XiaoMi-AI文件搜索系统
World File Search System列线图
19 灭活疫苗在癌症患者中的血清转化
摘要 背景 建议接受主动免疫检查点抑制剂治疗的癌症患者通过接种疫苗预防 COVID-19。迄今为止，很少有报道讨论进展细胞死亡-1 阻滞剂 (PD-1B) 对免疫或疫苗相关结果的影响，以及哪些风险因素导致血清学状态仍有待阐明。该研究旨在发现 PD-1B 对疫苗接种结果的影响，并调查与血清转化失败风险相关的其他潜在风险因素。 方法 回顾性招募接受积极癌症治疗的患者，以研究 PD-1B 和疫苗接种之间的相互作用。通过人口统计学和临床特征的倾向评分匹配，以头对头的方式比较血清转化率和免疫/疫苗接种相关不良事件 (irAE 和 vrAE)。然后，使用多元回归分析中显着的变量开发了预测失败风险的列线图，并在独立队列中进行验证。结果 将接受 PD-1B 或 COVID-19 疫苗接种或两者兼有的患者 (n=454) 分为三组 (分别为 vac+/PD-1B+、vac+/PD-1B- 和 vac-/PD-1B+)，对照组为 206 人。vac+/PD-1B+ 组、vac+/PD-1B- 组和非癌症对照组的血清阳性率分别为 68.1% (94/138)、71.3% (117/164) 和 80.5% (166/206)。除低度皮疹外，PD-1B 治疗中未观察到 irAE 或 vrAE 升级。接种疫苗的癌症患者的血清转化率明显低于健康对照组。因此，我们建立了一个涵盖年龄、病理和化疗状态的列线图来预测血清转化失败风险，并在 196 名患者的独立癌症队列中进行了验证。结论尽管与健康人群相比，癌症患者的血清转化率普遍降低，但 COVID-19 疫苗的耐受性普遍良好，接受 PD-1B 治疗的患者的血清转化不受影响。我们制定了一个预测失败风险的列线图，其中包括年龄、化疗状态、病理类型和风湿合并症。
使用机器学习算法和 SHapley Additive exPlanations 预测老年患者术后谵妄症的模型
术后谵妄（POD）是老年髋部骨折患者常见且严重的并发症。识别出POD的高危患者有助于改善髋部骨折患者的预后。我们对2014年1月至2019年8月期间接受骨科手术治疗髋部骨折的老年患者（≥65岁）进行了回顾性研究。采用常规逻辑回归和五种机器学习算法建立POD的预测模型。采用逻辑回归方法构建POD预测列线图。计算受试者工作特征曲线下面积（AUC-ROC）、准确度、灵敏度和精确度来评估不同的模型。使用Shapley加性解释（SHAP）解释个体的特征重要性。约797名患者参加了该研究，POD的发生率为9.28%（74/797）。年龄、肾功能不全、慢性阻塞性肺病 (COPD)、抗精神病药物的使用、乳酸脱氢酶 (LDH) 和 C 反应蛋白用于构建 POD 的列线图，AUC 为 0.71。五种机器学习模型的 AUC 分别为 0.81（随机森林）、0.80（GBM）、0.68（AdaBoost）、0.77（XGBoost）和 0.70（SVM）。六种模型的敏感度范围从 68.8%（逻辑回归和 SVM）到 91.9%（随机森林）。六种机器学习模型的精确度范围从 18.3%（逻辑回归）到 67.8%（SVM）。使用逻辑回归和五种机器学习算法构建了髋部骨折患者 POD 的六种预测模型。机器学习算法的应用可以提供便捷的 POD 风险分层，使老年髋部骨折患者受益。
侵蚀和沉积物控制手册。...
图 1：圆形和狭窄的流域面积 ...................................................................................................... 9 图 2：水文循环 ...................................................................................................................... 10 图 3：侵蚀类型 资料来源：Calgary 2017 .............................................................................. 12 图 4：雨滴侵蚀示例 资料来源：（USDA 2021 ...................................................................... 12 图 5：片蚀/沟蚀示例 ............................................................................................................. 12 图 6 土壤质地三角形 ............................................................................................................. 14 图 7：植被减少，侵蚀加剧 ............................................................................................. 15 图 8：坡度角度对地形因子的影响 ............................................................................................. 19 图 9：坡度平坦化导致的侵蚀净减少量 ............................................................................................. 19 图 10：植被覆盖和无植被覆盖坡度的比较 ............................................................................. 20 图 11：土壤可蚀性列线图 ............................................................................................................. 23 图12：浅坡移动填筑沟渠 ...................................................................................... 28 图 13：高地下水位的砂砾石地层破坏 ...................................................................... 30
综合分析确定潜在的铁死亡-...
