XiaoMi-AI文件搜索系统
World File Search System标志物
异源肺炎症CT模式区分肺炎和免疫检查点抑制剂肺炎，并补充急性髓样白血病中的血液生物标志物：概念证明
结果：栖息地成像通过识别5个不同的子区域，与肺实质，巩固，异源地面玻璃不透明度（GGO）和GGO-巩固过渡相关，揭示了内在的肺炎症模式。因此，我们提出的栖息地模型（准确性为79％，敏感性为48％，特定的88％）的表现优于临床血管模型（准确性68％，敏感性为14％，特异性峰值为85％），用于对肺炎和肺炎进行分类。整合成像和血液的最佳性能（精度为81％，灵敏度为52％，特异性县为90％）。使用这种成像血管复合模型，检测肺炎的测试后概率从23％增加到61％，比临床和血液模型（测试后概率为22％）高显着（P = 1.5 E-9）。
全身性炎症标志物是肌萎缩性横向硬化症中疾病进展和生存时间的潜在预测因子
症状发作后（Van Es等，2017）。尽管ALS相对罕见，但全球1-1.8/100,000个人的影响，但预计ALS病例的数量将从2015年的222,801增加到2040年的376,674，这是由于全球人口的老龄化，导致家庭和社会的巨大负担（Arthur等人，2016年）。然而，由于ALS的发病机理仍然难以捉摸，因此没有延迟或停止ALS的发作或进展的有效治疗。识别ALS的廉价且易于实现的生物标志物可以预测疾病进展率和生存时间对于改善疾病管理至关重要。神经因浮肿和外周免疫已被假定在ALS的神经退行性过程中起重要作用（Liu等，2020）。神经蛋白的流量始终由小胶质细胞和星形胶质细胞激活诱导，这可以通过ALS患者的验尸后的免疫染色来检测（Kawamata等，1992; Schi qu Quert et al。，1996）。正电子发射断层扫描（PET）成像的进展使通过活化的小胶质细胞表达的耦合蛋白在体内可视化人类神经胶质变化成为可能（Corcia等，2012）。然而，以上评估神经素浮肿的方法是侵入性的，昂贵和技术困难的，这不能以大规模的方式实施。这些外围炎症生物标志物已被用作心血管疾病，自身免疫性疾病和神经退行性疾病的预测因素，例如帕金森氏病，阿尔茨海默氏病，阿尔茨海默氏病（Sharma et al。 2012）。可以通过不同的白细胞的血细胞计数以及包括嗜中性粒细胞与淋巴细胞比率（NLR），血小板至淋巴细胞（PLR），Lymphocyte and Monyphocyte conmphocyte conmyte rmicte rmicty rmicty callio atio ymricte rmicty rmicty callio atio at（NLR）的血细胞计数来评估外围炎性生物标志物。免疫输入指数（SII），具有成本效率，方便且高度适用于临床应用（Grassano等，2023; Cao等，2023）。至于ALS，意大利的一项基于人群的研究发现，中性粒细胞，NLR和SII的增加与更快的疾病进展，较差的肺功能和较短的生存有关（Grassano等，2023）。低淋巴细胞和LMR降低与女性ALS患者的预后不良相关（Grassano等，2023）。中国的一项回顾性，横截面的观察性研究也表明，NLR值是预测零星ALS患者的疾病进展率和存活率的独立参数（Wei等，2022）。在这些系统性的弹性标记中，NLR是ALS中研究最多的参数，显示了预测ALS预后的潜力，而有关PLR，LMR和SII的作用的证据相对较少见（Cao等，2023; Wei等，2022; Choi等，2022; Choi等，2020; 2020; leone et al。此外，与西方的研究相比，中国ALS患者的研究数据仍然很少。总的来说，这项研究的目的是通过分析Chinses ALS患者的NLR，PLR，LMR和SII来评估系统性炎症状态的作用，以研究这些参数与ALS严重程度，进展率和存活率之间是否存在关联。因此，确定
FDG PET生物标志物预测抗PD1免疫疗法之前转移性黑色素瘤生存率
我们的目的是分析在抗PD1治疗之前从基线18 F-FDG PET中提取的生物标志物是否有助于预后生存信息，以便转移性黑色素瘤的早期风险分层。Fifty-six patients, without prior systemic treatment, BRAF wild type, explored using 18 F-FDG PET were included retrospectively.Our primary endpoint was overall survival (OS).Total metabolic tumoral volume (MTV) and forty-one IBSI compliant parameters were extracted from PET.Parameters associated with outcome were evaluated by a cox regression model and when significant helped build a prognostic score.Median follow-up was 22.1 months and 21 patients died.Total MTV and long zone emphasis (LZE) correlated with shorter OS and served to define three risk categories for the prognostic score.For low, intermediate and high risk groups, survival rates were respectively 91.1% (IC 95 80–1), 56.1% (IC 95 37.1–85) and 19% (IC 95 0.06–60.2) and hazard ratios were respectively 0.11 (IC 95 0.025–0.46), P = 0.0028, 1.2 (IC 95 0.48–2.8), P = 0.74 and 5.9 (IC 95 2.5–14), P < 0.0001.得出结论，基于总MTV和LZE的预后评分分离了3类，其结局截然不同的转移性黑色素瘤患者。Innovative therapies should be tested in the group with the lowest prognosis score for future clinical trials.
