XiaoMi-AI文件搜索系统
World File Search System失调
调查机器学习和自然语言处理技术用于检测饮食失调：系统文献评论
自然语言处理（NLP）和机器学习（ML）领域的最新发展已显示自动文本处理的显着改进。同时，人类语言的表达在发现心理健康问题中起着核心作用。虽然口语在接受患者的访谈中被隐式评估，但书面语言也可以为临床专业人员提供有趣的见解。现有的工作中经常研究心理健康问题，例如抑郁或焦虑。然而，还在研究饮食失调的诊断如何从这些新技术中受益。在本文中，我们介绍了该领域最新研究的系统概述。Our investigation encompasses four key areas: (a) an analysis of the metadata from published papers, (b) an examination of the sizes and speci fi c topics of the datasets employed, (c) a review of the application of machine learning techniques in detecting eating disorders from text, and fi nally (d) an evaluation of the models used, focusing on their performance, limitations, and the potential risks associated with current methodologies.
小胶质细胞状态容易受到阿尔茨海默氏病的衰老和胆固醇失调
Microglia States are Susceptible to Senescence and Cholesterol Dysregulation in Alzheimer's Disease Boyang Li1, Shaowei Wang1, Bilal Kerman1, Cristelle Hugo1, E Keats Shwab2, 3,4, Chang Shu5, Ornit Chiba-Falek 2, 3,4, Zoe Arvanitakis6, and Hussein Yassine1,7 1南加州大学凯克医学院神经病学系，洛杉矶，北卡罗来纳州杜克大学医学中心神经病学系2分司，美国北卡罗来纳州27710，美国。3美国杜克大学医学中心神经病学系，美国27710，美国。 4基因组和计算生物学中心，杜克大学医学中心，北卡罗来纳州达勒姆，27708，美国。 5遗传流行病学中心，人口与公共卫生科学系，凯克医学院，南加州大学，洛杉矶大学6 RUSH阿尔茨海默氏病中心，拉什大学医学中心，伊利诺伊州芝加哥，伊利诺伊州芝加哥，美国7号，个性化大脑健康中心，南加州大学，洛杉矶，洛杉矶2250年，卢斯2250 caazar cazar stree hyassine@usc.edu作者宣布，不存在资金的利益冲突3美国杜克大学医学中心神经病学系，美国27710，美国。4基因组和计算生物学中心，杜克大学医学中心，北卡罗来纳州达勒姆，27708，美国。5遗传流行病学中心，人口与公共卫生科学系，凯克医学院，南加州大学，洛杉矶大学6 RUSH阿尔茨海默氏病中心，拉什大学医学中心，伊利诺伊州芝加哥，伊利诺伊州芝加哥，美国7号，个性化大脑健康中心，南加州大学，洛杉矶，洛杉矶2250年，卢斯2250 caazar cazar stree hyassine@usc.edu作者宣布，不存在资金的利益冲突
2型糖尿病患者的饮食失调与血糖控制和胰岛素抵抗的原始文章关联
