XiaoMi-AI文件搜索系统
World File Search Systemseverity
开发新的临床检查量表，以测量克鲁特兹菲尔德杰科布疾病
抽象的目标是使用强大的统计方法来开发和验证临床评级量表，以量化床边散发性creutzfeldt-jakob病（SCJD）的纵向运动和认知功能障碍。方法Rasch分析用于迭代构造间隔量表，以测量从2008年10月至2016年10月至12月的前瞻性国家Prion监测同伙研究中收集的合并床旁神经认知检查的复合认知和运动功能障碍。由528例SCJD患者构建的纵向临床检查数据集，包括1030运动量表和757个认知量表，超过130名患者 - 研究年份，用于证明量表效用。结果Rasch衍生的运动量表由8个项目组成，包括依赖于金字塔，锥体外和小脑系统的评估。认知量表包括6个项目，包括执行功能，语言，视觉感知和记忆的度量。两个量表都是一维的，独立于年龄或性别，并且具有良好的间可靠性。，它们可以在床边的几分钟内完成，作为正常神经认知检查的一部分。可以通过平均两个分数来得出综合考试量表。在测量纵向变化，预后和表型异质性方面进行了几种量表用途。结论这两个新型的SCJD运动和认知量表以及综合检查量表应被证明可用于客观地测量未来临床试验的表型和临床变化以及患者分层。这种统计方法可以有助于克服评估迅速进行性的多系统条件的临床变化的障碍，并且纵向随访有限。
COVID-19 主要常见遗传风险因素对严重程度和死亡率的年龄相关影响
此预印本的版权所有者此版本于 2021 年 3 月 12 日发布。；https://doi.org/10.1101/2021.03.07.21252875 doi: medRxiv preprint
模拟全国范围内 BCG 疫苗接种建议对 COVID-19 传播、严重程度和死亡率的影响
世界卫生组织于 2020 年 3 月 11 日宣布 COVID-19 为大流行病。世界各地 COVID-19 病例的发病率和死亡率明显不同。与卫生体系更完善的欧美发达国家相比，卫生体系脆弱的亚洲和非洲发展中国家的发病率和死亡率较低。亚洲和非洲大多数国家都有国家卡介苗接种计划，而欧美没有或已停止该计划。目前，尚无已知的 COVID-19 疗法。目前尚无可用于预防 COVID-19 疾病的疫苗。由于数学建模非常适合预测疾病传播率以及评估可能的公共卫生预防措施的有效性，我们创建了一个包含七个部分数学模型，以了解全国范围内卡介苗对 COVID-19 传播、严重程度和死亡率的建议。我们计算了两个基本再生数，一个在无疫苗平衡点，另一个在有疫苗平衡点，并进行了局部稳定性、敏感性和数值分析。我们的结果表明，接种 BCG 疫苗的人感染 COVID-19 的风险较低、住院时间较短、康复率较高。此外，长期实行全民 BCG 疫苗接种政策的国家降低了 COVID-19 的发病率、死亡率和严重程度。进一步的研究将侧重于探索接种疫苗对医护人员和患者的直接益处以及再次接种 BCG 疫苗的益处。
使用多模式数据和机器学习预测多发性硬化症的疾病严重程度
Magi Andorra 1 · Ana Free 2,18 · Melanie Roots Brune‑Ingebretse 5,6 · Federical Ivaldi 9 · Cellerino 3 · Matthew Pardini · Book 1 · Irene Power 1 · Eloy 1 · Eloy Martinez‑Heras 1 · Decree Asseyer 10 · Sayedamirhosein Joseph Kauer-Bonin 1
重复扩展大小在预测RFC1疾病的发病年龄和严重程度的作用
