语言：英语 摘要 早产会给父母带来意想不到的挑战，因为婴儿的护理发生在新生儿重症监护病房 (NICU)，这是第一次发生亲子关系和依恋行为的地方。早产可能会对婴儿和母亲之间的亲子关系过程提出挑战，需要专门的护理，重点是父母和新生儿之间的互动和亲子关系。目的是找到有关应实施何种护理干预来支持新生儿重症监护病房 (NICU) 中母亲和早产儿之间亲子关系的信息。通过文献综述来查找信息。使用三个不同的数据库进行数据搜索：Medline、CINAHL 和 PubMed。分析了与研究问题相关的所有文章，在进行批判性评估后纳入了选定的十一项研究。结果表明，从选定的文章中发现了三个主要类别，即NICU中的挑战、护理活动和父母支持；然后将主要类别分为七个子类别。结论是，护士的教育和支持对母亲增强照顾婴儿的信心起着至关重要的作用。支持母亲的心理健康以及身体上的亲近已被证明对母亲和早产儿之间的结合过程有积极的影响。可以利用更多的洞察力来研究早产儿对兄弟姐妹的影响以及如何在新生儿重症监护室实施家庭护理方法。关键词/标签（主题）早产儿、母婴结合、护理、新生儿重症监护室。
早产急性冠状动脉综合征对眼动力学的研究论文
背景：过早的急性冠状动脉综合征（ACS）由于复发性缺血性事件和死亡率高而引起了人们的注意。我们旨在探索过早ACS患者眼动力学的特征变化。方法：招募了116名参与者（30个健康对照，30个患有过早ACS的参与者，56例非质子ACS）进行了计算机断层造影术（CTA）。头部和颈部CTA图像用于构建参与者眼动脉（OAS）的三维模型。形态参数，并使用基于计算流体动力学的数值模拟来获取OA的血液动力学参数。通过彩色底面图像和光学相干断层扫描获得视网膜和脉络膜血管参数。结果：这三组之间的OA形态上没有显着差异。血液动力学模拟的过早ACS患者的OA血液速度明显慢（P <0.001）和非质子组（P = 0.038）。在过早的AC患者中发现了低壁剪应力，而不是对照组（P = 0.015）和非成本组（P = 0.049）。非发明ACS患者的壁压高于健康对照组（P = 0.035）。质量流比均降低（P <0.001）。ACS过早的患者中央视网膜动脉等效和脉络膜血管指数较小。OA的血液动力学参数与几个临床指标相关。过早的ACS可能比非外观AC多加重眼部缺血性病变。结论：在OA形态变化之前，出现了过早ACS患者的OA和视网膜和脉络膜微循环的血液动力学变化。我们的发现可能有可能指导未来的研究，以更好地了解眼病变与ACS早产患者的全身状况的关联。
成年心肌细胞中 PIEZO1 的缺失会加速心脏衰老并导致过早死亡
。CC-BY-NC-ND 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2025 年 1 月 28 日发布了此版本。；https://doi.org/10.1101/2025.01.20.633994 doi：bioRxiv 预印本
卵巢早衰患者卵泡液的微生物群落和代谢特征
卵巢早衰（POI）是一种临床综合征，特征为40岁前卵巢活动减少，伴有闭经或月经不调等月经紊乱，促性腺激素水平高而雌激素水平低。任何阶段POI的根本原因可能是原始卵泡数量减少、细胞凋亡或卵泡破坏增加以及对促性腺激素刺激的反应无效（1、2）。遗传因素、免疫、医学因素、炎症等是已知的POI风险因素。然而，超过50%的POI病例原因不明（3-6）。最近发现肠道菌群可以影响卵巢功能（7）。POI 患者的肠道菌群发生显著变化，表现为厚壁菌门、拟杆菌门和粪杆菌门的丰富度降低，变形菌门和拟杆菌门的丰富度增加。生态失衡和肠道菌群多样性的降低会降低 β-葡萄糖醛酸酶的活性，导致雌激素活性降低 (8)。肠道菌群与血清雌激素、促卵泡激素、黄体生成素和抗苗勒氏管激素水平存在相关性 (9 – 11)。肠道菌群失衡也与自身免疫性 POI 有关。肠道菌群失衡不仅影响B淋巴细胞的活化和自身抗体的产生，还会诱导先天免疫细胞的异常活化，导致促炎性细胞因子的上调。肠道菌群与免疫系统平衡的破坏会加剧POI的进展（12）。卵泡液（FF）是卵母细胞发育的直接微环境，并非无菌。它由卵巢的血浆渗出液和局部分泌物组成，富含单糖、蛋白质、类固醇激素、细胞因子和生长因子。因此，FF被认为是微生物的优良生长培养基（13）。研究表明，不孕女性的卵泡液中微生物群的组成和丰富度存在显著差异，这些变化是
在可穿戴形式的心电图和心血管事件的预测上检测到的过早心房和心室收缩