结果：根据铁死亡 mRNA 表达谱，将分子亚型分为两种（C1 和 C2），临床结果各异。C1 亚型表现出更高的基质评分、免疫细胞评分（T 辅助细胞、Treg、中性粒细胞）和免疫功能（APC 共抑制、副炎症和 II 型 IFN 反应）。C1 中免疫检查点（如 PDCD1）的 mRNA 表达水平高于 C2。发现可用于治疗卵巢癌的潜在小分子药物（PI3K 和 mTOR 抑制剂）。C1 对八种化疗药物（A.443654、AZD.0530、AZD6482、AZD7762、AZD8055、BAY.61.3606、比卡鲁胺和 CGP.60474）更敏感。开发了15-铁死亡相关mRNA标记，可以稳健且独立地预测结果。此外，还建立了结合标记和年龄的列线图，可以直观准确地预测5年总生存概率。
高风险神经母细胞瘤*儿科监测和随访...
异环磷酰胺 > 42 g/m 2 > 60 g/m 2 放线菌素 D >12.2 mg/m 2 4 苯丁酸氮芥 14.286 丙卡巴肼 > 3 g/m 2 > 4 g/m 2 卵巢放射治疗剂量* > 100 cGy > 1000 cGy 5 BCNU 15 苯丁酸氮芥 > 1.4 g/m 2 *与年龄有关（见列线图 5 ）^贝伐单抗可导致卵巢衰竭；可能仅为急性和短暂性 6 1. Green Pediatr Blood Cancer 2014;61(1):53-67 2. Van der Kaaji J Clin Oncol 2012;30(3):291-299 3. Solheim Gyne Oncol 2015;136(2):224-229 4.Van Den Berg Hum Reprod 2018; 33(8):1474-1488 5. Wallace Int J Radiat Oncol;62(3):738-744 6. Imai Molec Clin Oncol 2017;6:807-810
SNAI1 作为肺鳞状细胞癌预后预测和靶向治疗的生物标志物
结果：在正常人体组织中，与其他组织相比，SNAI1 在肺组织中明显高表达。然而，在 LUSC 中，其表达明显下调。SNAI1 mRNA 的高表达与较差的总生存期 (OS) 和无病生存期 (DFS) 相关。SNAI1 mRNA 的表达水平还与 LUSC 患者的年龄、肿瘤大小、淋巴结转移和远处转移有关。构建了列线图来预测 LUSC 患者的生存率。此外，LUSC 中 SNAI1 蛋白的高表达与预后不良有关。高表达组的 5 年生存率为 37%，低表达组的 59%。SNAI1 蛋白在 LUSC 组织细胞中的主要亚细胞定位是细胞核，但强蛋白表达也导致其定位在细胞质和膜中。基因集富集分析 (GSEA) 揭示了 LUSC 中 SNAI1 和 TP53 信号通路之间的相关性。SNAI1 可以与 TP53 相互作用，
能量代谢相关基因对射血分数保留的心力衰竭的诊断潜力
方法：从基因表达综合数据库中获取 HFpEF 小鼠数据集（GSE180065，包含 10 个 HFpEF 和 5 个对照样本的心脏组织）。比较 HFpEF 组和对照组的基因表达谱，以识别差异表达的 EMRG（DE-EMRG），并使用机器学习算法筛选具有诊断价值的诊断生物标志物。同时，我们构建了基于生物标志物的列线图模型以评估其预测能力，并使用单基因集富集分析、药物预测和调控网络分析对诊断生物标志物的功能进行研究。此外，利用基于诊断生物标志物表达的共识聚类分析来识别差异 HFpEF 相关基因（HFpEF-RG）。对 HFpEF 和亚型进行免疫微环境分析，以分析免疫细胞与诊断生物标志物以及 HFpEF-RG 之间的相关性。最后，对HFpEF小鼠模型进行qRT-PCR分析，以验证诊断生物标志物的表达水平。
预测模型和人工智能在临床中的应用
在过去的十年中，人工智能 (AI) 和放射组学等数据科学技术在放射学研究中强势崛起。放射组学是指从医学图像中（自动）提取大量定量特征 [1]。典型的放射组学工作流程涉及图像采集和分割以及特征提取和优先级排序/缩减，为其最终目标做准备，即预测建模 [2]。在这最后一步，放射组学和人工智能通常交织在一起，建立互利共生关系。近年来，医学成像领域关于放射组学和人工智能应用的出版物数量不断增加，方法也日益完善 [3,4]。最佳实践白皮书的制定和预测建模出版物质量标准（如 TRIPODS [5] 或 CLAIM [6] 标准）大大促进了这种定性收益。因此，在最近的出版物中越来越多地观察到提高预测模型普遍性的相关方法学方法，例如，准确组成具有代表性和无偏数据集，避免数据泄露，结合（嵌套）交叉验证方法进行模型开发，特别是在小数据集上，或使用独立的外部测试样本。在这方面，Song 等人 [7] 在最新一期的《欧洲放射学》上发表的关于预测颅内出血功能结果的临床放射组学列线图的工作只是一般趋势的一个例子。然而，与预测模型在医学成像研究中的利用率和重要性的提高相比，这些技术尚未在临床
深入了解基于机器学习的棕榈酰化...
