XiaoMi-AI文件搜索系统
World File Search Systemretinopathy
拉丁美洲和加勒比海糖尿病患者糖尿病性视网膜病的患病率和发病率：系统评价和荟萃分析
糖尿病性视网膜病是世界范围内失明和视力低下的主要原因之一，也是生产年龄成年人不可逆失明的主要原因[1]。然而，由于与区域患病率，不同人群的预期寿命以及社会和经济因素有关的差异，糖尿病患者中疾病的负担因地理区域和糖尿病类型而异[2，3]。糖尿病性视网膜病的总体患病率为22.3％，预计在未来25年内将增加50％[4]。但是，由于强化DM的有效性，在过去三十年中，在过去三十年中的发病率较低[5] [6]。在拉丁美洲，普通人群的健康覆盖范围在45％至97％之间波动[7]，而5名DM患者中只有2例具有足够的葡萄糖控制[8]。在全球范围内进行了荟萃分析的系统审查，发现预期为22.3％[4]。在亚洲进行的另一项审查报告为28％[9]。同样，一项系统的审查报告说，非洲的流行率在30.2％至31.6％之间[10]。此外，一项系统的审查评估了亚洲，北美，加勒比海和非洲的糖尿病性视网膜病年发病率从2.2％到12.7％不等[11]。但是，在我们的人群中，存在有关糖尿病死亡的患病率和发生率的知识差距。此外，重要的是要强调，现有评论通常不会根据DM的类型评估诊断视网膜病变的患病率和发生率。这很重要，因为患病率可能受到各种因素的影响，例如评估的人群类型，DM类型，疾病发作时间，应用的不同治疗方法，患者的年龄等[12-14]。因此，这项系统评价旨在评估拉丁美洲和加勒比海糖尿病患者糖尿病性视网膜病的患病率和发病率。
视觉变压器带有遮盖自动编码器，用于基于大尺寸视网膜图像的引用糖尿病性视网膜病变分类
基于深度学习算法的计算机辅助诊断系统已显示出糖尿病性视网膜病快速诊断（DR）的潜在应用。由于变压器的出色表现而不是自然图像上的卷积神经网络（CNN），因此我们尝试开发一种新模型，以使用变压器使用有限数量的大型视网膜图像来对引用的DR进行分类。在本研究中应用了带有蒙版自动编码器（MAE）的视觉变压器（VIT），以提高参考DR的分类性能。我们收集了超过224×224的100,000张公共底面的视网膜图像，然后使用MAE在这些视网膜图像上进行了预训练的VIT。将预训练的VIT应用于对引用的DR进行分类，还将性能与使用ImageNet的VIT预先训练的性能进行了比较。通过使用MAE进行超过100,000个视网膜图像预先培训，模型分类性能的改善优于预先训练的Ima-Genet。本模型的精度，曲线下的面积，最高灵敏度和最高特异性分别为93.42％，0.9853、0.973和0.9539。本研究表明，MAE可以为输入图像提供更大的灵活性，并大大减少所需图像的数量。同时，这项研究中的预处理数据集量表比ImageNet小得多，并且不需要ImageNet的预训练权重。
用于诊断糖尿病性视网膜病变发育阶段诊断的混合方法
摘要：糖尿病性视网膜病（DR）是糖尿病的并发症，会损害视网膜细腻的血管并导致失明。眼科医生通过对眼底进行成像来诊断视网膜。该过程需要很长时间，需要熟练的医生来诊断和确定DR的阶段。因此，使用人工智能的自动技术在分析底眼图像以检测DR开发阶段的过程中起着重要作用。但是，使用人工智能技术的诊断是一项困难的任务，并且经过许多阶段，而提取代表性特征对于达到令人满意的结果很重要。卷积神经网络（CNN）模型在高精度提取特征中起着重要而独特的作用。在这项研究中，使用两种建议的方法，将眼底图像用于检测DR的发育阶段，每个方法都有两个系统。第一个提出的方法将Googlenet与SVM和RESNET-18一起使用SVM。第二种方法基于使用GoogLenet，模糊颜色直方图（FCH），灰度级别共发生矩阵（GLCM）和局部二进制图案（LBP）提取的杂种特征，使用前馈神经网络（FFNN）；然后是RESNET-18，FCH，GLCM和LBP。所有提出的方法获得了较高的结果。具有RESNET-18，FCH，GLCM和LBP的混合特征的FFNN网络获得了99.7％的精度，精度为99.6％，敏感性为99.6％，特异性100％和99.86％的AUC。
抑制TERT抑制慢性髓样白血病细胞的增殖和诱导的凋亡
分类变量表示为计数和百分比，而连续变量则为标准偏差（SD）或具有四分位间范围（第25％和第75个百分位数）的中位数表示为手段。p值，并将卡方检验应用于分类变量。使用多元逻辑回归和平滑曲线拟合探索了DR和HDL-C之间的关联，并调整了相关的临床协变量。使用递归算法确定拐点。在检测非线性时，构建了一个加权的两型逻辑回归模型。使用EmpowerStats软件（http://www.empowerstats.com）和R版本4.1.1进行统计分析。p值小于0.05被认为具有统计学意义。
