1. 药品名称 AFLUNOV 预充式注射器注射用混悬液。人畜共患流感疫苗(H5N1)(表面抗原,灭活,佐剂)。 2. 定性和定量成分 流感病毒表面抗原(血凝素和神经氨酸酶)* 菌株:A/turkey/Turkey/1/2005 (H5N1) 样菌株 (NIBRG-23)(进化枝 2.2.1) 每 0.5 毫升剂量 7.5 微克** * 在健康鸡群的受精鸡蛋中繁殖 ** 以微克血凝素表示。佐剂 MF59C.1 包含: 角鲨烯 每 0.5 ml 9.75 毫克 聚山梨醇酯 80 每 0.5 ml 1.175 毫克 山梨醇三油酸酯 每 0.5 ml 1.175 毫克 已知效果的赋形剂: 每 0.5 ml 剂量疫苗含有 1.899 毫克钠和 0.081 毫克钾。 AFLUNOV 可能含有制造过程中使用的鸡蛋和鸡蛋白、卵清蛋白、卡那霉素、硫酸新霉素、甲醛和十六烷基三甲基溴化铵的微量残留物(见第 4.3 节)。 有关赋形剂的完整列表,请参阅第 6.1 节。 3. 药物形式 预充注射器中的注射用混悬液。 乳白色液体。 4. 临床特点 4.1 治疗指征 针对甲型流感病毒 H5N1 亚型的主动免疫。该指征基于 18 岁及以上健康受试者在接种两剂含有 A/turkey/Turkey/1/2005 (H5N1) 类毒株的疫苗后获得的免疫原性数据(参见 4.4 和 5.1 节)。AFLUNOV 应按照官方建议使用。 4.2 剂量和给药方法 剂量 成人和老年人(18 岁及以上):在选定日期接种一剂 0.5 毫升。应在至少间隔 3 周后接种第二剂 0.5 毫升。
结果 PCR 扩增:共进行了 32 次扩增;28S 8 次、CO1 8 次、CO2 16 次(分为两个独立试验,每次试验 8 次扩增)。 28S rRNA 基因: • 100% 的扩增成功,但 25% 的扩增显示轻微错误引导,37.5% 的扩增显示严重错误引导(表 2)。 • 在可用的 28S 序列中,37.5% 可组装为共识序列。 CO1 基因: • 100% 的扩增成功,但 12.5% 的扩增显示严重错误引导。 • CO1 序列被证明是最成功的,在创建共识序列方面的成功率为 75%。 CO2 基因: • CO2 基因的前 8 次扩增显示 0% 的成功率,因此修改了 PCR 方案。 • CO2 扩增被证明是最不成功的,第二轮扩增成功率为 75%,其中 66.7% 出现严重错误引导。• 未生成 CO2 序列。
背景:2 型糖尿病 (T2DM) 发病率高,对公共卫生构成重大挑战。糖尿病肾病 (DN) 是与 T2DM 相关的最严重并发症之一。早期预测 T2DM 患者的 DN 可显著帮助管理这种疾病。本研究采用一种方法,调查褪黑激素和甲状腺激素水平作为预测 2 型糖尿病患者糖尿病肾病进展的生物标志物的潜在作用。方法:我们的横断面研究涉及 120 名男性参与者,分为两组:60 名 T2DM 患者和 60 名 DN 患者。使用 Cobas 技术测量血清甲状腺激素水平,并使用酶联免疫吸附测定 (ELISA) 量化褪黑激素水平。接受者利用特征 (ROC) 曲线分析来评估血清褪黑激素对 DN 的预测价值。结果:糖尿病患者中,有无糖尿病肾病的甲状腺功能检查结果无明显差异。但是,糖尿病肾病患者的平均血清褪黑素含量(177.25 ± 60.48 pg/mL)明显低于无糖尿病肾病的 2 型糖尿病患者(199.9 ± 55.16 pg/mL)。褪黑素预测糖尿病肾病的敏感性和特异性分别为 78% 和 76%,最佳临界值为 178 pg/mL。结论:糖尿病肾病患者的血清褪黑素水平显著降低,表明其可能作为 2 型糖尿病患者发生糖尿病肾病的额外预测指标。关键词:糖尿病、糖尿病肾病、褪黑素、甲状腺活动测试。
”该研究支持以下假设:遗传易感性来自与溶酶体功能相关的基因的微小变化。”“每天,这些变体没有太大影响。但在适当的压力下,例如暴露于某些农药,它们可能会失败,并且随着时间的流逝,这可能会导致帕金森氏病的发展。这称为基因环境相互作用。”
11. 考虑到最新的科学证据、世卫组织和海外的建议以及本地情况,JSC 认为,如果有单价 JN.1 系疫苗,则应根据制造商的建议,将其作为适当年龄组的首选疫苗。如果本地疫苗供应有限,最有可能患上严重 COVID-19 的人(例如住在安老院舍的长者)应优先接种单价 JN.1 系疫苗。另一方面,个人仍可因个人原因选择其他 COVID-19 疫苗进行初次接种和加强接种。
