建议引用推荐引用Taylor,K.,Eastwood,S.,Walker,V.,Cezard,G.,Knight,R.,Arab,M.,Wei,M.,Wei,Y.,Horne,E.,Teece,Teece,Teece,Teece,Teece,Teece,Teece,Teece,H.,Walker,H.,Walker,A.,Fisher,Fisher,L. Dillingham,I.,Morton,C.,Greaves,F.,Macleod,J.,Goldacre,B.,Wood,A.,Chaturvedi,N.,Sterne,J.,Denholm,R。和OpenSafely合作。(2024)'英格兰SARS-COV-2感染后糖尿病的发病率以及Covid-19疫苗接种的含义:1600万人的回顾性队列研究'558-568。可在:10.1016/s2213-8587(24)00159-1上获得本文,这篇文章由Pearl的科学与工程学院免费提供给您。它已被授权的珍珠管理员所接受,以将其纳入工程,计算和数学学院。有关更多信息,请联系openresearch@plymouth.ac.uk。
一般权利一般权利所有珍珠中的内容均受版权法保护。根据发布者政策提供作者手稿。请仅使用项目记录或文档中提供的详细信息引用发布的版本。在没有公开许可证的情况下(例如Creative Commons),应从出版商或作者那里寻求进一步重用内容的许可。取消策略取消政策,如果您认为本文档违反版权,请联系提供详细信息的图书馆,我们将立即删除对工作的访问并调查您的索赔。遵循以下工作:https://pearl.plymouth.ac.uk/bhs-research
fi g u r e 1过敏数据提取的流程图以及入狱率和药物应用在门诊病人中的趋势图表。(a)该图介绍了一个流程图,详细介绍了从数据库检索到自动和手动筛查的过程,每个步骤都有患者人数和病例包含/排除数据; (b)该图说明了2019年至2023年,中国武汉大学医院的原油和调整后过敏反应率的趋势; (c)按年龄组划分的调整和粗糙的发病率趋势; (d)过敏反应触发的趋势图; (e)药物触发变化的趋势图; (f)过敏反应管理中各种药物应用的趋势图。
背景:虐待性头部创伤 (AHT) 仍然是婴儿脑损伤的主要原因。目的:本研究旨在描述一组 AHT 患者并确定与不良神经系统结果相关的早期危险因素。参与者和环境:纳入儿科重症监护病房 (PICU) 疑似或确诊为 AHT 的 1 岁以下儿童。出院时和两年随访时通过儿科总体表现分类评分 (POPC) 评估神经系统结果。方法:进行了一项为期 8 年(从 2012 年 1 月至 2020 年 12 月)的多中心回顾性研究。结果:共纳入来自三个 PICU 的 117 名患者(平均年龄 4.3 (+/- 2.5) 个月,61% 为男孩)。共有 99 名(85%)患者完成了 2 年的随访。 61 名(52%)AHT 患儿在离开 ICU 和出院时 POPC(儿科总体表现类别)评分≥ 2(意味着他们至少有中度残疾),而 47 名(40%)AHT 患儿则分别有 41 名(44%)在 2 年随访中 POPC 评分≥ 2,其中包括 19 名(19%)严重残疾。主要的神经系统残疾是神经发育(38 例,35%)、多动症(36 例,33%)和癫痫(34 例,31%)。按照分层模型分析后,入院时心肺骤停和格拉斯哥昏迷评分低是神经系统预后不良的突出因素。结论:本研究强调了 AHT 儿童神经系统残疾范围广泛。早期和多学科随访对于限制神经系统残疾的影响至关重要。
1儿科免疫学系,血液学和肿瘤学系,La timone儿童医院,援助公共援助,Pitaux de Marseille Oncology Center, Curie Institute, 75005 Paris, France 4 Department of Pediatric Immunohematology and Oncology, University Hospital, 38043 Grenoble, France 5 Department of Pediatric Hematology-Oncology, Centre Hospitalo-Universitaire de Montpellier, 