研究论文长期非编码RNA H19基因型与糖尿病性视网膜病的临床特征
糖尿病性视网膜病（DR）是以炎症反应为特征的糖尿病的微血管并发症。H19基因在调节炎症中起作用，并且与慢性全身炎症有关。本研究旨在研究H19基因中单核苷酸多态性（SNP）与DR的发展之间的潜在相关性。 H19 SNP的五个基因座-RS3024270（C/G），RS2839698（C/T），RS3741219（A/G），RS2107425（C/T）和RS217727（C/T）和RS217727（C/T）（C/T） - 使用TAQMAN ALLELILIM ALLELIC ALLELIC ALLELIC ALLELIC ALLELIC ALLELIC ALLELIC ALLELIC ALLELIC ALLELIC ALLELIC和272。结果表明，H19 SNP RS3741219 AG（P = 0.030）和AG+GG（P = 0.037）等位基因与45岁之前糖尿病发作的患者发育的DR的风险增加显着相关。此外，患有H19 SNP RS3741219 AG+GG基因型的糖尿病个体也显示出明显更高的血清肌酐（P = 0.034），较低的肾小球过滤率（GFR）（P = 0.013），总胆固醇/HDL/HDL/HDL/HDL比率（P = 0.031）和Trigligligly（p = 0.0）。在基于年龄的亚组分析中，糖尿病患者的GFR明显降低，患有糖尿病，H19 SNP RS3741219 AG+GG基因型（P = 0.012）。总而言之，H19 SNP RS3741219变体的存在与早发糖尿病患者的DR风险更高，并且在该人群中尤其明显。
评估贫血和高血糖状态在糖尿病性视网膜病的进展中以及黄斑变化：病例控制研究
背景：通过控制措施可以预防与糖尿病相关的视觉障碍。作为糖尿病性视网膜病和baculopathy缺乏有效的治疗，预防是关键。这项研究检查了葡萄糖，HBA1C和血红蛋白，以评估其对疾病发育和严重程度的影响。材料和方法：研究包括100例（糖尿病性视网膜病）和100例对照（无视网膜病）受试者。此外，病例组根据其严重程度将其细分为亚组，并取决于存在大量的存在。此后，比较了这些子组之间不同肾脏参数的值。结果：平均FBS和PPBS值与糖尿病性视网膜病（DR）严重程度显着相关（FBS的P <0.001，P = 0.012）。不受控制的糖尿病化合物DR风险。所有非常严重的NPDR和PDR患者的HBA1C> 7.0。HBA1C与DR严重程度（p = 0.302）之间没有显着关系。在病例（p <0.001）中升高的HBA1C强调了高血糖的作用。csme，f/pp血糖和HBA1C没有显着相关性。DR组具有较高的贫血可能性（P = 0.001），随着严重程度的增加（p = 0.017）。血红蛋白与CSME的关系在统计学上是微不足道的。结论：糖尿病性视网膜病变（DR）病例中FBS，PPB和HBA1C水平升高，将高血糖与DR发育联系起来。严重性与这些参数相关。HBA1C在严重的NPDR和PDR中显着上升。贫血风险增加，但CSME没有明显的相关性。由于DR治疗选择有限，监测生物化学至关重要。
人工智能作为决策支持系统应用于黑色素瘤、龋齿和糖尿病视网膜病变的检测和分级的成本效益
AI 表示人工智能。在面板 A 中，每个点和方块代表单个人在接受标准护理诊断或 AI 辅助筛查后产生的终生费用（巴西雷亚尔，R$）。在面板 B 中，根据研究假设，AI 在支付意愿较低的情况下更有可能降低成本效益，尽管这种确定性对额外质量调整生命年 (QALY) 的支付意愿 (WTP) 很敏感。
使用具有自我测量物理状况指标的机器学习算法的心脏病预测风险与国立大学医院中心的糖尿病性视网膜病有关的因素Hubert Koutoukou Maga
糖尿病性视网膜病（DR）是二 - 基因的微血管并发症之一。这项研究的目的是分析国立大学Hospital Center-Hubert Koutoukou Maga（CNHU-HKM）的糖尿病性视网膜病（DR）相关的危险因素。患者和我：这是一项针对性数据收集的描述性和分析性横断面研究。它是在2019年7月10日至10月10日的三个月内进行的。它涉及所有患有糖尿病的患者，并在研究期间在内分泌科进行了咨询。结果：糖尿病性视网膜病的频率为30.46％（53/174例）。观察到女性占主导地位，性别比（M/F）为0.57。主要可修改的危险因素由职业表示，而那些不可修改的危险因素由旧肾病，糖化血红蛋白，糖尿病的发现年龄及其服务长度来表示。糖尿病性疾病是一种严重的疾病，最终会导致失明。在我们的研究中，DR的频率仍然很高。关键字
