XiaoMi-AI文件搜索系统
World File Search System有心力
ongliza - accessdata.fda.gov
• 心力衰竭：对于已知有心力衰竭风险的患者，请考虑使用 ONGLYZA 的风险和益处。监测患者的体征和症状。（5.2）• 同时使用胰岛素或胰岛素促泌剂时出现的低血糖：与 ONGLYZA 联合使用时，请考虑降低胰岛素或胰岛素促泌剂的剂量。（5.3）• 超敏反应相关事件已有上市后报告称出现严重的超敏反应，如过敏反应、血管性水肿和剥脱性皮肤病。如果出现超敏反应，请停用 ONGLYZA，立即治疗并监测直至体征和症状消退。（5.4）• 关节痛：据报道，服用 DPP-4 抑制剂的患者出现严重且致残的关节痛。请考虑这是严重关节痛的可能原因，并在适当情况下停用药物。 ( 5.5 ) • 大疱性类天疱疮：有上市后报告称，服用 DPP-4 抑制剂的患者因大疱性类天疱疮而需要住院治疗。告知患者报告水疱或糜烂情况。如果怀疑患有大疱性类天疱疮，请停用 ONGLYZA。( 5.6 )
心脏生长和重塑的均质约束混合模型：分析机械生物学稳定性和逆转
抽象的心脏生长和重塑（G＆R）模式在全球范围内和本地都会改变心室大小，形状和功能。生物机械，神经激素和遗传刺激通过心肌尺寸和纤维化的变化驱动这些模式。我们提出了一个新型的微观结构动机模型，该模型基于均质的约束混合理论来预测心脏中器官的G＆R。以前的模型，基于运动学生长理论，通过规定生长的方向和程度，但忽略了潜在的细胞机制，从而再现了G＆R在散装心肌组织中的后果。在我们的模型中，G＆R的方向和程度自然来自心肌组织成分的细胞内和细胞外的转移过程及其首选的稳态伸展状态。我们还提出了一种获得机械相位平衡的参考配置的方法。我们在理想化的3D左心室几何形状上测试了我们的模型，并证明我们的模型旨在在高血压条件下维持紧张的稳态。在稳定图中，我们从具有不同的收缩压和生长因子的相同参数集中确定稳定和不稳定的G＆R区域。此外，我们在第1阶段和第2期高血压后将收缩压返回到基线后的G＆R逆转程度。一种现实的器官心脏G＆R模型有可能识别有心力衰竭风险，实现个性化心脏疗法的患者，并促进医疗设备的最佳设计。
心包，心外膜脂肪组织和心力衰竭，并保留了射血分数：病理生理学，定量和治疗目标11作者对所提供的数据及其讨论的解释的可靠性和自由的各个方面负责。
最新的估计是2019年全球疾病研究负担，表明全球约有5600万人有心力衰竭（HF）诊断，这是残疾和死亡的主要原因[1]。缺血性和高血压心脏病分别是男性和女性HF的主要原因[2]。在1990年至2019年之间，HF病例有所增加（尤其是在年轻患者中），但两种性别的年龄标准化率略有下降[2，3]。在发达国家中，已知HF的患病率通常估计为一般成人人口的1％至2％[3]。但是，与基于仅包含已建立案例的注册表的数据相比，超声心动图筛查研究的患病率约为4.2％，这一数字可能是一个更现实的估计值[3]。实际上，由于定义和人口的差异，有关HF的流行病学研究具有一定的局限性，而且由于大多数研究依赖于通常缺乏重要的临床信息或医院记录中的行政数据，这些数据无法捕获在门诊环境中接受护理的患者。hf在两种主要表型中呈现 - HF，射血分数降低（HFREF）和HF，并保留了射血分数（HFPEF），具有额外的表型，并具有轻度降低的射血分数（HFMREF）。尽管临床表现相似，但导致HFREF和HFPEF的机制是不同的[4]。支持这一观察结果的事实是，是基石的神经激素疗法
患者30天再入院的预测因素和趋势...
