XiaoMi-AI文件搜索系统
World File Search Systemseverity
EASI p‐EASI：使用血清生物标志物组合预测接受 dupilumab 治疗的特应性皮炎患者的病情严重程度
1. Flohr C. 特应性皮炎临床试验诊断标准和结果测量：仍然一团糟。J Invest Dermatol。2011；131（3）：557-559。2. Thijs J、Krastev T、Weidinger S 等人。特应性皮炎的生物标志物：系统评价和荟萃分析。Curr Opin Allergy Clin Immunol。2015；15（5）：453-460。3. Thijs JL、Drylewicz J、Fiechter R 等人。EASI p-EASI：利用血清生物标志物组合为特应性皮炎患者的疾病严重程度提供客观测量工具。J Allergy Clin Immunol。2017；140（6）：1703-1705。 4. Walker C、Kagi MK、Ingold P 等。特应性皮炎：外周血 T 细胞活化、嗜酸性粒细胞增多症和血清因子与临床严重程度的相关性。临床实验过敏。1993；23(2)：145-153。5. Nograles KE、Zaba LC、Guttman-Yassky E 等。Th17 细胞因子白细胞介素 (IL)-17 和 IL-22 调节不同的炎症和角质形成细胞反应途径。英国皮肤病学杂志。2008；159(5)：1092-1102。6. Thijs JL、Drylewicz J、Bruijnzeel-Koomen C 等。 EASI p-EASI：预测接受环孢素 A 治疗的特应性皮炎患者的病情严重程度。过敏。2019；74(3):613-617。7. Paller AS、Kabashima K、Bieber T。特应性皮炎的治疗渠道：干旱的结束？过敏临床免疫学杂志。2017；140(3):633-643。8. Ariens LF、van der Schaft J、Bakker DS 等人。Dupilumab 对大量难治性成人特应性皮炎患者非常有效：来自 BioDay 登记处的首批临床和生物标志物结果。过敏 2019；75(1):116-126。 9. Furue M, Sugiyama H, Tsukamoto K, Ohtake N, Tamaki K. 特应性皮炎患者血清可溶性 IL-2 受体 (sIL-2R) 和嗜酸性粒细胞阳离子蛋白 (ECP) 水平。J Dermatol Sci 。1994；7(2):89-95。10. Guttman-Yassky E, Bissonnette R, Ungar B 等人。Dupilumab 可逐步改善特应性皮炎患者的全身和皮肤异常。J Allergy Clin Immunol 。2019；143(1):155-172。
研究文章 深度迁移学习人工智能可在便携式胸部 X 光片上准确分期 COVID-19 肺部疾病严重程度
本研究采用深度学习卷积神经网络在便携式胸部X光 (CXR) 上对冠状病毒病 2019 (COVID-19) 感染的肺部疾病严重程度进行分期，并以放射科医生的疾病严重程度评分为基本事实。本研究包括 84 名 COVID-19 患者 (51 名男性 55.1 ± 14.9 岁；29 名女性 60.1 ± 14.3 岁；4 项信息缺失) 的 131 张便携式 CXR。三位专家胸部放射科医生根据不透明度 (0-3) 和地理范围 (0-4) 分别对左肺和右肺进行评分。深度学习卷积神经网络 (CNN) 用于预测肺部疾病严重程度评分。数据分为 80% 的训练数据集和 20% 的测试数据集。分析了 AI 预测评分与放射科医生评分之间的相关性。并与传统学习和迁移学习进行了比较。平均不透明度得分为 2.52（范围：0-6），三位读者的标准差为 0.25（9.9%）。平均地理范围得分为 3.42（范围：0-8），三位读者的标准差为 0.57（16.7%）。评分者间一致性得出不透明度得分的 Fleiss' Kappa 为 0.45，范围得分的 Fleiss' Kappa 为 0.71。人工智能预测的分数与放射科医生的分数高度相关，其中顶级模型的相关系数（R 2 ）为 0.90（范围：传统学习为 0.73-0.90，迁移学习为 0.83-0.90），平均绝对误差为 8.5%（范围：分别为 17.2-21.0% 和 8.5%-15.5）。迁移学习通常表现更好。总之，深度学习 CNN 可在便携式 COVID-19 肺部感染胸部 X 光片上准确分级疾病严重程度。这种方法可能有助于分级肺部疾病严重程度、预测和预测治疗反应和生存率，从而为风险管理和资源分配提供信息。
引用：Ahn H. 基于症状对眼科急诊严重程度进行分类的人工智能方法：一项验证研究。BMJ Open 2020；10：e037161。doi:10.1136/bmjopen-2020-037161