34000 Montpellier, France 6 Pediatric Oncology, University Hospital of Nancy, 54000 Nancy, France 7小儿肿瘤学,中心医院院大学,大学,阿职,06108法国尼斯8号,8 Oscar-Lambret Center,儿科肿瘤学和AYA部门,59020 Lille,法国Lille,法国59020,法国9,儿科学系9斯特拉斯堡大学医院三世医院,第67091号,法国斯特拉斯堡,第11统计局,中心,Bérard,69373,法国里昂,第12个中心12 de Recherche en recherche encancérologiede Marseille 13385法国马赛 *通信:nicolas.andre@ap-hm.fr
1.引言随着电子设备的使用越来越多,人体受到电磁场 (EMF) 的影响 [1,2];因此,随着科技进步和新设备的建造,人们对电磁波对生物系统的影响以及人类暴露于电磁波的情况进行了大量的研究[3-5]。然而,电磁场被称为一种无噪声污染[6];电磁辐射 (EMR) 广泛应用于现代技术和通信[7]。发射电磁波并暴露在人体面前的具体设备包括手机、电视、电脑、微波炉、蜂窝网络和基站收发器 (BTS) 塔 [8]。然而,人体细胞在 10 至 1000 Hz 的范围内相互通信,大多数手机在 270 至 1800 Hz 的范围内通信;因此,移动电磁波的范围与人类细胞间通讯系统重叠,从而对人体造成干扰。这些辐射按信号变化、辐射强度、辐射量等参数划分,辐射量最高的是手机[9]。例如,德国是住宅区受高频 GSM 电话塔影响的国家之一[10]。手机的频率为 900-1800MHz,脉冲为 218Hz。大多数欧洲和亚洲国家都使用这一频率范围,包括伊朗[11]。然而,手机波是安全的,因为它们是非电离的[12、13]。过度使用通讯设备会使许多人从幼年到老年都暴露在辐射中[14]。2. 准备论文电磁波对人体的负面影响
Arsène Mekinian,1 Lucie Biard,2 Dagna Lorenzo,3 Pavel I Novikov,4 Carlo Salvarani,5 Olivier Espitia,6 Savino Sciascia,7 Martin Michaud,8 Marc Lambert,9 José Hernández-Rodríguez,10 Nicolas Schleinitz,11 Abid Awisat,12 Xavier Puechal,13 Achille Aouba,14 Helene Munoz Pons,15 Ilya Smitienko,16 Jean Baptiste Gaultier,17 Le Mouel Edwige,18 Ygal Benhamou,19 Antoinette Perlat,18 Patrick Jego,18 Tiphaine Goulenok,20 Karim Sacre, 20 伯特兰·利奥热、21 诺兰·哈索尔德、22 乔纳森·布罗纳、23 维尔吉尼·杜弗罗斯特、24 托马斯·塞内、25 朱莉·塞吉耶、11 弗朗索瓦·莫里耶、26 萨宾·贝尔蒂耶、27 亚历山大·贝洛、28 法滕·弗里卡、29 纪尧姆·丹尼斯、30 亚历山大·奥德玛-韦尔杰、31 伊莎贝尔·科内-保特、22 塞巴斯蒂安·亨伯特、32 帕斯卡尔·沃耶-胡内、33 亚历山德罗·托梅莱里、3 埃琳娜·玛丽娜·巴尔迪塞拉、3 桑名昌孝、34 阿尔贝托·洛·古洛、35 瓦汉·穆库奇扬、36 阿泽丁·德拉尔、37 弗朗西斯·加什、8 皮埃尔Zeminsky、24 埃琳娜·加利、3 莫亚·阿尔瓦拉多、5 路易吉·博亚尔迪、5 弗朗西斯科·穆拉托雷、5 马蒂厄·沃蒂尔、2 科拉多·坎波奇亚罗、3 谢尔盖·莫伊谢耶夫、4 马特乌斯·维埃拉、38 帕特里斯·卡库布、38 奥利维尔·费恩、1 大卫·萨阿顿、38 法国高安网络
患者的艺术需要修改,以及如何修饰艺术,对病史的临床考虑,先前的病毒学衰竭和GRT结果的历史至关重要,以防止病毒复制并随后实现不可检测的血浆病毒载荷,因为持续的病毒复制可能会导致持续的DREM在选择性的ART上会导致Art的DRM。7,由于新兴的抗性病毒菌株会导致TDR,因此危害了全球性的成功成功,因此其在全球水平上的监测仍然具有不利影响。因此,产生的阻力数据不仅指导临床医生在决策中,此外,它们还允许流行病分析来理解抵抗力的病毒进化和传播,以制定策略,并通过调整第一线和预防性治疗来在公共卫生水平上进行干预。8
