尽管早产造成了很大的健康后果,但最近几十年的发病率仍保持不变,部分原因是筛查方法有限和对现有方法的使用有限。可穿戴技术提供了一种新颖,无创和可接受的方法来跟踪生命体征,例如母体心率变异性(MHRV)。先前的研究观察到,MHRV在妊娠的前33周内下降,即单胎怀孕,此后改善。这项研究的目的是探索MHRV拐点是胎龄还是递送时间的指示。此回顾性病例对照研究考虑了术语和早产。通过非侵入性磨损技术收集远程数据,使代表42个州和16个国家 /地区的受试者进行了多样化的参与。参与者(n = 241)是从hoop(hoop,inc。)的用户群中追溯确定的,并在2021年3月至2022年10月之间在单胎怀孕期间戴上hoop绑带。根据胎龄和时间的混合效应样条模型适合于人体内部的MHRV,分为早产和学期出生。在妊娠期中,gestaTimation年龄(Akaike信息标准(AIC)= 26627.6,R 2 m = 0.0109,r 2 C = 0.8571),直到生育到几周(AIC = 26616.3,r 2 m = 0.0112,r 2 C = 0.8576)是MHRV的强度,直到有很大的趋势(直至代表) log-likelione比率= 279.5)。对于早产,胎龄(AIC = 1861.9,R 2 M = 0.0016,R 2 C = 0.8582)和直到出生的时间(AIC = 1848.0,R 2 M = 0.0100,R 2 C = 0.8676)代表MHRV趋势,具有明显的MHRV趋势,直到每周均具有相对良好的速度。这项研究表明,可穿戴技术(例如Hoop表带)可以通过筛选夜间MHRV的变化来为早产提供数字生物标志物,这反过来又可能警惕需要进一步评估和干预。
摘要 目的 对于心力衰竭 (HF) 患者来说,较高的体重指数 (BMI) 与更好的预后相关(“肥胖悖论”),但在长期随访中,社区人群中的证据有限。我们旨在研究大型初级保健队列中 BMI 与 HF 患者长期生存之间的关联。方法 我们从临床实践研究数据链 (2000-2017) 中纳入了年龄≥45岁的 HF 患者。我们使用 Kaplan-Meier 曲线、Cox 回归和惩罚样条方法来评估基于 WHO 分类的诊断前 BMI 与全因死亡率之间的关联。结果 共有 47 531 名 HF 患者(中位年龄 78.0 岁(IQR 70–84),45.8% 为女性,79.0% 为白种人,中位 BMI 27.1(IQR 23.9–31.0))且有 25 013 名(52.6%)在随访期间死亡。与健康体重相比,超重(HR 0.78,95% CI 0.75 至 0.81,风险差异 (RD) -4.1%)、I 级肥胖(HR 0.76,95% CI 0.73 至 0.80,RD -4.5%)和 II 级肥胖(HR 0.76,95% CI 0.71 至 0.81,RD -4.5%)的人死亡风险降低,而体重过轻的人风险增加(HR 1.59,95% CI 1.45 至 1.75,RD 11.2%)。在体重过轻的人群中,男性的风险高于女性(交互作用 p 值=0.02)。与超重相比,III 级肥胖与全因死亡风险增加相关(HR 1.23,95% CI 1.17 至 1.29)。结论 BMI 与长期全因死亡率之间的 U 型关系表明,初级保健中 HF 患者可能需要采用个性化方法来确定最佳体重。体重过轻的人预后最差,应被视为高风险人群。
简介和目标:非酒精性脂肪性肝病 (NAFLD) 是导致持续性慢性肝病的主要原因,而慢性肝病会引发心血管疾病、恶性肿瘤和相关死亡。红细胞 (RBC) 指数与 NAFLD 发病率之间存在关联,但其因果关系尚未确定。我们旨在通过前瞻性和孟德尔随机化 (MR) 分析来调查这种关联。材料和方法:这项前瞻性研究涉及来自英国生物银行的 237,016 名参与者。我们采用 Cox 比例风险模型和限制性三次样条模型来评估 RBC 指数与 NAFLD 之间的关联,并使用双样本 MR 分析来确定任何因果关系。结果:在平均 8.64 年的随访中,来自英国生物银行的 2,894 名参与者患上了 NAFLD。这项前瞻性研究表明,高水平血红蛋白 (HGB)(风险比 [HR],1.41;95% 置信区间 [CI] 1.24 − 1.60;P < 0.001)和红细胞计数 (HR,1.20;95% CI,1.07 − 1.36;P = 0.003) 与 NAFLD 风险增加之间存在显著关联。