XiaoMi-AI文件搜索系统
World File Search System受试者
评估 COVID-19 预防或治疗药物和生物制品临床试验中成人和青少年门诊受试者的 COVID-19 相关症状
本指南为申办方和研究者提供了在评估用于预防或治疗门诊成人和青少年受试者的 COVID-19 的药物或生物制品的临床试验中如何测量和分析与 2019 冠状病毒病 (COVID-19) 相关的常见症状的方法的考虑。本指南不适用于评估用于治疗或预防儿童和成人感染后 COVID-19 状况（例如，长期 COVID、多系统炎症综合征）的产品的开发计划，也不适用于预防性疫苗的开发计划。本指南不涉及临床试验设计方面的考虑因素，除了涉及测量和分析门诊患者 COVID-19 相关症状的考虑因素之外。需要住院治疗的 COVID-19 患者的考虑因素不在本指南的范围内。
饮食补充对患有糖尿病前期受试者的2型糖尿病进展的影响：单个中心随机双盲安慰剂对照试验
结果：研究总共包括47名参与者（PL，n = 16； CFD，n = 15; CF，n = 16）。在24周的随访中，干预组中血糖状况恶化的参与者分别为14.29％，13.33％和31.25％。然而，在排除研究中排除先前的糖尿病时，主要结果，血糖状态的进展是统计上不同的，p-值= 0.046（p <0.05）。以及24周随访时2型糖尿病的发生率在三组之间在统计学上不同，14.29％，13.33％和12.5％，p-值= 0.699（p <0.05）分别在CFD，CF，CF，PL组中。次要结果也未能证明饮食补充剂对血糖，脂质纤维纤维，体重，BMI和血液化学的影响。
体内近红外光谱谱图将阿尔茨海默氏病的受试者与年龄匹配的对照区分开
摘要。背景：诸如阿尔茨海默氏病（AD）的PET和MRI AID临床评估之类的医学成像方法。便宜，技术要求较低，并且需要更广泛的可部署技术来扩大客观筛查以进行诊断，治疗和研究。我们先前在体外报道了脑组织近红外光谱（NIR），表明有可能满足这种需求的潜力。目标：通过匹配对照组的临床，临床，NIR Invivo CandistinguishAdpatients，临床，NIR Invivo CandistryishAdpatients，并显示了NIR作为临床筛查的潜力和监测治疗性有效性的潜力。方法：在体内获取NIR光谱。研究了三组：尸检确认AD，对照和轻度认知障碍（MCI）。使用强度归一化光谱的第一个衍生物的特征选择方法用于发现最能区分“ ad-alone”（即没有其他显着神经病理学）的光谱区域。然后将该方法应用于其他尸检确认的AD病例和临床诊断的MCI病例。结果：大约860和895 nm的两个区域将AD患者与对照组完全分开，并根据损伤程度区分MCI受试者。895 nm功能在将MCI受试者与对照组分开（权重：1.3）方面更为重要。 860 nm功能对于区分MCI和AD（重量比率：8.2）更为重要。结论：这些结果构成了近红外光谱可以检测和分类患病和正常人脑的概念的证明。需要进行临床试验来确定这两个特征是否可以跟踪疾病进展并监测潜在的治疗干预措施。
INB-100：衍生的捐赠者试点研究，前视/ ... div>
15名受试者； 10治疗（在DL1治疗的4例，在DL2的RP2D中处理，正在等待治疗）。未经治疗的受试者包括屏幕故障，制造失败，一名受试者在给药前死亡，还有一名受试者接受了学习规范的产品。治疗的受试者为60％男性，中位年龄
未服药且有精神状态危险、后来患上精神病的受试者的静息态脑电图：低分辨率电磁断层扫描分析
方法：纳入未服用任何精神药物且符合危险精神状态综合评估标准的 ARMS 患者。出现精神病性障碍的患者被标记为 ARMS-P 组，而前瞻性随访超过 2 年且未出现精神病性障碍的 ARMS 患者被归类为 ARMS-NP 组。在静息状态下测量脑电图，并使用标准化低分辨率脑电磁断层扫描 (sLORETA) 分析频率。七个波段 (δ、θ、α 1、α 2、β 1–3) 进行了分析。比较了 ARMS-P 组和 ARMS-NP 组之间的 sLORETA 值 (电流源密度 [CSD])。使用阳性和阴性症状量表 (PANSS) 在脑电图测量时评估临床症状。
以及基于脑电图的运动想象脑的个体内变异性......