背景和目标：医院再入院是一个显着的负预后指标，并对诊断为患有心力衰竭的患者的医疗保健利用有很大影响，并保留了射血分数（HFPEF）。为了进行研究，我们旨在阐明30天内HFPEF再入院的预测因子和趋势。方法：在2016 - 2020年间查询了医疗保健成本和利用项目国家再入院数据库（NRD），以研究30天的全因医院再入院率，命令前，医院住院期限和总体住院费用。多变量/单变量逻辑和线性回归分析用于分析结果并调整可能的混杂因素。结果：在2016 - 2020年之间确定了总共3,831,156个急性代偿HFPEF的指数住院，其中673,844（18.4％）在30天内入院。在5年趋势分析中，30天的全因再入院率从17.4％升至19.9％（p <0.001）。最常见的重新入院病因是患有慢性肾脏疾病阶段1-4（13.2％）的性心脏疾病。与复习率增加相关的独立预测因素是剩下的与医疗建议相对的患者（调整后的比率[AOR]，2.06； 95％置信区间[CI]，1.99–2.14; P <0.001），cirrhosis，cirrhosis（AOR，1.33; 95％CI，1.30 – 1.30 – 1.36; P <0.26; p <0.001; p <0.001; CI，1.25–1.29;结论：在30天内（2016- 2020年）在5例急性代偿HFPEF患者中有近1例，随着时间的推移会增加。识别高危患者对于降低再选中和成本至关重要。
XSL•fo
背景：心脏骤停（CA）是重症患者死亡的主要原因。临床研究表明，对CA的早期鉴定会降低死亡率。算法能够使用多元时间序列数据来预测具有高灵敏度的Ca。但是，这些算法遭受了很高的错误警报率，它们的结果在临床上不可解释。目标：我们使用多分辨率统计特征和基于余弦相似性的特征提出了一种集成方法，以及时预测Ca。此外，这种方法提供了临床上可解释的结果，临床医生可以采用这些结果。方法：使用来自“重症监护IV数据库”和EICU协作研究数据库的医学信息MART的数据回顾性分析患者。基于被诊断为心力衰竭的成年人的24小时时间窗口的多元生命体征，我们提取了基于多解决的统计和基于余弦相似性的特征。这些功能用于构建和发展梯度提升决策树。因此，我们采用了对成本敏感的学习作为解决方案。然后，进行了10倍的交叉验证以检查模型性能的一致性，并使用Shapley添加说明算法来捕获所提出模型的整体可解释性。接下来，使用EICU协作研究数据库进行了外部验证以检查概括能力。根据CA的及时预测，提出的模型达到了高于0.80的AUROC，以预测提前6小时的CA事件。结果：所提出的方法在接收器工作特性曲线（AUROC）下产生了0.86的总面积，并且在Precision-Recall曲线（AUPRC）下为0.58。所提出的方法同时提高了精度和灵敏度以增加AUPRC，从而减少了错误警报的数量，同时保持了高灵敏度。此结果表明所提出的模型的预测性能优于先前研究中报告的模型的性能。接下来，我们证明了特征重要性对所提出方法的临床解释性的影响，并推断了非CA和CA组之间的影响。最后，使用EICU协作研究数据库进行了外部验证，并且在一般重症监护病房的人群中获得了0.74的AUROC，AUPRC为0.44。结论：拟议的框架可以为临床医生提供更准确的CA预测结果，并通过内部和外部验证降低错误警报率。此外，临床上可解释的预测结果可以促进临床医生的理解。此外，生命体征变化的相似性可以为患有心力衰竭相关诊断患者的CA预测的时间模式变化提供见解。因此，我们的系统足以适合常规临床使用。此外，关于拟议的CA预测系统，在未来的数字健康领域开发了临床成熟的应用程序。