摘要背景：乳腺癌是影响全球众多女性的普遍公共卫生问题，与棕榈酰化（一种翻译后蛋白质修饰）有关。尽管人们对棕榈酰化越来越关注，但其对乳腺癌预后的具体影响仍不清楚。这项工作旨在确定与乳腺癌棕榈酰化相关的预后因素，并评估其在预测化疗和免疫疗法反应方面的有效性。方法：我们利用“limma”包分析乳腺癌和正常组织之间棕榈酰化相关基因的差异表达。使用“WGCNA”包识别中心基因。使用最小绝对收缩和选择算子 (LASSO) Cox 回归分析，我们确定了与棕榈酰化相关的预后特征，并使用“regplot”包开发了预后列线图。使用免疫表型评分 (IPS) 和“pRophetic”包评估模型对化疗和免疫疗法反应的预测值。结果：我们鉴定出211个与棕榈酰化相关的差异表达基因，其中44个显示出预后潜力。随后，我们建立了一个包含11个棕榈酰化相关基因的预测模型。根据中位风险评分将患者分为高风险组和低风险组。研究结果显示，高风险组个体的生存率较低，而低风险组个体的免疫细胞滤过率增加，对化疗和免疫治疗的反应性改善。此外，我们还建立了BC-棕榈酰化工具网站。结论：本研究开发了第一个基于机器学习的棕榈酰化相关基因预测模型并创建了相应的网站，为临床医生提供了改善患者预后的宝贵工具。
最新实用英汉电信词典
A a A = availability 可用性 Å = angstrom 埃 @ = at 1.单价 2.电子邮件地址账号和域名之间的分 隔符 A-A = analog-analog 模拟 - 模拟 A&B bit signaling A 和 B 位信令 A-B cut mixer 一级图像混合器 , A-B 图像混合器 A&B leads A 线和 B 线 A band A 波段 A Block 1.( 复式人工交换局 ) 甲交换台 , A 交换台 2.甲 盘 , A 盘 A carrier = alternate carrier 甲类电话公司 , 另一种电 话公司 A condition ( 起止式传输中的 )A 状态 , 起状态 , 启动空 号状态 A-D = analog-digital 模 ( 拟 ) —数 ( 字 ) A/D = analog-digital 模数转换 A/D coder 模数转换器 A/D conversion 模数转换 A/D converter 模 ( 拟 )/ 数 ( 字 ) 转换器 A interface A- 接口 A-law coding A 律编码 A/M = automatic/manual 自动 / 人工 A operator ( 复式人工交换局 ) 甲台话务员 A party 主叫方 , 主叫用户 A register A 寄存器 , 运算寄存器 A/Z 起 / 止脉冲 , 起 / 止脉冲比 , 空号 / 传号脉冲 , 空号 / 传 号脉冲比 AAA = authentication, authorization and accounting ( 移动通信 ) 鉴权 , 授权与计费 AAB = automatic alternative billing 自动更换记账 / automatic answerback 自动应答 AAL = ATM adaptation layer 异步转移传递模式适配层 , ATM 适配层 AAL1 ATM 适配层 1 AAL2 ATM 适配层 2 AAL3/4 ATM 适配层 3/4 AAL5 ATM 适配层 5 AARP Apple Talk 地址解析协议 abac 计算图表 , 列线图 , 诺模图 abac-parameter 四端网络参数 , 四端网络参量 abandon call 中途放弃呼叫 abandon pause 呼叫中途挂机 , 未接通暂停 abandoned call 放弃的呼叫 abandoned call attempt 放弃的试呼 abandoned traffic 损失业务 , 放弃的业务 abatement 1.抑制 , 消除 2.废料 Abbe condenser 阿贝聚光镜 Abbe number 阿贝数 , 色散系数 abbreviated address 缩位地址 , 缩写地址 abbreviated addressing 短缩寻址 abbreviated call 缩位呼叫 , 缩位拨号 , 简呼 abbreviated character 简化字符 abbreviated dialing 缩位拨号 abbreviated signal code 缩写信号码 abbreviative notation 缩写标记 ABD = abbreviated dialing 缩位拨号 abd technique 诱导技术 abduction 诱导 , 推断 , 推测 abductive reasoning 反绎推理 abductive technique 诱导技术 abecedarian 按顺序排列的 Abel transform 阿贝尔变换 Abelian group 阿贝尔群 abend 异常终止 , 异常结束 aberration 1.越轨 , 偏差 2.像差 , 色差 3.失常 , 畸变 4.光行差 aberration curve 像差曲线 aberration function 误差函数