摘要：背景：关于2型糖尿病患者饮食失调的患病率和后果的数据不足。目的：评估饮食失调（ED）的存在及其与2型糖尿病患者（T2DM）的成年患者中的血糖控制和代谢参数的关联。材料和方法：在Jamia Hamdard Tertiary Care Center的HAHC医院门诊医院对145例患者进行了145例患者的横断面研究。饮食态度测试（EAT-26）用于筛选T2DM成人的ED。在EAT-26问卷上的分数小于20和30的得分被定义为参与者的控制，并记录了相关的医疗细节，例如治疗持续时间，血糖控制，并发症。结果：总共145名糖尿病患者参加了这项研究。中，有17.3％的T2DM个体在EAT-26量表上筛选为ED阳性，并且在<20组中具有显着的正相关性，并且在> 30组中具有显着的负相关性。结论：我们的研究表明，在我们的T2DM临床人群中，饮食失调并不是很常见，T2DM患者的饮食失调率的患病率低于西方国家发达国家报告的患者。
硫酸肝素蛋白聚糖代谢失调促进尤文氏肉瘤肿瘤生长
摘要 尤文氏肉瘤家族是一类影响儿童、青少年和年轻人的恶性小圆蓝细胞肿瘤 (SRBCT)。这些肿瘤的特点是染色体相互易位，产生嵌合融合致癌基因，其中最常见的是 EWSR1-FLI1。转移性或复发性疾病患者的生存率极低，目前尚无针对这种疾病的分子靶向治疗方法。缺乏可靠的尤文氏肉瘤遗传动物模型妨碍了对体内肿瘤细胞/微环境相互作用的研究。我们基于野生型斑马鱼中 Cre 诱导的人类 EWSR1-FLI1 表达开发了一种新的尤文氏肉瘤遗传模型，这会导致高渗透性时 SRBCT 快速发病。肿瘤表达典型的 EWSR1-FLI1 靶基因，并对已知的尤文氏肉瘤标记物（包括 CD99）进行染色。肿瘤的生长与 MAPK/ERK 通路的激活有关，我们认为该通路与细胞外基质代谢失调有关，特别是与硫酸肝素蛋白聚糖分解代谢有关。使用特定的硫酸肝素拮抗剂 Surfen 靶向硫酸肝素蛋白聚糖可降低 ERK1/2 信号传导并降低尤文氏肉瘤细胞在体外和体内的致瘤性。这些结果强调了细胞外基质在尤文氏肉瘤肿瘤生长中的重要作用，以及靶向蛋白聚糖代谢的药物作为这种疾病的新疗法的潜力。
心肌CGMP-PKG1α失调有助于II型糖尿病和代谢综合征的VT发病机理
结果：在心室编程刺激期间，DB/DB和HFHS喂养的小鼠显示出VT和T-WAVE替代品的增加。这些小鼠的心肌细胞表现出早期造影后的表现。 这两种模型均表明对副交感神经抑制的心率反应降低，表明自主神经功能障碍。 CGMP介导心脏副交感神经刺激，在DB/DB和HFHS喂养的小鼠的LV中降低。 相反，用可溶性鸟苷酸环化酶刺激（Riociguat）或磷酸二酯酶5抑制（sildenafil）降低VT诱导性的CGMP增强。 PKG1 lzm小鼠具有正常的自主响应性，但VT诱导性过高。 dB/db，HFHS和LZM小鼠分别表现出多活化的心肌糖原合酶三酶3βGSK3）。 此外，用TWS119抑制GSK3废除了这些小鼠的诱导VT。 舒张性胞质Ca 2+的重新摄取坡度在所有模型的心肌细胞中降低，而TWS119的GSK3抑制作用却反转了这种效果。 在HFHS-FED和LZM小鼠中抑制肌胞浆/内质网ca 2+ ATPase 2A-介导的Ca 2+再摄取的磷酸/磷酸磷脂（PLB）。心肌细胞表现出早期造影后的表现。这两种模型均表明对副交感神经抑制的心率反应降低，表明自主神经功能障碍。CGMP介导心脏副交感神经刺激，在DB/DB和HFHS喂养的小鼠的LV中降低。 相反，用可溶性鸟苷酸环化酶刺激（Riociguat）或磷酸二酯酶5抑制（sildenafil）降低VT诱导性的CGMP增强。 PKG1 lzm小鼠具有正常的自主响应性，但VT诱导性过高。 dB/db，HFHS和LZM小鼠分别表现出多活化的心肌糖原合酶三酶3βGSK3）。 此外，用TWS119抑制GSK3废除了这些小鼠的诱导VT。 舒张性胞质Ca 2+的重新摄取坡度在所有模型的心肌细胞中降低，而TWS119的GSK3抑制作用却反转了这种效果。 在HFHS-FED和LZM小鼠中抑制肌胞浆/内质网ca 2+ ATPase 2A-介导的Ca 2+再摄取的磷酸/磷酸磷脂（PLB）。CGMP介导心脏副交感神经刺激，在DB/DB和HFHS喂养的小鼠的LV中降低。相反，用可溶性鸟苷酸环化酶刺激（Riociguat）或磷酸二酯酶5抑制（sildenafil）降低VT诱导性的CGMP增强。PKG1 lzm小鼠具有正常的自主响应性，但VT诱导性过高。dB/db，HFHS和LZM小鼠分别表现出多活化的心肌糖原合酶三酶3βGSK3）。此外，用TWS119抑制GSK3废除了这些小鼠的诱导VT。舒张性胞质Ca 2+的重新摄取坡度在所有模型的心肌细胞中降低，而TWS119的GSK3抑制作用却反转了这种效果。在HFHS-FED和LZM小鼠中抑制肌胞浆/内质网ca 2+ ATPase 2A-介导的Ca 2+再摄取的磷酸/磷酸磷脂（PLB）。
