XiaoMi-AI文件搜索系统
World File Search System以预
人口免疫的度量可以预测2017-2018季节流感A（H3N2）的主要进化枝，并揭示了与年龄相关的
背景：对于抗原可变病原体（例如流感），应变适应性部分取决于与其他菌株相比，宿主对感染感染的相对可用性。抗血凝素（HA）和神经氨酸酶（NA）的抗体赋予了对流感感染的实质性保护。我们询问横截面抗体衍生的估计值对不同流感促进核的种群易感性（H3N2）是否可以预测下季节的成功。方法：我们从2017年夏季从1至90岁的483个健康个体收集了血清，并使用焦点还原中和测试（FNRT）和酶连接的凝集素分析（Ella）分析了对代表性菌株的中和对HA和NA的反应。我们估计了循环病毒进化枝的相对人口平均水平和特定年龄的敏感性，并将这些估计值与随后的2017-18季节的进化枝频率变化进行了比较。结果：中和抗体滴度最低的进化枝，表明人口易感性更高，主导下一个季节。病毒菌株之间的效率相关性因年龄而异，表明与年龄相关的表位差异是由共同的过去暴露驱动的。但实质性的无法解释的变化仍然存在于年龄组内。结论：这项研究表明，人口免疫的代表性度量如何改善进化预测并为流感的选择性压力提供信息。
混合机器学习模型结合了关联规则挖掘和分类算法，以预测分化的甲状腺癌复发
在各种各样的内分泌恶性肿瘤中，分歧甲状腺癌（DTC）是最普遍的，由于其可变的复发率，在肿瘤学领域内构成了独特的挑战。这些闪烁的复发模式可以深刻影响患者管理策略和长期结局，从而强调了这种疾病的复杂性（1）。甲状腺癌变得越来越普遍，尤其是DTC。甲状腺癌在DTC处的差异程度以及疾病谱的无exented（偏变）末端已被用于对这些肿瘤进行分类。这两个物种的形态和行为有明显的区别。乳头状和卵泡癌是DTC的两种类型。未效力的组包括范围另一端的那种层，岛状和其他形式的癌。在行为方面，变性癌极具侵略性，而乳头状和卵泡癌通常是轻度且可以治疗的（2）。根据SEER（监视，流行病学和最终结果计划）的数据，2024年的估计病例数为44,020。该速率占2024年所有癌症病例的2.2％。2024年的估计死亡人数为2,170。但是，甲状腺癌的总体5年生存率相当不错。虽然局部疾病的5年预期生存率为99％，但远处转移的局面降至51％。它通常在55至64岁之间达到顶峰。我们在仍在局部的情况下检测到绝大多数患者（3）。乳头类型，尤其是在2014 - 2015年增加之后，甲状腺的趋势下降了，而卵泡类型往往保持稳定二十多年。尽管尚不清楚甲状腺癌的病因，但许多因素被指责，尤其是在地方性甲状腺肿区域中发现的DTC和暴露于童年时期辐射的人（4）。尽管与DTC相关的普遍预后，该疾病在大约20％的患者中表现出显着复发的倾向，这突出了对出色预测方法发展的迫切需求。这种方法将使高危个人识别并促进治疗方案的剪裁，最终优化患者的结果（5）。近年来，在数据挖掘和机器学习领域取得了显着的进步，迎来了新的途径，以增强各个医学领域的复发预测的准确性。在这些创新的方法中，关联分类已成为一种特别有希望的技术，证明了其在各种医疗应用中的潜力（6）。这种方法协同合并了与
表现有叶和DOAC分数，以预测用直接口服抗凝剂治疗的心房颤动患者中的重大出血事件：来自前瞻性欧洲观察登记处的报告
生物医学，代谢和神经科学系，摩德纳大学和雷吉奥·埃米莉亚大学，Policlinico di Modena，通过Del Pozzo 71，Modena 41121，Modena 41121，意大利B临床和实验医学计划，Modena和Reggio Emilia，Modena of Modiver Cardial c Cardial c Cardial c Cardial c Cardial c Cardia Liverpool John Moores University and Liverpool Heart & Chest Hospital, Liverpool, United Kingdom d Department of Translational and Precision Medicine, Sapienza – University of Rome, Italy e Department of Clinical Sciences and Community Health, University of Milan, Milan, Italy f Division of Subacute Care, IRCCS Istituti Clinici Scientifici Maugeri, Milani, Italy g Department of Clinical Medicine, Aalborg University,丹麦AALBORG