MR 分析表明高 HGB 水平与 NAFLD 风险之间存在因果关系(比值比 [OR],1.55;95% CI,1.11 − 2.18;P = 0.010)。然而,没有观察到红细胞计数和 NAFLD 之间的因果关系。结论:这项前瞻性和 MR 分析显示 HGB 水平与 NAFLD 之间存在正向因果关系。 HGB可以预测NAFLD的风险,有望成为一种大规模、非侵入性工具,动态监测NAFLD的发生发展。© 2025 Fundación Clínica Médica Sur, AC 由 Elsevier España, SLU 出版本文为 CC BY-NC-ND 许可下的开放获取文章( http://creativecommons.org/licenses/by-nc-nd/4.0/ )
M.Tech。 计算机辅助设计(全职课程)学期 - I EME-501数值方法和计算机编程5(3-2-0)代数和超验方方程的单位1解决方案:牛顿 - 拉夫森方法,包括复杂根的方法,包括Graeffe的方法,Graeffe的根平方方法(基于计算机的Algorithm and Algorithm and groming for thulgorith and Algorithm and Amprog)。有限差异的插值公式,高斯的前进和向后插值公式,贝塞尔和拉普拉斯 - 埃弗莱特的公式,立方样条,使用Chebyshev多项式的最小二乘近似。 单元3线性同时方程的解:Cholesky's(Crout)方法,高斯 - 西德尔迭代和放松方法,特征值问题的解决方案;最小,最大和中间特征值(这些方法的基于计算机的算法和程序)单位-4数值分化和集成:使用差异操作员的数值差异化,Simpson的1/3和3/8规则,Boole的规则,Weddle的规则。 单位-5差分方程解:修改后的Euler方法,2 nd,3 rd和4 orders的runge-kutta方法,预测器 - 矫正器方法,普通微分方程的稳定性,Laplace's的溶液和Liebmann方法的poisson方程解决方案。 Text Books: 1. M. K. Jain, S.R.K. iyenger和R.K. Jain,“科学和工程计算的数值方法”,Wiley Eastern Ltd. 2. S. K. Gupta,“工程师的数值方法”,Wiley Eastern Ltd. 3。 B. S. Grewal,“数值方法”,Khanna出版物。 4。 A. D. Booth,“数值方法”,学术出版社,纽约5。M.Tech。计算机辅助设计(全职课程)学期 - I EME-501数值方法和计算机编程5(3-2-0)代数和超验方方程的单位1解决方案:牛顿 - 拉夫森方法,包括复杂根的方法,包括Graeffe的方法,Graeffe的根平方方法(基于计算机的Algorithm and Algorithm and groming for thulgorith and Algorithm and Amprog)。有限差异的插值公式,高斯的前进和向后插值公式,贝塞尔和拉普拉斯 - 埃弗莱特的公式,立方样条,使用Chebyshev多项式的最小二乘近似。单元3线性同时方程的解:Cholesky's(Crout)方法,高斯 - 西德尔迭代和放松方法,特征值问题的解决方案;最小,最大和中间特征值(这些方法的基于计算机的算法和程序)单位-4数值分化和集成:使用差异操作员的数值差异化,Simpson的1/3和3/8规则,Boole的规则,Weddle的规则。单位-5差分方程解:修改后的Euler方法,2 nd,3 rd和4 orders的runge-kutta方法,预测器 - 矫正器方法,普通微分方程的稳定性,Laplace's的溶液和Liebmann方法的poisson方程解决方案。Text Books: 1.M. K. Jain, S.R.K.iyenger和R.K. Jain,“科学和工程计算的数值方法”,Wiley Eastern Ltd. 2.S. K. Gupta,“工程师的数值方法”,Wiley Eastern Ltd. 3。B. S. Grewal,“数值方法”,Khanna出版物。4。A. D. Booth,“数值方法”,学术出版社,纽约5。K.E. ATKINSON,“数值分析概论”,John Wiley&Sons,NY EME-503固体的高级力学4(3-1-0)单位1:压力和应变分析,组成型关系,失败理论。 