机器学习方法的探索性应用，以优化对饮食失调症状的数字干预措施的预测
Dwyer，D。和Choi，K。（2021）。在预测精神病学治疗结果时，机器学习的希望。世界精神病学，20（2），154 - 170。https：//doi.org/10.1002/wps.20882 Chien，I.，Enrique，A.，Palacios，J.，Regan，T.，Keegan，T.，Keegan，D. （2020）。一种机器学习方法，以了解与互联网交付的心理健康相互作用的互动模式。JAMA Network Open，3（7），E2010791。https://doi.org/10。 1001/jamanetworkopen.2020.10791 Christodoulou，E.，Ma，J.，Collins，G.S.，Steyerberg，E.W. （2019）。 系统的综述显示机器学习对临床预测模型的逻辑回归没有任何绩效益处。 临床流行病学杂志，110，12 - 22。https：// doi。 org/10.1016/j.jclinepi.2019.02.004 Fitzsimmons-Craft，E。E. Jacobi，C.，Jo，B.，Trockel，M。T.和Wilfley，D。E.（2020）。 数字认知行为疗法的有效性 - 对大学女性饮食失调的指导自助干预：一项群集随机临床试验。 JAMA Network Open，3（8），E2015633。 https://doi.org/10.1001/jamanetworkopen.2020.15633 Flygare，O. BMC精神病学，20（1），1 - 9。https：// doi。 统计软件杂志，33（1），1 - 22。https://doi.org/10。1001/jamanetworkopen.2020.10791 Christodoulou，E.，Ma，J.，Collins，G.S.，Steyerberg，E.W.（2019）。系统的综述显示机器学习对临床预测模型的逻辑回归没有任何绩效益处。临床流行病学杂志，110，12 - 22。https：// doi。org/10.1016/j.jclinepi.2019.02.004 Fitzsimmons-Craft，E。E. Jacobi，C.，Jo，B.，Trockel，M。T.和Wilfley，D。E.（2020）。数字认知行为疗法的有效性 - 对大学女性饮食失调的指导自助干预：一项群集随机临床试验。JAMA Network Open，3（8），E2015633。https://doi.org/10.1001/jamanetworkopen.2020.15633 Flygare，O.BMC精神病学，20（1），1 - 9。https：// doi。统计软件杂志，33（1），1 - 22。预测互联网传递认知行为疗法后身体障碍障碍的预测因素：一种机器学习方法。org/10.1186/s12888-020-02655-4 Friedman，J.，Hastie，T。，＆Tibshirani，R。（2010）。通过坐标下降的通用线性模型的正规化路径。Hettige，N。C.，Nguyen，T。B.，Yuan，C.，Rajakulendran，T.，Baddour，J.，Bhagwat，N.，Bani-Fatemi，A.，Voineskos，A.N. 使用社会文化和临床特征对精神分裂症中自杀式定位的分类：一种机器学习方法。 综合医院精神病学，47，20 - 28。