早期检测周围神经病及其与2型糖尿病患者中视网膜病变和HBA1C水平的相关性
背景：筛查无症状糖尿病（DM）患者可能会减少未来并发症。尽管患有糖尿病周围神经病（DPN），但大约50％的2型糖尿病（2型DM）患者无症状。如果早点诊断出糖尿病神经病，则可以减少治疗糖尿病神经病和相关并发症的年成本。研究目标是在早期阶段鉴定周围神经病，并将周围神经病与无症状2型DM患者中的糖尿病性视网膜病变和HBA1C（糖糖性血红蛋白）相关。材料和方法：在2022年7月和2022年8月进行了一项横断面分析研究，对105例在印度印度帕德列奇里（Pondicherry Medical Sciences of Pondicherry Medical Sciences of Pondicherry Medical Sciences and Phc）Kalapet的105例患者（OPD）参加了普通医学研究所（OPD）。患有2型DM的18岁患者，他们对周围神经病无症状，并在过去两个月内检查了HBA1C水平。患者接受了密歇根州神经病筛查仪（MNSI）检查，生物仪和单纤维检查测试，以进行视网膜病变的神经病和眼底检查。结果：研究参与者的平均年龄为54.7±11.4岁，男女比率为6：4。视网膜病在18.1％（95％CI：11.9-26.5）。通过MNSI检查的DPN的患病率为3.8％（95％CI：1.5-9.4），单纤维纤维测试为21.0％（95％CI：14.3-29.7），生物表计为98.1％（95％CI：93.3-99.5）。通过生物仪和HBA1C测量的DPN之间具有统计学上的显着关联（p <0.05）。DR与HBA1C之间以及通过单纤维和HBA1C测量的DPN之间没有显着相关性（P> 0.05）。结论：生物仪测试器的客观评估是在无症状2型DM个体的早期阶段检测周围神经病的最佳工具，而不是单纤维测试。
糖尿病眼镜筛查中视力视野视网膜病的进展率的种族差异：基于人群的回顾性队列研究
摘要简介英语糖尿病眼镜筛查计划（DESP）为患有糖尿病（PLD）年度眼睛筛查的人们提供了。我们检查了在社会数学多样化的多民族人群中威胁视力视网膜病变（STDR）的发生率和决定因素。研究设计和方法（2012年1月至2021年12月）与137 591 PLD，没有视网膜病变，或一只眼睛的基线时非STDR，用于通过社会人口统计学因素，糖尿病类型和持续时间来计算STDR的发病率。COX模型的 HR检查了与STDR的关联。 结果，中位数为5。4年（IQR 2.8-8.2; STDR率2.214，95％CI 2.214至2.215年，有16例388例STDR病例。 与一只眼睛的非STDR相比，基线时没有视网膜病的患者的观光风险较低（HR 3.03，95％CI 2.91至3.15，P <0.001）和两只眼睛（HR 7.88，95％7.88，95％CI 7.59至8.18，p <0.18，p <0.18，p <0.18，p <0.001）。 黑人和南亚个体的STDR危害高于白人个体（HR 1.57，95％CI 1.50至1.64和HR 1.36，95％CI 1.31至1.42）。 此外，纳入时的年龄增加每5年，与STDR危害降低了8％（p <0.001）。 结论种族差异存在于受容量而非患者经济状况的限制的卫生系统中。 糖尿病性视网膜病变在第一屏幕上是STDR发育的强大决定因素。 通过使用基本的人口统计学特征，筛查程序或临床实践可以分层视力危及糖尿病性视网膜病变的风险。HR检查了与STDR的关联。结果，中位数为5。4年（IQR 2.8-8.2; STDR率2.214，95％CI 2.214至2.215年，有16例388例STDR病例。与一只眼睛的非STDR相比，基线时没有视网膜病的患者的观光风险较低（HR 3.03，95％CI 2.91至3.15，P <0.001）和两只眼睛（HR 7.88，95％7.88，95％CI 7.59至8.18，p <0.18，p <0.18，p <0.18，p <0.001）。黑人和南亚个体的STDR危害高于白人个体（HR 1.57，95％CI 1.50至1.64和HR 1.36，95％CI 1.31至1.42）。此外，纳入时的年龄增加每5年，与STDR危害降低了8％（p <0.001）。结论种族差异存在于受容量而非患者经济状况的限制的卫生系统中。糖尿病性视网膜病变在第一屏幕上是STDR发育的强大决定因素。通过使用基本的人口统计学特征，筛查程序或临床实践可以分层视力危及糖尿病性视网膜病变的风险。