XiaoMi-AI文件搜索系统
World File Search System心肌梗死
人类和猪急性自发性心肌梗死后心脏淋巴结的形态和组织学变化
SAN 功能障碍可能导致复杂且致命的心律失常 [11, 12]，从而导致心房颤动和心力衰竭等心脏疾病，常导致晕厥和心源性猝死 [13, 14]。SAN 功能障碍的特征性体征包括持续性心动过缓、短暂或持续性窦性停搏以及心动过缓-心动过速综合征 [15, 16]，可在人类心肌梗死 (MI) 急性期观察到 [17, 18]。 SAN 中的胶原网络可以为节点细胞、血管、神经纤维和其他类型的支持细胞提供结构支撑，从而稳定地连接节点的所有组成部分。这种胶原还可以为起搏细胞提供机械保护，防止周围心肌收缩引起的过度拉伸 [19]。健康人类 SAN 由 35%–55%
新型可溶性环氧化物水解酶疫苗可保护小鼠心肌免受心肌梗死
尽管通过经皮冠状动脉介入治疗和药物治疗的发展，心肌梗死的预后已经得到改善，但心肌梗死仍然是一种危及生命的疾病。此外，心肌梗死后因重塑而导致的心力衰竭需要终生管理。本研究的目的是开发一种抑制心肌梗死造成的心肌损伤的新型治疗方法。我们专注于抑制可溶性环氧化物水解酶，以延长具有血管扩张和抗炎特性的环氧二十碳三烯酸的活化。我们成功地制造了一种新型疫苗来灭活可溶性环氧化物水解酶，并评估了该疫苗在大鼠心肌梗死模型中的效果。在接种疫苗的组中，缺血面积显著减少，心脏功能得到显著保留。疫苗治疗明显增加了边界区域的微血管，并抑制了心肌梗死继发的纤维化。这种可溶性环氧化物水解酶疫苗是改善心肌梗死后心脏功能的一种新治疗方法。
阳性心理因素和急性心肌梗死后抑郁症状和创伤后压力症状的发展
结果：揭示了三个不同的集群：（1）孤独的聚类：最低的社会支持，韧性和平均以任务为导向的应对和积极影响； （2）低风险群集：最高弹性，面向任务的应对，积极影响和社会支持； （3）回避集群：最低的面向任务的应对，积极影响，平均韧性和社会支持。在3个月（F = 5.10; P <0.01）和12个月的随访（F = 7.56; P <0.01）时，簇的抑郁症状有所不同。在3个月（F = 4.78，p <0.05）和12个月（F = 5.57，P <0.01）随访时，PTSS的聚类差异显着。发现PTSS分量表的差异是为了避免（F = 4.8，P <0.05）和高伴侣（F = 5.63，P <0.05），但在3个月的随访中不经历。在12个月的随访中，群集差异对于重新体验（F = 6.44，P <0.01）和回避（F = 4.02，P <0.05）显着，但不是高伴形。
全面的生物信息学分析揭示了与库相关的基因UBE2D3在心肌梗死中的作用
Results: Focusing on Ube2d3 for subsequent functional studies, we con fi rmed its high expression in the MI group through qRT-PCR and Western Blot detection after successful construction of a MI mouse model by left anterior descending (LAD) coronary artery ligation, and further clari fi ed the correlation of cuproptosis with MI development by detecting the levels of cuproptosis-related proteins.此外，通过体外实验，ube2d3得到了确认，可以在氧气 - 葡萄糖剥夺（OGD）处理的心肌细胞AC16中高度表达。In order to further clarify the role of Ube2d3, we knocked down Ube2d3 expression in OGD-treated AC16 cells, and con fi rmed Ube2d3 ' s promoting role in the hypoxia damage of AC16 cells by inducing cuproptosis, as evidenced by the detection of MTT, TUNEL, LDH release and cuproptosis-related proteins.
