XiaoMi-AI文件搜索系统
World File Search System外周
急性代偿性肝硬化患者的外周血单核细胞的单细胞RNA测序揭示了与ACLF进展风险增加有关的特定单核细胞子集
保留所有权利。未经许可就不允许重复使用。永久性。预印本（未经同行评审的认证）是作者/资助者，他已授予Medrxiv的许可证，以在2025年2月7日发布的此版本中在版权所有者中显示预印本。 https://doi.org/10.1101/2025.02.04.25321370 doi：medrxiv preprint
边缘性人格障碍患者外周血单核细胞的线粒体呼吸活动和 DNA 损伤
。CC-BY-NC-ND 4.0 国际许可证 它是永久可用的。 是作者/资助者，已授予 medRxiv 许可以显示预印本（未经同行评审认证）预印本 此版本的版权所有者于 2025 年 1 月 31 日发布。；https://doi.org/10.1101/2025.01.29.25321066 doi：medRxiv 预印本
外周星体微管确保神经干细胞中的不对称犁沟位置
1。Univ Rennes，CNRS，IGDR（IGDR InstitutdeGénétiqueetdéveloppementde Rennes）-UMR 16 6290，F -35000 Rennes，法国17 2。大学。Grenoble Alpes，Inserm U1216，CEA，CNRS，Grenoble Institut Neurosciences，18 Gin，38000 Grenoble，法国，法国。19 3。梅西大学，基本科学学院，4410，北帕默斯顿北，新西兰21 22＃。通讯作者：regis.giet@univ-rennes1.fr 23 23 24 LEAD联系25的进一步信息和对本研究产生的试剂的要求，并应通过RégisGiet（regis.giet.giet@univ-univ-rennes1.fr）来实现26个。27 28
鉴定1型糖尿病相关的T细胞受体库曲目来自人类外周血
1型糖尿病（T1D）是一种T细胞介导的疾病，具有强大的免疫遗传HLA依赖性。HLA等位基因对T细胞受体（TCR）曲目的影响塑造胸腺的选择并控制糖尿病生成克隆的激活，但在T1D中仍未解决。我们对三个横截面同类群（包括T1D患者）以及健康相关和无关的对照组的2250个HLA类型的个体进行了循环的TCRβ链曲目。我们发现HLA风险等位基因在T1D个体中显示出更高的TCR曲目限制。我们利用深度学习来鉴定与T1D相关的TCR子序列基序，这些基序在居住在T1D个体的胰腺淋巴淋巴结中的独立TCR同类中也观察到。总体而言，我们的数据证明了基于遗传风险的T1D相关的TCR基序富集，为自动反应性提供了潜在的指标，以及基于TCR的诊断和治疗剂的基础。
糖尿病外周神经病中光生物调节疗法的有效性和安全性：系统审查和荟萃分析的方案
生成人工智能（AI）大语言模型（LLM）已被广泛应用于牙科的许多领域。各种应用包括牙科远程医疗，临床决策支持，行政工作，患者教育，学生教育，科学写作和多语言交流[1]。此外，已经使用了生成AI来生成用于训练鲁棒AI模型的合成数据集，该数据集可以应用于牙科研究和教育[2]。此外，与传统文献研究相比，已经证明了生成的AI可以提高牙科学生在知识检查中的表现[3]。除了在回答临床问题方面的使用之外，还在探索LLM的潜力来产生评估临床推理技能的问题，这是医学和牙科教育的关键方面[4]。但是，LLMS对牙科问题的回答的准确性仍然是一个关注的问题，并且已经进行了广泛的研究。研究报告说，LLM在回答开放式问题的准确性范围为52.5％至71.7％，偶尔回答不准确，过于普遍，过时或缺乏基于证据的支持[5，6]。对于True或False问题，LLMS与牙医的准确性较低，范围从57.3％到78.0％[7，8]。考虑到多项选择问题（MCQ），LLMS的准确性从42.5％到80.7％不等，Chatgpt 4.0（OpenAI）证明了最准确的，Llama 2（Meta）[9-11]。研究已经证实，在同一开发人员的LLM中，后来的版本始终超过较旧版本[9-12]。生成AI的领域正在迅速发展，新版本具有越来越强大的参数。然而，对LLM的准确性进行了预先研究，对较旧版本进行了，该版本缺乏现在可用的先进的多模式功能。此外，这些研究排除了基于图像的问题，因为较旧的LLM版本无法在提示中处理图像附件[9，11]。这些关键限制需要进一步的研究，以探讨型模型的全部潜力。因此，本研究旨在评估最新LLM在回答Dental MCQ时的性能，包括基于文本的问题和基于图像的问题。模型选择将基于受欢迎程度，新兴，多模式能力，AI研究和应用中的突出性，可访问性以及解决特定领域特定问题的能力。零假设表明，LLMS对牙齿MCQ的答案的准确性没有差异。