1伦敦大学学院的心血管科学研究所，英国伦敦WC1E 6BT； 2英国伦敦大学学院心血管科学研究所MRC终身健康与老化部门，英国WC1E 6BT； 3英国伦敦EC1A 7BE的西史密斯菲尔德圣史密斯菲尔德圣巴塞洛缪医院的3个巴特斯心脏中心； 4临床药理学和精密医学，医学和牙科学院，威廉·哈维研究所，伦敦皇后大学，伦敦玛丽皇后大学，英国伦敦EC1M 6BQ，伦敦伦敦广场； 5纳菲尔德人口卫生系，牛津大学，牛津大学OX3 7LF，英国；和6 Aragon工程研究所，Zaragoza大学和Centro deInvestionunbiomédicaEnRed，Bioingeniería，Biomateriales yNanotecnologíaZaragoza，C/ de MarianoEsquillorGómez，Zaragoza，Zaragoza，Spain 50018，Spain div> div>1伦敦大学学院的心血管科学研究所，英国伦敦WC1E 6BT； 2英国伦敦大学学院心血管科学研究所MRC终身健康与老化部门，英国WC1E 6BT； 3英国伦敦EC1A 7BE的西史密斯菲尔德圣史密斯菲尔德圣巴塞洛缪医院的3个巴特斯心脏中心； 4临床药理学和精密医学，医学和牙科学院，威廉·哈维研究所，伦敦皇后大学，伦敦玛丽皇后大学，英国伦敦EC1M 6BQ，伦敦伦敦广场； 5纳菲尔德人口卫生系，牛津大学，牛津大学OX3 7LF，英国；和6 Aragon工程研究所，Zaragoza大学和Centro deInvestionunbiomédicaEnRed，Bioingeniería，Biomateriales yNanotecnologíaZaragoza，C/ de MarianoEsquillorGómez，Zaragoza，Zaragoza，Spain 50018，Spain div> div>
节奏过早的新生儿大脑：听觉节拍和仪表的早期处理
版权所有©2023 Edalati等。这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章，只要将原始工作正确归因于任何媒介，它允许在任何媒介中进行无限制的使用，分发和复制。
神经振荡表明在过早的大脑中听觉节拍处理期间进行周期性编码
图1相位振幅耦合分析。（a）在收听duple/triple节奏（顶部）时，脑电图（底部）的频谱。（b）最高数字在2-30 Hz的频率范围内呈现了六个基础序列过程中的功率调制。底部图显示了3 Hz窄带滤波后的频率范围7-12 Hz（基线校正）的平均功率波动，以更好地可视化。（c）PAC强度（左）强度的地形分布以及耦合的首选阶段（右;绿色代表Alpha功率阶段引导刺激阶段）在频率范围7-12 Hz中与BEAT（由模拟的3 Hz正弦曲线建模的频率范围7-12 Hz）的功率平均。点代表簇，其中PAC与替代数据相比具有重要意义。
使用机器学习技术检测QRS复合物的分类
检测过早的心室收缩（PVC）在心脏学领域至关重要，不仅是改善卫生系统，而且还要减少手动分析心电图（ECG）的专家工作量。PVC是一个无害的常见发生，以额外的心跳为代表，其诊断并不总是容易识别，尤其是在长期手动ECG分析完成时。在某些情况下，与其他病理相关时可能会导致灾难性后果。这项工作介绍了一种使用机器学习技术识别PVC的方法，而无需提取功能和交叉验证技术。特别是使用了一组六个分类器：决策树，随机森林，长期术语记忆（LSTM），双向LSTM，RESNET-18，MOBILENETV2和SHUFFLENET。已经对从MIT-BIH心律失常数据库中提取的数据进行了两种类型的实验：（i）原始数据集和（ii）构成数据集。Mobilenetv2在两个实验中都出现了高性能和PVC最终诊断结果的有希望的结果。最终结果显示第一个实验中的精度为99.90％，尽管未使用特征检测技术，但在第二个实验中显示了99.00％。我们使用的方法是专注于分类而无需使用fe fe fearture提取和交叉验证技术，使我们能够提供出色的性能并获得更好的结果。最后，这项研究将其定义为理解深度学习模型不正确分类的解释的第一步。
从脑室内出血的早产儿的脑脊液中检索生发区域神经干细胞
图2从IVH患者的CSF中分离NSC样细胞。A分离后不同日期（DIV）的CSF衍生的NSC培养物的相位对比度显微照片。比例尺：100μm。 B，在Matrigel上生长的3种代表性NSC线的指数生长动力学。c，早期（0）和晚期（10）段的细胞的相对对比显微照片，在基质中生长。d，通过对早期（3）和晚期（7）通道的KI-67表达进行定量评估增殖。显示了代表性共焦部分。比例尺25μm。 E，早期（3）和晚（7）通道的CD133，CD24，CD34和CD45的流式细胞仪分析。条件之间没有显着差异。数据显示为5-7个独立生物样品的平均值±SEM。42周大的病例（粉红色符号）被排除在进一步分析之外。f，在早期和晚期与CD133共表达与CD24和CD34的共表达。g，从CSF获得的NSC样细胞和分离后13天后从CSF获得的代表性显微照片。比例尺：100μm。 H，通过从CSF获得的NSC样细胞流式细胞术和通过CSF和通道3的灌洗液进行的CD133分析。* p <.05