自我报告的健康，神经心理学测试和完全康复的Covid-19患者与杂化后认知症状的患者的生物标志物：一项试验研究
短期健康调查（SF-36）[31,32] 36个项目调查，测量8个健康领域：（1）由于健康问题而导致的体育活动的限制； （2）由于身体或情感问题，社交活动的局限性； （3）由于身体健康问题而导致的通常角色活动的限制； （4）身体疼痛； （5）一般心理健康； （6）由于情绪问题而导致的通常角色活动的限制； （7）活力； （8）一般健康感知。Euroqol 5维（EQ-5D）[33]患者报告了衡量5个领域生活质量的结果：流动性，自我保健，通常的活动，疼痛/不适以及焦虑/抑郁症。每个维度都在3级严重性排名上进行评分，范围从“无问题”到“极端问题”。还包括一个0-100的视觉模拟量表，以评估患者的自我评估总体健康状况（100 =您可以想象的最佳健康； 0 =您能想象的最糟糕的健康）。152
在孤立的快速移动睡眠行为障碍中转化为α-突触核病的生物标志物
Mitchell G. Miglis，M.D。，1* Charles H. Adler教授，医学博士，2 Elena Antelmi，M.D。4.5 Luca Baldelli，医学博士，6教授Bradley F. Boeve M.D.，7 Matteo Cesari，博士，博士，8 Antonia，M.D. Jean-FrançoisGagnon博士，13 Ziv Gan-Or，M.D。14-16 Wiebke Hermann，医学博士，17.18BirgitHögl教授K.L.Leenders，M.D。，23 Simon J.G.教授 Lewis，M.D.，24 Claudio Liguori，M.D.，M.D. Jun Liu，M.D.，26 Christine Lo，M.D.，19 Kaylena A. Ehgoetz Martens，Ph.D.，27 Jiri Nepozitek，M.D. 31 Michal Rolinski，医学博士，32 Jan Rusz，Ph.D.，33 Ambra Stefani，M.D.，8 Rebekah L. S. Summers博士，博士，34 Dalh Yoo，M.D.，35 Jennifer Ziser，M.D. 21.38Leenders，M.D。，23 Simon J.G.教授Lewis，M.D.，24 Claudio Liguori，M.D.，M.D. Jun Liu，M.D.，26 Christine Lo，M.D.，19 Kaylena A. Ehgoetz Martens，Ph.D.，27 Jiri Nepozitek，M.D. 31 Michal Rolinski，医学博士，32 Jan Rusz，Ph.D.，33 Ambra Stefani，M.D.，8 Rebekah L. S. Summers博士，博士，34 Dalh Yoo，M.D.，35 Jennifer Ziser，M.D. 21.38Lewis，M.D.，24 Claudio Liguori，M.D.，M.D. Jun Liu，M.D.，26 Christine Lo，M.D.，19 Kaylena A. Ehgoetz Martens，Ph.D.，27 Jiri Nepozitek，M.D. 31 Michal Rolinski，医学博士，32 Jan Rusz，Ph.D.，33 Ambra Stefani，M.D.，8 Rebekah L. S. Summers博士，博士，34 Dalh Yoo，M.D.，35 Jennifer Ziser，M.D.21.38
基于成像的生物标志物设置以量化细胞水平的衰老
除了这些危险信号外，DC的许多功能，包括成熟，细胞因子产生和迁移，还受到体内电信号的调节。DC中钾和钙离子的浓度与其成熟过程密切相关。然而，金属离子进入和流出细胞的运动严格由离子通道控制，目前没有有效的方法激活这些通道。
针对不同类型痴呆的等离子体生物标志物的差异诊断性能。
1。全球对痴呆症2017- 2025年公共卫生响应的行动计划。世界卫生组织； 2017。许可证：CC BY-NC-SA 3.0 Igo。2。Jack CR，Bennett DA，Blennow K等。 NIA-AA研究框架：迈向对阿尔茨海默氏病的生物学定义。 阿尔茨海默氏症痴呆症。 2018; 14：535-562。 https://doi.org/10.1016/j.jalz.2018.02。 018。 3。 PalmQvist S，Insel PS，Stomrud E等。 脑脊液和血浆生物标志物轨迹随着阿尔茨海默氏病的增加而增加。 embo mol Med。 2019; 11：E11170。 4。 lleóA，Irwin DJ，Illán-Gala I等。 一种2步脑脊算法，用于选择额颞叶变性亚型。 JAMA NEUROL。 