RFC1疾病是由RFC1中双重重复扩张引起的，就发病年龄，疾病进展和表型而言，在临床上是异质的。 我们研究了重复大小在影响RFC1差异中的临床变量中的作用。 我们还评估了重复的减数分裂和体细胞不稳定性的存在和作用。 在这项研究中，我们确定了553名携带双重RFC1扩展的患者，并测量了392例病例的重复扩张大小。 Pearson的系数计算以评估疾病发作时重复大小与年龄之间的相关性。 采用了一个具有鲁棒簇标准误差的COX模型来描述重复大小对年龄的影响，对每种症状发作时的年龄以及疾病进展的影响。 用于分析表型与重复大小之间的关系的一种准辉导回归模型。 我们进行了多元线性回归，以评估重复大小与小脑萎缩程度的关联。 减数分裂的稳定性是通过在27个概率的一级亲戚身上印迹的。 最后，通过在四个验尸病例的小脑和额叶皮层上的光学基因组映射以及未受影响的外围组织研究了体细胞不稳定。 具有更复杂表型的患者携带较大的扩张[较小的等位基因：复杂的神经病率比（RR）= 1.30，p = 0.003;小脑共济失调，神经病和前庭症综合症（画布）RR = 1.34，RFC1疾病是由RFC1中双重重复扩张引起的，就发病年龄，疾病进展和表型而言，在临床上是异质的。我们研究了重复大小在影响RFC1差异中的临床变量中的作用。我们还评估了重复的减数分裂和体细胞不稳定性的存在和作用。在这项研究中，我们确定了553名携带双重RFC1扩展的患者，并测量了392例病例的重复扩张大小。Pearson的系数计算以评估疾病发作时重复大小与年龄之间的相关性。采用了一个具有鲁棒簇标准误差的COX模型来描述重复大小对年龄的影响，对每种症状发作时的年龄以及疾病进展的影响。用于分析表型与重复大小之间的关系的一种准辉导回归模型。我们进行了多元线性回归，以评估重复大小与小脑萎缩程度的关联。减数分裂的稳定性是通过在27个概率的一级亲戚身上印迹的。最后，通过在四个验尸病例的小脑和额叶皮层上的光学基因组映射以及未受影响的外围组织研究了体细胞不稳定。具有更复杂表型的患者携带较大的扩张[较小的等位基因：复杂的神经病率比（RR）= 1.30，p = 0.003;小脑共济失调，神经病和前庭症综合症（画布）RR = 1.34，较小和较大等位基因的重复大小较大与神经系统发作时的年龄相关[较小的等位基因危害比（HR）= 2.06，p <0.001;较大的等位基因hr = 1.53，p <0.001]，并且具有较高的出现疾病症状的危险，例如质心thiria或dysphagia（较小的等位基因hr = 3.40，p <0.001；较大的等位基因hr = 1.71，p = 0.002），p = 0.002）或独立的步行（较小的等位基因hr = 2.78，p <0.78，p <0.001; 课程。
肺泡巨噬细胞的肠道菌群编程影响呼吸道病毒感染的严重程度
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年1月13日发布。 https://doi.org/10.1101/2023.09.21.558814 doi：Biorxiv Preprint
印度大学医院的医疗保健工人中covid-19的严重性和结果
摘要医疗保健工人（HCWS）尽管疫苗接种，但仍有199号感染的高风险。在接种的HCW中，在COVID-19病例上存在有限的数据。这项研究旨在在医学院医院的一家Covid诊所中描述RT PCR确认的COVID-19病例的临床特征和结果。这项单中心的前瞻性队列研究包括HCWS，他们接受了至少一剂Covid-19疫苗的剂量，并在6个月内测试了Covid-19的阳性。收集了有关人口统计，症状，工作类别，COVID-19疫苗接种间隔和感染严重程度的数据。2381次接种HCW的DIV> 105个测试阳性，被归类为轻度，中度或严重病例。在接种疫苗的HCW中，有4.41％的人为疫苗后Covid-19 Infections。所有105例接受了第一个剂量，有79例接受了第二剂剂量。部分接种了47.6％，突破性案件为53.3％。平均年龄为30.90±8.69岁，男性为63.8％，女性病例为36.2％。大多数病例（85.7％）在医院获得感染，而47.6％的病例与199例患者直接接触。