针对心力衰竭患者外周水肿的有效压迫疗法
Melanie McLeod 博士，药剂师和独立处方员 Melanie 从事药剂师工作的时间比她愿意承认的要长，过去 14 年来，她一直在初级保健领域担任独立处方员。Melanie 参与慢性病管理评估，包括心力衰竭患者，并与社区心力衰竭团队保持密切联系。Melanie 将主持一场会议，探讨肿胀和心力衰竭背景下的药物管理，带来她作为药剂师和独立处方员的独特视角。我们很高兴介绍 Melanie 作为 Accelerate Academy 助理教育者团队的一员。
外周血细胞图像分析的语言模型
摘要本文研究了视觉模型（VLM）在外周血细胞自动形态学分析中的应用。虽然手动显微镜分析仍然是血液学诊断的金标准，但它既耗时又可能会受到观察者间的变化。这项工作旨在开发和评估能够从微观图像中对血细胞进行准确的形态描述的微调VLM。我们的方法论包括三个主要阶段：首先，我们创建了一个合成数据集，该数据集由10,000个外周血细胞图像与专家制作的形态描述配对。第二，我们在三个开源VLMS上使用低级适应性（LORA）和量化Lora（Qlora）进行了微调方法：Llama 3.2，Qwen和Smovlm。最后，我们开发了一个基于Web的界面，用于实用部署。的结果表明，在预先调整后所有模型的所有模型中都有显着改善，QWEN的性能最高（BLEU：0.22，Rouge-1：0.55，Bertscore F1：0.89）。为了确保可访问性并实现正在进行的评估，该模型已被部署为网络空间的Web应用程序，使研究社区可自由使用。我们得出的结论是，微调的VLM可以有效地分析外周血细胞形态，从而为血液学分析提供了标准化的潜力。这项工作建立了一个框架，可以将视觉模型改编为专业的医疗成像任务，这对改善临床环境中的诊断工作流程的影响。完整的实现可在GitHub
可穿戴螺旋超声贴片，用于糖尿病神经性疼痛的聚焦超声外周神经调节
。CC-BY-NC-ND 4.0 国际许可证下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 12 月 17 日发布。；https://doi.org/10.1101/2024.12.12.628265 doi：bioRxiv 预印本
踝臂指数作为 2 型糖尿病患者外周血管疾病预测指标的研究
外周血管疾病 (PVD) 是一种常见问题，影响着 60 岁以上人口的 20%。PVD 是 2 型糖尿病的大血管并发症之一，被认为是心肌梗塞的主要风险因素（或同等风险因素）。如果没有适当的检查，很难在糖尿病患者中诊断出 PVD，因为同时存在的感觉神经病变会延迟疾病的临床表现。踝臂压指数 (ABPI) 是一种简单、床边、非侵入性、客观且高度可重复的测试，可以确诊 PVD。ABPI 不仅是未确诊 PVD 的标志，也是全身动脉粥样硬化的预测指标。ABPI 测量提供了一种简单、可重复、非侵入性、有效的方法来评估糖尿病患者的血管状态。本研究的主要目的是利用踝臂指数和彩色多普勒超声检查评估糖尿病患者中 PVD 的患病率，确定踝臂指数在研究参与者中检测外周血管疾病的诊断准确性，并比较踝臂指数和彩色多普勒超声检查在诊断外周血管疾病方面的表现。使用预先测试和预先设计的半结构化问卷作为研究工具。内容效度由领域专家和广泛的文献综述获得。根据踝臂指数和彩色多普勒超声检查，我们研究参与者的外周血管疾病患病率分别为 40% 和 45%。踝臂指数对诊断周围血管疾病具有很强的预测准确度，曲线下面积为 0.863，诊断准确度也很好，敏感性、特异性、阳性预测值分别为 80.8%、92.1%、89.1% 和 85.4%。右臂指数在诊断周围血管疾病方面的准确度高于左臂指数。因此，踝臂指数绝对可以在没有设施的情况下代替彩色多普勒超声检查，并且可以作为诊断周围血管疾病的有效筛查程序。
收获前CD34+细胞计数预测外周血干细胞收集
CD34+细胞计数在干细胞收集之前测量的分数解释了收集结果的80％（p <0.001）。根据我们的多变量模型，在干细胞收集之前测量的白细胞和CD34+细胞计数的综合作用解释了收集结果的90％。我们仅使用在干细胞收集之前测得的CD34+细胞计数开发了一个简化的预测模型（y = 0.101×β - 0.694）。基于我们的模型，CD34+细胞计数为36.6×10 6 /L足以在一次收集会话中实现目标收集结果。具有104×10⁶ /L的CD34+细胞计数，目标收集结果是在第一个收集会话中以97.5％的概率实现的。