在脑电图 (EEG) 记录中，不同受试者之间和同一受试者内随时间推移都存在普遍且难以捉摸的受试者间和受试者内变异性 ( Saha and Baumert ， 2020 )。受试者间变异性可归因于年龄、性别和生活习惯等因素，这些因素与大脑地形和电生理有关 ( Seghier et al. ， 2004 ； Herzfeld and Shadmehr ， 2014 ； Wu et al. ， 2014 ； Seghier and Price ， 2018 ； Antonakakis et al. ， 2020 )。受试者内部的变异性可以解释为心理和生理的变化，例如疲劳、放松和注意力（Smith 等人，2005 年；Meyer 等人，2013 年；Nishimoto 等人，2020 年；Trinh 等人，2021 年；Hu 等人，2022 年）。受试者间和受试者内部的变异性对基于 EEG 的脑机接口 (BCI) 领域构成了重大挑战（Ray 等人，2015 年；Saha 等人，2017 年；Lee 等人，2019 年；Chikara 和 Ko，2020 年；Wei 等人，2021 年；Huang 等人，2022 年）。通过检测感觉运动节律 (SMR) 中的事件相关去同步/同步 (ERD/ERS)，基于运动想象的 BCI (MI-BCI) 已被提出用于神经康复应用，范围从运动障碍、严重肌肉疾病和瘫痪患者到肢体运动恢复 (Wolpaw and Wolpaw, 2012; Mane et al., 2020)。然而，来自某个受试者的训练有素的 BCI 模型不能直接应用于另一个受试者。此外，先前的研究表明 BCI 效率低下的问题，有 10% 到 50% 的用户无法操作 MI-BCI 系统 (Vidaurre and Blankertz, 2010; Liu et al., 2020)。即使是对同一受试者，BCI 系统的性能也会随着时间的推移而下降。受试者间和受试者内变异性的存在导致传统机器学习泛化能力的下降，从而限制了MI-BCI的实用化应用（Ahn and Jun，2015；Saha等，2017）。在传统机器学习框架下，训练集和测试集需要独立同分布（IID）（Duda and Hart，2006）。然而，受试者间和受试者内的变异性使得IID条件假设不再成立。通过放宽IID假设的限制要求，迁移学习被认为是一种有效的方法，可以提高模型对受试者间和受试者内变异性的可重用性和泛化能力（Jayaram等，2016；Pan，2020）。已经提出了一系列方法将知识从源域迁移到目标域。不变表示的目的是寻找跨不同会话或主题的不变学习模型，例如正则化公共空间模式 (CSP) 和不变 CSP (Blankertz 等，2007；Cheng 等，2017；Xu 等，2019)。随着深度学习技术的发展，领域自适应方法已经提出并几乎完全主导了 BCI 应用领域（Li 等人，2010 年；Liu 等人，2012 年；Samek 等人，2013 年；Fukunaga，2013 年；Dagaev 等人，2017 年；Azab 等人，2019 年；Hong 等人，2021 年）。一些端到端优势和更强的特征学习能力受到了越来越多的关注（Autthasan 等人，2021 年）。虽然受试者间和受试者内的变异性对实际应用的挑战已逐渐被注意到，并且迁移学习可以在一定程度上弥补性能下降，但对受试者间和受试者内变异性的理解仍然有限。大多数研究人员将受试者间和受试者内的变异性视为类似类型的问题（ Jayaram 等人，2016 年）。虽然受试者间和受试者内的变异性都会导致
健康成人受试者的RGT-075的首次人类研究RGT-075是一项新型，口服生物利用的小分子GLP-1受体激动剂
胰高血糖素样肽-1受体激动剂（GLP-1 RAS）是一种良好且有效的降糖剂，用于治疗2型糖尿病患者（T2DM）。迄今为止，所有由市场授权的GLP-1 RA都是肽，只有一个口服。RGT-075是一种新型的，口服的生物利用，小分子GLP-1 RA，在T2DM动物模型中显示出治疗潜力。进行了调查健康成人志愿者的单一口服口服RGT-075（15-280 mg）的安全性，耐受性和药代动力学，进行了1期，随机，双盲，安慰剂对照研究的研究。七个同龄人的8个受试者被招募并随机分配给RGT-075或匹配的安慰剂（每个队列6个活性/2个安慰剂）。血浆和尿液样品，并分析RGT-075浓度。
通过在超维空间中叠加将特定主体的脑机接口模型压缩为一个模型
9 名受试者 每名受试者 2 个环节：训练和测试集 每环节和受试者 288 次试验 由视觉提示发起的 4 种不同的 MI 任务
干扰对机械臂皮层内脑机接口控制的影响 1
无干扰 主要任务在没有任何次要干扰的情况下完成。 背景噪音 受试者收听带有餐厅背景噪音的音轨，音量恒定。 计数音调 以可变的时间间隔随机向受试者呈现低、中、高频音调的哔哔声。指示受试者在整个试验过程中增加高哔哔声的次数，减去低哔哔声的次数，并大声计数值。 以三为单位倒数 研究人员生成一个随机的三位数，指示受试者从生成的数字开始大声以三为单位倒数。 随意交谈 向受试者提问（从不重复）以模仿正常对话。示例问题包括： 你的周末过得怎么样？ 你昨天看了电影吗？ 运动任务受试者 P1，轮椅操作：受试者的电动轮椅在试验期间关闭。受试者每 10 秒收到一次听觉提示，以改变她施加在下巴操纵杆上的力的方向。她在整个试验过程中都施加了力。方向从随机的起始方向（上、下、左、右）顺时针移动。