常见症状包括疲劳（85.7％），发烧（82.9％）和咳嗽（64.8％）。在病例中，有93.3％的温和，5.7％的中度和0.9％的严重。中度和严重病例需要医院入院和补充氧气疗法。未报告死亡率。某些变量与年龄，预防措施，工作场所类型，症状和合并症有关。即使在接种疫苗的个体中，监测和感染控制措施也仍然至关重要。突破性感染可能会在完全疫苗的HCW中发生，但严重程度和死亡率降低。这项研究提供了有关HCWS中临床表现，氧疗法要求以及疫苗后Covid-19病例的结果的见解。数据将为促进剂量的策略提供依据，以防止Covid-19。
杜克大学跑步机评分预测糖尿病患者的冠状动脉疾病严重程度。
冠状动脉疾病（CAD）是全球范围内死亡率和发病率的重要原因。杜克跑步机评分（DTS）是一种临床评估，该评估使用运动应力测试来确定冠状动脉疾病（CAD）的严重程度。目的：这项研究是为了了解DTS在糖尿病和非糖尿病患者中的CAD严重程度如何。方法：2023年3月至2023年在伊斯兰堡皮姆斯心脏病学系进行了一项前瞻性队列研究。总共450例患者分为糖尿病（225）和非糖尿病（225）组。糖尿病。经过验证的DTS分数运动持续时间，ST段偏差和心绞痛症状，以预测严重的CAD。-11或以上是高风险，-10至+4是中等风险，+5或更多是低风险。结果：对450例患者的研究为282名（62.6％）和168名（37.3％）的女性，平均年龄为58.4±13.2岁。冠状动脉血管造影，170名糖尿病患者（75.6％）和130个非糖尿病患者（57.8％）具有大量CAD。糖尿病患者的高血压为52.9％，非糖尿病患者为49.3％（p = 0.920）。糖尿病患者患有10.6％的血脂异常，非糖尿病患者为9.3％（p = 0.058）。结论：DTS可能预测糖尿病患者和非糖尿病患者的CAD严重程度。糖尿病是CAD的关键危险因素，DTS可能有助于估算风险。dts和CAD风险评估可能会受到患者特征，运动能力和跑步机技术的影响。
混合特征选择和分类技术，用于早期预测和糖尿病的严重程度2
糖尿病预测是一个正在进行的研究主题，医学专家试图以更高的精度预测病情。糖尿病通常保持昏昏欲睡，并且有机会确定患者患有另一种疾病，例如对肾脏的伤害，眼睛的视网膜问题或心脏病问题，它会导致代谢问题和体内各种复杂性。在本评论中应用了各种全球学习程序，包括投票，支持和解雇。使用工程设计的少数族裔过采样程序（被摧毁）以及K跨层互批批准方法，用于实现夜晚的上课并批准发现。PIMA印度糖尿病（PID）数据集是从UCI机器学习（UCI ML）商店中积累的，并选择了此数据集。一种突出的工程技术用于计算生活方式因素的影响。已经开发了一种两相分类模型，以使用顺序最小优化（SMO）和SMOTE方法一起预测胰岛素抵抗。SMOTE技术用于在模型的第一阶段中预处理数据，而SMO类则在第二阶段使用。所有其他分类技术的表现都超过了决策树的错误率，准确性，特异性，精度，召回，F1措施和ROC曲线。使用组合的SMOTE和SMO策略进行了模型，该策略以0.1 ms的运行时获得了99.07％的校正。建议的系统的结果是提高分类器在早期发现疾病方面的表现。
使用机器学习进行道路事故严重性预测和最佳救援途径
道路交通事故仍然是城市规划师，运输当局和全球公共安全利益相关者的关键挑战。尽管道路基础设施和交通管理方面取得了进步，但事故的频率和严重性继续使紧急响应系统紧张并损害公共安全。事故热点特别令人担忧，因为它们经常由于道路设计不良，交通密度和不利天气条件等因素而表现出反复出现的事故模式。本文解决了通过数据驱动的方法来预测事故严重程度并确定易于识别事故的领域的挑战。使用一个超过770万个包含地理，环境和时间特征的事故记录的大型数据集，该论文开发了机器学习模型，以预测事故的严重性并检测高风险区域的空间群集。通过将历史事故数据与天气和道路状况等实时因素相结合，该论文旨在创建一个为主动干预措施提供信息并优化紧急响应策略的系统。