2018; 75：738-745。 5。 de Meyer S，Schaeverbeke JM，Verberk IMW等。 比较基于ELISA和SIMOA的基于血浆Abeta比率的定量，以早期检测到脑淀粉样变性。 阿尔茨海默氏症。 2020; 12：162。 6。 Chatterjee P，Pedrini S，Stoops E等。 血浆胶质纤维酸性蛋白在认知正常的老年人中升高，患有阿尔茨海默氏病风险。 翻译精神病学。 2021; 11。 7。 Verberk IMW，Thijssen E，Koelewijn J等。 血浆淀粉样β（1-42/1-40）和神经胶质纤维酸性蛋白的组合强烈Jack CR，Bennett DA，Blennow K等。NIA-AA研究框架：迈向对阿尔茨海默氏病的生物学定义。阿尔茨海默氏症痴呆症。2018; 14：535-562。 https://doi.org/10.1016/j.jalz.2018.02。 018。 3。 PalmQvist S，Insel PS，Stomrud E等。 脑脊液和血浆生物标志物轨迹随着阿尔茨海默氏病的增加而增加。 embo mol Med。 2019; 11：E11170。 4。 lleóA，Irwin DJ，Illán-Gala I等。 一种2步脑脊算法，用于选择额颞叶变性亚型。 JAMA NEUROL。 2018; 75：738-745。 5。 de Meyer S，Schaeverbeke JM，Verberk IMW等。 比较基于ELISA和SIMOA的基于血浆Abeta比率的定量，以早期检测到脑淀粉样变性。 阿尔茨海默氏症。 2020; 12：162。 6。 Chatterjee P，Pedrini S，Stoops E等。 血浆胶质纤维酸性蛋白在认知正常的老年人中升高，患有阿尔茨海默氏病风险。 翻译精神病学。 2021; 11。 7。 Verberk IMW，Thijssen E，Koelewijn J等。 血浆淀粉样β（1-42/1-40）和神经胶质纤维酸性蛋白的组合强烈2018; 14：535-562。 https://doi.org/10.1016/j.jalz.2018.02。018。3。PalmQvist S，Insel PS，Stomrud E等。脑脊液和血浆生物标志物轨迹随着阿尔茨海默氏病的增加而增加。embo mol Med。2019; 11：E11170。 4。 lleóA，Irwin DJ，Illán-Gala I等。 一种2步脑脊算法，用于选择额颞叶变性亚型。 JAMA NEUROL。 2018; 75：738-745。 5。 de Meyer S，Schaeverbeke JM，Verberk IMW等。 比较基于ELISA和SIMOA的基于血浆Abeta比率的定量，以早期检测到脑淀粉样变性。 阿尔茨海默氏症。 2020; 12：162。 6。 Chatterjee P，Pedrini S，Stoops E等。 血浆胶质纤维酸性蛋白在认知正常的老年人中升高，患有阿尔茨海默氏病风险。 翻译精神病学。 2021; 11。 7。 Verberk IMW，Thijssen E，Koelewijn J等。 血浆淀粉样β（1-42/1-40）和神经胶质纤维酸性蛋白的组合强烈2019; 11：E11170。4。lleóA，Irwin DJ，Illán-Gala I等。一种2步脑脊算法，用于选择额颞叶变性亚型。JAMA NEUROL。 2018; 75：738-745。 5。 de Meyer S，Schaeverbeke JM，Verberk IMW等。 比较基于ELISA和SIMOA的基于血浆Abeta比率的定量，以早期检测到脑淀粉样变性。 阿尔茨海默氏症。 2020; 12：162。 6。 Chatterjee P，Pedrini S，Stoops E等。 血浆胶质纤维酸性蛋白在认知正常的老年人中升高，患有阿尔茨海默氏病风险。 翻译精神病学。 2021; 11。 7。 Verberk IMW，Thijssen E，Koelewijn J等。 血浆淀粉样β（1-42/1-40）和神经胶质纤维酸性蛋白的组合强烈JAMA NEUROL。2018; 75：738-745。5。de Meyer S，Schaeverbeke JM，Verberk IMW等。比较基于ELISA和SIMOA的基于血浆Abeta比率的定量，以早期检测到脑淀粉样变性。阿尔茨海默氏症。2020; 12：162。6。Chatterjee P，Pedrini S，Stoops E等。血浆胶质纤维酸性蛋白在认知正常的老年人中升高，患有阿尔茨海默氏病风险。翻译精神病学。2021; 11。7。Verberk IMW，Thijssen E，Koelewijn J等。血浆淀粉样β（1-42/1-40）和神经胶质纤维酸性蛋白的组合强烈
1跟踪健康和衰老的表观遗传生物标志物...