摘要 目的 我们研究了机器学习人工智能 (AI) 在对眼科急症严重程度进行分类以便及时就诊方面的有效性。 研究设计 这项回顾性研究分析了 2019 年 5 月至 12 月期间首次访问大邱武装部队医院的患者。患者的一般信息、事件和症状是输入变量。事件、症状、诊断和治疗是输出变量。输出变量分为四类（红色、橙色、黄色和绿色，表示立即或无紧急情况）。在所有训练程序之前，随机选择了大约 200 例类平衡验证数据集。采用了一种集成 AI 模型，该模型结合了全连接神经网络和合成少数过采样技术算法。 参与者 共纳入 1681 名患者。 主要结果 使用准确度、精确度、召回率和 F1 分数来评估模型性能。 结果 该模型的准确率为 99.05%。各类别（红色、橙色、黄色和绿色）的准确率分别为 100%、98.10%、92.73% 和 100%。各类别的召回率分别为 100%、100%、98.08% 和 95.33%。各类别的 F1 得分分别为 100%、99.04%、95.33% 和 96.00%。结论我们为基于症状对眼科急诊严重程度进行分类的 AI 方法提供了支持。
一组患有风湿性疾病的 COVID-19 患者的临床病程、严重程度和死亡率
在这项描述性回顾性研究中，我们旨在描述这些患者的严重程度和死亡率相关特征以及免疫调节药物对感染病程的影响。研究对象为 2020 年 2 月 25 日至 2020 年 6 月 8 日期间在拉巴斯大学医院风湿病科就诊的患有 COVID-19 感染和风湿性炎症疾病的患者。共纳入 122 名患者。其中 100 名（82.0%）通过鼻咽拭子确诊。22 名患者（18.0%）表现出相符的症状，且肺部影像学检查结果相符和/或血清学检查呈阳性。患者特征如表 1 所示。单因素分析显示，与住院相关的变量（表 2）包括年龄（5 年间隔；OR 1.34，95% CI 1.17-1.55）、泼尼松剂量 >5 mg/天（OR 2.55，95% CI 1.07-5.59）、慢性肺部疾病（OR 5.34，95% CI 1.47-19.35）和高血压（OR 4.06，95% CI 1.79-9.19）。住院的独立危险因素是甲氨蝶呤（OR 2.06，95% CI 1.01-5.29）和年龄（5 年间隔；OR 1.31，95% CI 1.11-1.48）。未发现与羟氯喹、其他常规抗风湿药物 (cDMARDs)、靶向合成抗风湿药物或生物抗风湿药物 (bDMARDs) 或实验室参数有任何关联。甲氨蝶呤治疗与年龄、性别、糖皮质激素或风湿病亚型无关。14 名患者 (11.5%) 死于呼吸衰竭。9 名患者使用 cDMARDs（单药或联合治疗），1 名使用 bDMARD（利妥昔单抗），4 名仅服用口服糖皮质激素。羟氯喹在死亡率方面没有差异。单变量分析显示，与死亡相关的因素包括年龄（OR 1.60，95% CI 1.20- 2.01）、动脉高血压（OR 12.17，95% CI 2.58-57.38）、肺部疾病（OR 5.36，95% CI 1.60-17.94）和泼尼松剂量>5 mg/天（OR 5.70，95% CI 1.63-19.92）。最近爆发的 COVID-19 引起了人们对炎症性风湿病患者管理的担忧。然而，一些报告表明，通常用于治疗风湿病的治疗方法可能对 COVID-19 有效。 4 在我们的系列研究中，与其他群体相比，因感染严重而需要住院的患者比例较高 (56.6%)，这可能是由于合并症患病率较高，尤其是高血压，糖皮质激素的使用率较高或对更严重病例的潜在选择偏见。5 6
麻醉家猫急性出血严重程度评分系统的开发：CABSS 评分
2016；Hanson 等人 2017）。大多数健康动物可以耐受 10% 的急性循环血容量损失而无需进行容量复苏。有几种方法可以估算术中失血量，包括测量抽吸罐中的血液量、计数浸血的拭子（海绵）和估算手术单上的血容量损失（Jutkowitz 2004）。用于评估出血的间接方法包括测量血红蛋白 [(Hb) 或血细胞比容 (Ht)]、白蛋白或总血清固体（Jutkowitz 2004）。然而，这些间接方法仅适用于评估发生代偿性液体转移后的失血量，而代偿性液体转移发生在急性出血事件后至少 2 小时（Jutkowitz 2004）。因此，对于出现严重出血的猫，容量复苏可能会延迟。此外，健康猫的血容量相对较小，范围从 52.6 ± 6.8 到 59.6 ± 5.8 mL kg e 1 ，这使确定失血量成为一个挑战（ Groom 等人，1965 年；Mott，1968 年）。另外，当胸腔和腹腔内出现被上覆器官掩盖的隐匿性出血或视野受限（胸腔镜检查和腹腔镜检查）时，确定失血量尤其具有挑战性。猫的术中出血可能未被充分认识，并且是许多已报告的心血管相关围麻醉期死亡的一个潜在风险因素（ Brodbelt，2010 年）。目前，尚无评分系统可用于辅助检测或量化清醒或麻醉伴侣动物的急性出血（Reineke 2018），但它们在人类医学中很常见（Pons 等人 1985；Baskett 1990；Yucel 等人 2006；Chico-Fernandez 等人 2011；Ogura 等人 2014；Callcut 等人 2016）。在人类医学中应用的评分系统用于识别出血性休克患者，指导复苏或作为早期输血触发因素，通常是在患者送往医院之前（Terceros-Almanza 等人 2019）。我们推测理想的评分系统应该是：1）易于计算，2）利用反映出血早期反应的生理变量，3）包括反映血液成分变化的变量，和 4）仅由在怀疑急性出血后在某个时间点可获得的变量组成。本研究的目的是确定是否有任何可立即量化的生理、血液学、生化或电解质变量可用于猫急性出血评分系统 (CABSS) 预测家猫的急性严重出血事件。我们假设在轻度或重度出血事件之前获得的任何变量值都不会与在麻醉猫中事件后测得的值不同。