https：//doi.org/10.1016/j.genhosppsy.2017.03.001 Hooker，S。（2021）。 超越“算法偏差是数据问题”。 模式，2（4），100241。 Jordan，M。I.和Mitchell，T。M.（2015）。 机器学习：趋势，敏感和前景。 Science，349（6245），255 - 260。https：//doi.org/10。 1126/science.AAA8415库恩。 （2021）。 caret：分类和回归培训。 r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。 机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。 做Hettige，N。C.，Nguyen，T。B.，Yuan，C.，Rajakulendran，T.，Baddour，J.，Bhagwat，N.，Bani-Fatemi，A.，Voineskos，A.N.使用社会文化和临床特征对精神分裂症中自杀式定位的分类：一种机器学习方法。综合医院精神病学，47，20 - 28。https：//doi.org/10.1016/j.genhosppsy.2017.03.001 Hooker，S。（2021）。超越“算法偏差是数据问题”。模式，2（4），100241。Jordan，M。I.和Mitchell，T。M.（2015）。 机器学习：趋势，敏感和前景。 Science，349（6245），255 - 260。https：//doi.org/10。 1126/science.AAA8415库恩。 （2021）。 caret：分类和回归培训。 r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。 机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。 做Jordan，M。I.和Mitchell，T。M.（2015）。机器学习：趋势，敏感和前景。Science，349（6245），255 - 260。https：//doi.org/10。1126/science.AAA8415库恩。（2021）。caret：分类和回归培训。r软件包ver- sion 6.0-88。 https://cran.r-project.org/package = Caret Lee，Y. N.，Zuckerman，H.，Chen，V。C.，Ho，R.，Rong，C。和McIntyre，R。（2018年）。机器学习算法的应用以预测抑郁症的治疗结果：元分析和系统评价。做情感障碍杂志，241，519 - 532。https：//doi.org/10.1016/j.jad.2018.08.073 Lekkas，D.，Price，G.，McFadden，J。，J。，＆Jacobson，J。，＆Jacobson，N.C。（2021）。机器学习到在线正念干预数据的应用：合规性评估中的底漆和经验示例。正念，12（10），2519 - 2534。https：//doi.org/10.1007/s12671-021-021-021-01723-4 Linardon，J.，J.，Messer，M.，Shatte，M.，Shatte，Shatte，Shatte，A.
饮食失调青少年大脑对阿片类药物拮抗反应的潜在生物标志物：一项初步研究
饮食失调影响多达 5% 的青少年，无论性别、种族和族裔，他们都在青少年时期发病，并且与大量发病率和死亡率相关（1-4）。许多饮食失调症的特征是冲动和强迫行为，例如神经性厌食症-暴饮暴食/清除（AN-BP）、神经性贪食症（BN）、暴食症（BED）和其他特定喂养和进食障碍（OSFED）中出现的暴饮暴食和/或清除行为。这些疾病会增加心脏损害、代谢功能障碍、物质使用障碍和自杀倾向的风险（3、4）。虽然有两种药物被批准用于成人（用于 BN 的氟西汀，用于 BED 的赖右苯丙胺），但尚无批准用于治疗青少年饮食失调症的药物。此外，缺乏支持在青少年中安全有效使用这些或其他药物的数据。