性别肯定激素治疗（GAHT）是许多跨性别者的必要治疗方法，并且至关重要的是进一步改善治疗经验并减轻可能的风险。在这里，我们调查了GAHT第一年的健康和衰老的DNA甲基化（DNAM）生物标志物是否经过修饰，并且这些生物标志物是否因治疗类型而变化。队列由13名跨性别女性和13位男性组成。采样发生在基线（前GAHT），在6个月和12个月的随访中进行。我们跟踪了三个表观遗传钟（Horvath，Hannum，Phenoage），基于DNA甲基化的端粒长度（DNAMTL）和Dunedinpace的纵向动力学。在基线时，Horvath和Hannum表现出加速的表观遗传衰老，尤其是在跨性别者之间发音，而在两组中，现场和Dunedinpace的衰老均显示出较低的衰老速度。这种差异可能反映出少数族裔压力在原本健康的队列中的可能影响。尽管Gaht不影响这三个时钟，但DNAMTL和DunedInpace显示出特定的治疗模式，但在轨迹中具有显着的个体间差异。跨性别妇女增加了人民平台（估计= 0.057，p = 0.002）和轻微的DNAMTL增益（估计= 0.024，ns）；跨性别者表现出稳定的Dunedinpace（估算= -0.013，ns）的稳定下降，DNAMTL的减少（估计= -0.057，p = 0.037）。明显的异质性表示对治疗的个性化反应，并突出了将这种生物标志物纳入全面健康监测的潜在价值。我们的发现强调了对更大的长期研究的必要性，以优化性别肯定医疗保健的个性化策略。
微生物组标记：微生物组生物标志物分析工具包
微生物膜标记包。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>3丰度。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>3骨架_taxa。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>4分配 - otu_table。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 compare_da。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6混杂器。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7个数据库。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8个数据cid_ying。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8个数据ECAM。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。8个数据ECAM。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9个数据输入_arumugam。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。9个data-kostic_crc。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10个数据氧。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10个数据pediatric_ibd。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11个数据 - 跨性别_colitis。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>11 extract_posthoc_res。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>12 get_treedata_phyloseq。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 import_dada2。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 import_picrust2。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 import_qiime2。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 Marker_table。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 Marker_table类。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 Marker_table < - 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17微生物膜标记物。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。18微生物级。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。19 nmarker。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>20归一化，门索方法。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>21 Thyloseq2Seq2。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 Teyloseq2Dger。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。24 Thyloseq2metagenomeseq。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。25 plot.compareda。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。25 plot_abundance。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>26 plot_cladogram。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>27 plot_f_bar。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>28 plot_heatmap。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。29 plot_posthoctest。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。31 polot_sl_roc。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。31后测。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。32后级。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。33个重新示例。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。34 run_aldex。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。34 run_ancom。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。37 run_ancombc。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。39 run_deseq2。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。41 run_edger。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。44
重新利用脑电图监测用于建立脑老化生物标志物的一般麻醉：探索性研究
背景：脑电图（EEG）越来越多地用于监测全身麻醉的深度，但是大麻醉监测的EEG数据很少被重复用于研究。在这里，我们探索了从一般麻醉中重新利用脑电图监测，用于使用机器学习进行大脑年龄建模。我们假设在全身麻醉期间从脑电图估算的大脑年龄与围手术期风险有关。方法：我们在稳定的丙泊酚或稳定的丙烷麻醉下重新分析了323例患者的四局EEG，以研究四个EEG特征（EEG功率的95％（95％EEG功率<8 E 13 Hz）的年龄预测：总功率，Alpha频段，Alpha频段，Alpha band Power（8 E 13 Hz），Power Spectrum和Spatial spatial和Spatsial spatsial sy fromeny confurears和Spats spats spatsial sy频率。我们在丙泊酚麻醉期间由健康参考组（ASA 1或2）的EEG构建了年龄预测模型。尽管所有签名都是信息丰富的，但最先进的年龄预测性能通过沿整个功率谱的电极进行解析（平均绝对误差¼8.2岁； R2¼0.65）来解锁。结果：ASA 1或2例患者的临床探索表明，脑年龄与术中爆发抑制正相关，这是全身麻醉并发症的危险因素。令人惊讶的是，大脑年龄与较高的ASA分数患者的爆发抑制作用，表明隐藏的混杂因素。次级分析表明，与年龄相关的脑电图特征是丙泊酚麻醉的特异性，这是通过有限的模型概括对用sevo lureane维持的麻醉的。结论：尽管全身麻醉的脑电图可能实现最新的年龄预测，但麻醉药物之间的差异会影响脑时代模型的有效性和有效性。为了释放脑电图监测临床研究的休眠潜力，至关重要的是，具有精确记录药物剂量的异质种群的较大数据集至关重要。