本研究的目的是量化年轻人中糖尿病前期的风险和相关风险因素。我们还试图评估所用风险评估工具的有效性和可靠性。还收集了空腹血糖以进一步评估风险。进行了一项横断面相关性研究。采用便利抽样,目标样本量为 374。在总共 14,483 名符合条件的参与者中,176 名(回复率 = 1.22%)就读于两所高等教育机构的 18-35 岁年轻人的数据收集时间为 2020 年 12 月 22 日至 2021 年 4 月 30 日。使用在线问卷,包括对 57 名参与者进行空腹血糖测试。分析使用 IBM® SPSS® Statistics Version 27。Kolmogorov–Smirnov 和 Shapiro–Wilk 检验、Mann–Whitney U 检验、Pearson 和 Spearman 相关性、Fisher 精确检验、单变量一般线性模型和受试者工作特征分析均用于分析数据。5.3% (n=3) 的参与者,他们
摘要 — 抑郁症在糖尿病高危人群或糖尿病患者中常常被忽视,这给初级保健临床医生带来了巨大挑战。尽管大型语言模型和其他基础模型方法引起了广泛关注,但我们系统地比较了六种成熟的机器学习算法 - 逻辑回归、随机森林、AdaBoost、XGBoost、朴素贝叶斯和人工神经网络 - 因为它们在日常临床环境中具有可靠性、可解释性和可行性而被选中。通过在现实约束下对它们的性能进行基准测试,我们确定了与糖尿病护理中抑郁风险相关的关键因素,包括患者性别、年龄、骨关节炎、糖化血红蛋白和体重指数。虽然不完整的人口统计信息和潜在的标签偏差限制了预测能力,但我们的结果表明,多种临床特征可能有助于确定高风险患者。它们还表明需要纵向随访和更丰富的临床数据来提高模型准确性。作为临床医生和数据科学家的实用基准,这项工作表明基于机器学习的风险分层可以改善抑郁症的早期发现,并为糖尿病人群提供有针对性的干预措施。
摘要 — 抑郁症在糖尿病高危人群或糖尿病患者中常常被忽视,这给初级保健临床医生带来了巨大挑战。尽管大型语言模型和其他基础模型方法引起了广泛关注,但我们系统地比较了六种成熟的机器学习算法 - 逻辑回归、随机森林、AdaBoost、XGBoost、朴素贝叶斯和人工神经网络 - 因为它们在日常临床环境中具有可靠性、可解释性和可行性而被选中。通过在现实约束下对其性能进行基准测试,我们确定了与糖尿病护理中抑郁风险相关的关键因素,包括患者性别、年龄、骨关节炎、糖化血红蛋白和体重指数。尽管不完整的人口统计信息和潜在的标签偏差限制了预测能力,但我们的结果表明,多种临床特征仍然可以帮助确定高风险患者。它们还表明需要纵向随访和更丰富的临床数据来提高模型准确性。作为临床医生和数据科学家的实用基准,这项工作表明基于机器学习的风险分层可以改善抑郁症的早期发现,并为糖尿病人群提供有针对性的干预措施。
摘要背景:尽管心血管疾病 (CVD) 复方药片已证明在通过管理 CVD 风险因素和提高患者依从性来预防 CVD 事件方面具有显著优势,但它们对血糖水平(CVD 的重要风险因素)的影响仍然未知。方法:我们分析了 PolyIran-Liver 试验的数据,该试验涉及 1,508 名 50 岁以上的参与者。其中,787 人被随机分配服用复方药片(由阿司匹林、阿托伐他汀、氢氯噻嗪和缬沙坦组成),而 721 人作为对照组在五年期间接受常规治疗。目的是确定两组在研究基线、中期和结束时的空腹血糖 (FBS) 水平是否存在显著差异。数据分析集中于三个亚组:患有糖尿病的参与者、患有代谢综合征 (MetS) 但没有糖尿病的参与者以及没有糖尿病或 MetS 的参与者。结果:研究对象总年龄为 59 ± 6.7 岁,其中 328 人(22%)确诊为糖尿病,371 人(25%)确诊为 MetS 但不患有糖尿病,809 人(54%)既无糖尿病也无 MetS。我们观察到 FBS 水平在第 30 个月前呈上升趋势,然后在第 60 个月时下降。多效药组参与者在这两个时间点的 FBS 水平均低于对照组,30 个月时所有三个亚组和 60 个月时无糖尿病的 MetS 亚组均存在统计学显著差异(平均差异:-9.3 mg/dl,95% CI:13.9 至 -4.6)。结论:本研究中使用的多效药可能比一般人群更有效地延缓 MetS 患者的糖尿病发病。然而,其对糖尿病患者血糖水平的有益作用需要进一步研究。关键词:心血管疾病、糖尿病、固定剂量组合、代谢综合征、多效药、一级预防 引用本文为:Jafari E、Poustchi H、Mohagheghi A、Sharafkhah M、Khoshnia M、Nateghi A 等。CVD 多效药对代谢综合征患者患糖尿病的预防作用:多效伊朗肝试验结果。伊朗医学史。2024;27(10):538-544。doi:10.34172/aim.31839