b'靶标发现对于药物开发至关重要，尤其是对于复杂的慢性疾病。高通量技术的最新进展和生物医学数据的爆炸式增长凸显了计算药物可药性预测方法的潜力。然而，大多数当前方法依赖于基于序列的特征和机器学习，这通常面临与手工制作的特征、可重复性和可访问性相关的挑战。此外，原始序列和蛋白质结构的潜力尚未得到充分研究。在这里，我们使用深度学习技术利用蛋白质序列和结构，揭示蛋白质序列，特别是预训练的嵌入，比蛋白质结构更具信息量。接下来，我们开发了 DrugTar，这是一种高性能深度学习算法，将来自 ESM-2 预训练蛋白质语言模型的序列嵌入与蛋白质本体相结合以预测药物可药性。DrugTar 实现了曲线下面积和精确召回曲线值高于 0.90，优于最先进的方法。总之，DrugTar 简化了靶标发现，这是开发新型疗法的瓶颈。'
b'靶标发现对于药物开发至关重要，尤其是对于复杂的慢性疾病。高通量技术的最新进展和生物医学数据的爆炸式增长凸显了计算药物可药性预测方法的潜力。然而，大多数当前方法依赖于基于序列的特征和机器学习，这通常面临与手工制作的特征、可重复性和可访问性相关的挑战。此外，原始序列和蛋白质结构的潜力尚未得到充分研究。在这里，我们使用深度学习技术利用蛋白质序列和结构，揭示蛋白质序列，特别是预训练的嵌入，比蛋白质结构更具信息量。接下来，我们开发了 DrugTar，这是一种高性能深度学习算法，将来自 ESM-2 预训练蛋白质语言模型的序列嵌入与蛋白质本体相结合以预测药物可药性。DrugTar 实现了曲线下面积和精确召回曲线值高于 0.90，优于最先进的方法。总之，DrugTar 简化了靶标发现，这是开发新型疗法的瓶颈。'
对李克特量表（RLAL）的学习算法排名，以预测学生对课程，教学学习和研究的看法
摘要 - 李克特量表是为各种情况收集数据的重要方面。数据以顺序形式为顺序，因此进行分析和预测需要一种特殊的算法。在本文中，提出了李克特量表（RLALS）的排名学习算法来预测序数数据。收集了来自教育领域的数据进行实验。在课程，教学学习和研究的背景下，与339名具有12个不同参数的学生收集了与反馈过程有关的数据。将提出的算法与众所周知的逻辑回归模型进行了比较。在功能工程之前和功能工程后提出的模型的准确性比逻辑回归更好。功能工程之前提出的模型的准确性为68.63％，而功能工程后，它为89.24％。
原始研究泛 - 免疫炎性价值优于其他炎症指标，可以预测住院主要不良心血管均匀
背景：对动脉粥样硬化的炎症反应是导致冠状动脉疾病的过程。泛免疫 - 炎症值（PIV）已成为炎症的新型生物标志物。然而，关于PIV对主要不良心血管事件（MACE）或冠状动脉狭窄程度的预测能力的研究很少。我们旨在探索经皮冠状动脉干预（PCI）后St段升高心肌梗塞（STEMI）患者PIV对MACE和冠状动脉狭窄程度的预测能力。方法：这项研究包括542例被诊断为STEMI的患者，并在2016年至2023年间接受了PCI，并测量了PIV和其他炎症标记。使用单变量和多元逻辑回归分析，评估了PCI后MACE和住院期间严重冠状动脉狭窄的风险变量，以创建接收器工作特性（ROC）曲线，并确定炎症标记的最佳阈值。Spearman相关分析用于评估PIV和其他炎症标记与Gensini评分（GS）的相关性。结果：与全身性炎症指数（SII），血小板与淋巴细胞比（PLR）和中性粒细胞与淋巴细胞比率（NLR）相比，PIV在PCI在PCI后在PCI术后患者的冠状动脉症患者的发生程度可能具有更大的预测价值。PIV和GS之间的相关性很强。结论：PIV在预测STEMI患者PCI后预测病情预后和严重的冠状动脉狭窄方面优于SII，PLR和NLR。
怀孕中低剂量阿司匹林以预防先兆子痫...