自 20 世纪 80 年代以来,磁共振成像 (MRI) 就已用于研究发育中的胎儿大脑。然而,运动 (母亲和胎儿的) 一直是一个真正的挑战,限制了所获取图像的探索能力。在产前成像中,大脑的完整图像实际上是一堆 2D 切片。这些采集通常沿空间的三个轴进行,以便为放射科医生提供大脑的 3D“视觉”。切片的采集时间通常足够短 (少于 1 秒) 以“冻结”运动。因此,受试者的运动主要会引起几何失真伪影,即 2D 切片的堆叠不能直接反映大脑的 3D 几何形状。因此,有必要回顾性地估计运动以重建胎儿大脑的 3D 图像 [1]。胎儿数据重建的主要方法称为“切片到体积配准”的 SVR,该方法基于两个步骤:估计相对运动,然后融合数据 [2–4]。在产前成像的情况下,配准问题属于 2D-3D 类型,即我们必须估计切片和参考体积之间的运动。此参考体积也是我们想要重建的图像,因此是未知的。从对参考体积的首次估计,通过最小化当前切片和参考体积之间的对齐标准来估计每个切片的对齐。然后根据为每个切片估计的变换集重新计算后者。重建体积的质量在很大程度上取决于切片配准的质量。该过程以迭代方式重复,直到算法收敛。为了使这些方法对受试者的运动更具鲁棒性,已经开发了深度学习方法 [5,6]。然而,基于迭代重建的方法对于分析临床常规获取的大型图像数据库仍然不够稳健。因此,有必要检测出未对准的切片,以便不将它们包括在重建步骤中[7,8]或减少它们对重建的影响[9]。为了解决这个问题,一种解决方案是通过使用正交切片的交点并将它们的对应关系强加到 3D 交点 [10],将切片的运动校正与重建步骤完全分开。这种方法可以独立解决切片运动校正和 3D 体积重建的问题。在本文中,我们开发了一种使用机器学习方法来估计与未对准切片检测相关的切片运动的方法。所提出的方法称为 ROSI,即“基于正交切片交点的配准”。对合成和真实数据进行的评估表明,与 SVR 方法相比,所提出的方法更有吸引力。
背景:胃肠道出血 (GIB) 是急性心肌梗死 (AMI) 患者中一种严重且可能危及生命的并发症,严重影响住院期间的预后。早期识别高危患者对于减少并发症、改善结果和指导临床决策至关重要。目的:本研究旨在开发和验证基于机器学习 (ML) 的模型,用于预测 AMI 患者住院期间的 GIB,识别关键风险因素,并评估该模型在风险分层和决策支持方面的临床适用性。方法:进行了一项多中心回顾性队列研究,包括广东医科大学附属医院 1910 名 AMI 患者(2005-2024 年)。根据入院日期将患者分为训练组(n=1575)和测试组(n=335)。为了进行外部验证,1746 名 AMI 患者被纳入公开的 MIMIC-IV(重症监护 IV 医疗信息集市)数据库。倾向得分匹配根据人口统计学特征进行了调整,而 Boruta 算法则确定了关键预测因素。共使用 10 倍交叉验证训练了 7 种 ML 算法——逻辑回归、k 最近邻、支持向量机、决策树、随机森林 (RF)、极端梯度提升和神经网络。对模型的受试者工作特征曲线下面积、准确度、灵敏度、特异性、召回率、F 1 分数和决策曲线分析进行了评估。Shapley 加性解释分析对变量重要性进行了排名。Kaplan-Meier 生存分析评估了 GIB 对短期生存的影响。多元逻辑回归在调整临床变量后评估了冠心病 (CHD) 与住院 GIB 之间的关系。结果:RF 模型优于其他 ML 模型,在训练队列中实现 0.77 的受试者工作特征曲线下面积,在测试队列中实现 0.77,在验证队列中实现 0.75。关键预测因素包括红细胞计数、血红蛋白、最大肌红蛋白、血细胞比容、CHD 和其他变量,所有这些变量都与 GIB 风险密切相关。决策曲线分析表明 RF 模型在早期风险分层方面的临床应用。Kaplan-Meier 生存分析表明,有或无 GIB 的 AMI 患者的 7 天和 15 天生存率没有显著差异(7 天生存率 P =.83,15 天生存率 P =.87)。多变量逻辑回归表明 CHD 是独立危险因素