针对食欲调节激素的自身抗体作用的当前方面和肠道微生物组在饮食失调中
在肠道，脑，微生物组和脂肪组织（在）中合成的食欲刺激（甲状腺素）和抑制食欲抑制（厌食）信号之间的平衡和相互作用似乎在食物内部和饮食行为和喂养行为，焦虑和喂养行为和抑郁症的调节中起着至关重要的作用。控制能量平衡机制的失调可能导致饮食失调，例如神经性厌食症（AN）和神经性贪食症（BN）。A是一种精神病，由慢性自我诱导的极端饮食限制定义，导致体重极低和肥胖。bn被定义为失控的暴饮暴食，这是通过自我引起的呕吐，禁食或过度运动来补偿的。最近描述了某些与肠道菌群相关的化合物，例如细菌性伴侣蛋白大肠杆菌酪蛋白酪蛋白酶B（CLPB）和食物来源的抗原，旨在触发自身抗体与食欲调节的激素和神经传输的交叉反应的产生。肠道微生物组可能是AT和能量稳态的潜在操纵剂。因此，对食欲，情感，情绪和营养状况的调节也受到神经免疫内分泌机制的控制，该机制通过针对神经肽，神经活性代谢物和肽的自身抗体的分泌来控制。在AN和BN中，胆碱能，多巴胺能，肾上腺素能和血清素能继电器可能导致异常，肠道和脑激素分泌。我们期望新知识可用于开发一种新型的预防和治疗方法，以治疗AN和BN。本综述总结了有关肠道营养不良，肠道渗透性，短链脂肪酸（SCFA），粪便微生物移植（FMT），血液脑屏障的渗透性以及在饮食失调中的肠脑屏障渗透性以及自身抗体的最新知识。
星形胶质细胞SLC4A4通过CCL2-CCR2途径调节健康和中风大脑中的血脑屏障完整性，并且无失调
星形胶质细胞在血脑屏障（BBB）维持中起着至关重要的作用，但是在正常或病理条件下它们如何支持BBB完整性仍然很差。最近的证据表明，离子稳态是对BBB完整性重要的细胞机制。在当前的研究中，我们研究了星形胶质细胞特异性pH调节剂SLC4A4在BBB维护和修复中的功能。我们表明，正常星形胶质细胞形态复杂性和BBB功能需要星形胶质细胞SLC4A4。多摩尼克分析确定的CCL2的星形细胞分泌增加，SLC4A4缺失后精氨酸 - 非代谢失调。使用缺血性中风的模型，我们发现SLC4A4的损失加剧了BBB的破坏，该破坏是通过体内CCL2-CCR2途径的药理或遗传抑制来挽救的。一起，我们的研究将星形胶质细胞SLC4A4-CCL2和内皮CCR2轴视为控制BBB完整性和修复的机制，同时为针对BBB相关的CNS疾病的治疗方法提供了见解。
propranolol用于治疗患有自闭症谱系障碍儿童和青少年的情绪，行为，自主性失调
自闭症谱系障碍（ASD）的患病率为1-2.4％（Baron-Cohen等，2009; Zablotsky等，2015a），每68名儿童诊断约1个（Wingate等，2014）。ASD的核心特征的特征是社会互动，言语和非语言交流以及行为限制和重复的模式的损害（美国精神病学协会，2013; Kendall等，2013; Ospina et al。，2008; Tsai，1999）。ASD与长期的社会心理障碍有关（Billstedt等，2005），除了社会和经济障碍之外（Knapp等，2009; Lecavalier et al。，2006），对个人，家人和照顾者的负担很大。，关于ASD中通常发生的行为包括侵略，焦虑，恐惧症，多动症，强迫性行为，抑郁，自杀念头或未遂自杀和睡眠失调（Brereton等，2006; Cassidy et al。焦虑症经常出现在ASD的儿童和青少年中，任何焦虑症的合并症范围为40-84％，特定恐惧症的焦虑症范围为8-63％，普遍焦虑症的合并症范围为5-23％，社交焦虑症的13-29％，分离焦虑症的8-27％（White等人，2009年； Sukhodolsky，2013年）。其他研究表明，分别患有ASD的儿童和青少年分别发生了40％和56％的焦虑症和/或高度侵略（Kanne and Mazurek，2011; Van Steensel等，2011）。此外，儿童和青少年的焦虑可能