研究论文 Caveolin-1 缺乏会扰乱内皮稳态，加重心肌梗死损伤
目的：Cav-1在维持血管内皮稳态中起着至关重要的作用。内皮功能障碍与许多缺血性疾病有关。然而，Cav-1在心肌梗死（MI）中的作用尚未完全阐明。本研究旨在阐明Cav-1在MI损伤中的作用及其对内皮稳态的影响。方法：为了阐明Cav-1在体内MI中的作用，我们构建了整体敲除Cav-1（Cav-1-KO）小鼠。我们在体外通过siRNA操纵Cav-1的表达以评估内皮细胞（EC）缺氧模型下细胞凋亡、炎症反应和氧化应激以及自噬通量的影响。结果：最初，我们发现Cav-1主要在心肌血管内皮细胞中表达。有趣的是，我们发现 Cav-1 缺乏会显著增加心肌梗死面积的大小，同时会导致体内心脏功能恶化。在体外，siRNA 介导的 Cav-1 敲低加剧了内皮细胞凋亡、炎症反应和氧化应激，并消除了自噬通量。然而，用 β -环糊精 (β -CD) 预处理，会消耗膜结合胆固醇并破坏脂筏，从而显著减轻 Cav-1 下调引起的效应。结论：总之，在这项研究中，我们证明 Cav-1 通过维持内皮稳态充当 MI 损伤的保护性调节器。这些发现意味着 Cav-1 可能是 MI 损伤的潜在治疗靶点。
心肌梗死后经心内膜注射扩增自体 CD34+ 细胞：EXCELLENT 试验的设计
1 法国图卢兹图卢兹大学医院心脏病学系，心脏医学研究所，临床生物治疗研究中心 1436，INSERM I2MC 1297；2 法国蒙彼利埃蒙彼利埃大学医院心脏病学系；3 法国斯特拉斯堡中央医院公共卫生中心 GMRC；4 意大利米兰 Monzino IRCCS 心脏病学中心血管生物学和再生医学科；5 意大利米兰大学生物医学、外科和牙科科学系；6 法国佩萨克 Haut-Leveque 医院介入心脏病学和重症监护系；7 法国米卢斯 CellProthera；8 法国卡昂大学医院心脏病学系； 9 诺曼底大学核医学系，UNICAEN，CHU de Caen Normandie，法国卡昂； 10 核医学和 Nancyclotep 实验平台，CHRU-Nancy，洛林大学，南锡，法国； 11 西奈山富斯特心脏医院，西奈山伊坎医学院，纽约州，美国； 12 哈佛医学院布莱根妇女医院心血管科，美国马萨诸塞州波士顿； 13 法国巴黎 Pitié- Salpêtrière 医院心脏病科； 14 英国心脏基金会卓越研究中心，爱丁堡大学，英国爱丁堡； 15 洛林大学，Inserm，Centre d ' Investigations Cliniques Pluithématique 1433，Centre Hospitalier Régional Universitaire de Nancy，南锡，法国
急性心肌梗死患者胃肠道出血的危险因素：多中心回顾性队列研究
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
人工智能在心肌梗死精准诊断和治疗中的进展：临床试验和随机对照试验的综合回顾
冠状动脉疾病 (CAD) 仍然是一个严重的全球健康问题，对死亡率和发病率有重大影响。一级预防策略的目标是降低患 CAD 的风险。然而，当前的方法通常依赖于简单的风险评估工具，可能会忽略重要的个人风险因素。这种限制凸显了对能够准确评估心血管风险并提供个性化预防护理的创新方法的需求。机器学习和人工智能 (AI) 的最新进展为优化 CAD 的一级预防措施和改进风险预测模型开辟了有趣的新途径。通过利用大型数据库和先进的计算技术，AI 有可能从根本上改变评估和管理心血管风险的方式。本综述着眼于当前的随机对照研究和临床试验，探索应用 AI 和机器学习来改善 CAD 的一级预防措施。重点在于他们识别和纳入复杂风险评估模型中一系列风险因素的能力。
使用深度学习对 I 导联心电图数据进行急性心肌梗死检测
摘要 — 心肌梗塞 (MI) 因其高死亡率和发病率而成为全球主要的健康问题。及早发现 MI 对于及时进行医疗干预和改善患者预后至关重要。在本研究中，我们研究了使用心电图 (ECG) 数据的导联 I 预测 MI 的可行性，重点关注可穿戴监测系统的实际应用。利用 PTB-XL 数据集（其中包括包含正常和各种 MI 样本的 12 导联 ECG 记录的全面集合），我们采用深度学习技术开发二元分类模型。对于使用导联 I 进行 MI 检测，我们在测试集上实现了 0.92 的 AUC 和 0.82 的 AUPR。相比之下，使用 6 导联和 12 导联配置均导致 AUC 为 0.99。这些发现证明了仅使用导联 I 检测 MI 的潜力，这是通过可穿戴设备测量的。这一进步可以通过及时检测和干预显着改善 MI 患者的临床结果。索引术语 — ECG、心肌梗死、Lead-I、ResNet、Transformer、深度学习
摘要书 - 指南国际网络
dong ah park 1，《急性心肌梗死的药物疗法的计划和发展阶段的经验KSMI急性心肌梗死GDG成员4 ...................................................................................................................................................................................................................................................................................