这些症状可以通过使您的血压降低的药物来治疗，但是，唯一的治疗先兆子痫是在您的婴儿分娩时。前宾夕法尼亚的风险是什么？如果未治疗子痫前期，则可能会影响子宫内婴儿的成长以及对母亲健康的风险。在这些情况下，可能需要（诱导）婴儿。
内吞镜检查具有自动多光谱肠屏障病理学成像，以评估深度愈合，以预测溃疡性结肠炎的结局
消息屏障愈合代表了溃疡性结肠炎（UC）的一种新型治疗靶标，尽管其评估仍然具有挑战性并且缺乏标准化。这项探索性研究评估了超高放大射击内吞镜检查引导组织采样并驱动紧密连接（TJ）蛋白质自动量化的能力，以评估静脉屏障完整性并预测主要的不良结果（MAOS）。34例临床缓解中的UC患者前瞻性地接受了内吞镜检查和机器学习支持的肠内屏障蛋白评估的评估。内尾镜检查与Claudin-2表达的组合在12个月内准确预测MAOS方面表现出了希望。这种综合方法有望确定UC中的深层康复和增强对待目标策略。
评估模型中的算法偏见，以预测菲律宾学生的学习成绩
摘要算法偏见是教育环境中机器学习模型中的主要问题。但是，它尚未在亚洲学习环境中进行彻底研究，并且只有有限的工作才考虑了基于区域（亚国家）背景的算法偏见。作为解决这一差距的一步，本文研究了菲律宾一所大型大学的5,986名学生的人口，并根据学生的区域背景调查了算法偏见。大学在广泛领域的在线课程中使用了画布学习管理系统（LMS）。在三个学期的典范上，我们收集了4870万个学生在画布中活动的日志记录。我们使用这些日志来训练从LMS活动中预测学生成绩的二进制分类模型。表现最佳的模型达到0.75，加权F1得分为0.79。随后，我们根据学生区域检查了偏见的数据。使用三个指标进行评估：AUC，加权F1得分和MADD在所有人口组中均显示出一致的结果。因此，在年级预测中对特定学生群体没有观察到不公平。
种群免疫的度量可以预测2017-2018季节流感A（H3N2）的主要进化枝，并揭示了与年龄相关的敏感性和抗体结合特异性的差异
背景：对于抗原可变病原体（例如流感），应变适应性部分取决于与其他菌株相比，宿主对感染感染的相对可用性。抗血凝素（HA）和神经氨酸酶（NA）的抗体赋予了对流感感染的实质性保护。我们询问横断面抗体对人口易感性对不同型流感进化枝（H3N2）的易感性的估计是否可以预测下季节的成功。方法：我们从2017年夏季从1至90岁的483个健康个体收集了血清，并使用焦点还原中和测试（FNRT）和酶连接的凝集素分析（Ella）分析了对代表性菌株的中和对HA和NA的反应。我们估计了循环病毒进化枝的相对人口平均水平和特定年龄的敏感性，并将这些估计值与随后的2017-18季节的进化枝频率变化进行了比较。结果：中和抗体滴度最低的进化枝，表明人口易感性更高，主导下一个季节。对不同的HA和NA进化枝的滴度在个体之间发生了巨大变化，但与年龄显示出显着的关联，表明依赖相关的过去暴露。结论：这项研究表明，人口免疫的代表性度量如何改善进化预测并为流感的选择性压力提供信息。