单元2:非圆形切片的扭转,平面应力和平整应变问题,疲劳分析的综述。 单元3:裂缝力学,非弹性行为,粘弹性,聚合物单元4:的结构和行为,单向复合材料和正性层层的行为,纤维复合材料的故障理论,在复合材料中的各种结构的发展,基于计算机的分析和固体的分析和解决方案的解决方案K.E.ATKINSON,“数值分析概论”,John Wiley&Sons,NY EME-503固体的高级力学4(3-1-0)单位1:压力和应变分析,组成型关系,失败理论。单元2:非圆形切片的扭转,平面应力和平整应变问题,疲劳分析的综述。单元3:裂缝力学,非弹性行为,粘弹性,聚合物单元4:的结构和行为,单向复合材料和正性层层的行为,纤维复合材料的故障理论,在复合材料中的各种结构的发展,基于计算机的分析和固体的分析和解决方案的解决方案
抽象目的目前关于甘油三酸酯与高密度脂蛋白胆固醇(TG/HDL-C)的比率之间的关联与糖尿病前期与正常血糖的逆转之间的相关性。这项研究的目的是研究糖尿病患者中TG/HDL-C与正常血糖的逆转之间的关联。方法这项回顾性队列研究包括15,107名来自32个中国地区和11个城市的糖尿病患者,他们从2010年到2016年完成了健康检查。COX比例危害回归模型检查了基线TG/HDL-C,并从糖尿病前期回归为正常血糖。COX比例危害具有立方样条函数的恢复和平滑曲线拟合确定TG/HDL-C与恢复到正常血糖之间的非线性连接。我们还进行了灵敏度和亚组分析。通过将进度表征为对糖尿病前期事件的逆转的竞争风险,创建了具有竞争风险的多元COX比例危害回归模型。在调整协变量后的结果时,发现表明TG/HDL-C与返回正常血糖的同样是负相关性(HR = 0.869,95%CI:0.842–0.897)。此外,观察到TG/HDL-C与逆转概率之间的非线性关系,其拐点为1.675。拐点左侧的HR为0.748(95%CI:0.699,0.801)。通过竞争风险多元COX的回归和一系列灵敏度分析,我们的结果的鲁棒性得到了巩固。结论本研究揭示了TG/HDL-C与中国前糖尿病患者中TG/HDL-C之间的负相关性和非线性相关性。这项研究的发现预计将成为临床医生在糖尿病前患者管理血脂异常方面的宝贵资源。旨在通过降低TG或HDL-C水平升高来降低TG/HDL-C比的干预措施可能会大大提高患有糖尿病患者中正常血糖的可能性。
摘要:地面振动是爆破活动最不利的环境影响之一,会对邻近的房屋和建筑物造成严重损坏。因此,有效预测其严重程度对于控制和减少其复发至关重要。不同的研究人员提出了几种常规振动预测方程,但大多数仅基于两个参数,即单位延迟使用的炸药量和爆炸面与监测点之间的距离。众所周知,爆破结果受许多爆破设计参数的影响,例如负担、间距、火药系数等。但这些都没有被考虑在任何可用的常规预测器中,因此它们在预测爆炸振动时显示出很高的误差。如今,人工智能已广泛应用于爆破工程。因此,本研究采用了三种人工智能方法,即高斯过程回归 (GPR)、极限学习机 (ELM) 和反向传播神经网络 (BPNN),来估计印度 Shree Cement Ras 石灰石矿爆破引起的地面振动。为了实现该目标,从矿场收集了 101 个爆破数据集,其中粉末系数、平均深度、距离、间距、负担、装药重量和炮泥长度作为输入参数。为了进行比较,还使用相同的数据集构建了一个简单的多元回归分析 (MVRA) 模型以及一种称为多元自适应回归样条 (MARS) 的非参数回归技术。本研究是比较 GPR、BPNN、ELM、MARS 和 MVRA 以确定其各自预测性能的基础研究。八十一 (81) 个数据集(占总爆破数据集的 80%)用于构建和训练各种预测模型,而 20 个数据样本(20%)用于评估所开发的预测模型的预测能力。使用测试数据集,将主要性能指标,即均方误差 (MSE)、方差解释 (VAF)、相关系数 (R) 和判定系数 (R2) 进行比较,作为模型性能的统计评估指标。本研究表明,与 MARS、BPNN、ELM 和 MVRA 相比,GPR 模型表现出更出色的预测能力。GPR 模型显示最高的 VAF、R 和 R 2 值分别为 99.1728%、0.9985 和 0.9971,最低的 MSE 为 0.0903。因此,爆破工程师可以采用 GPR 作为预测爆破引起的地面振动的有效且合适的方法。
背景:糖尿病性视网膜病(DR)是糖尿病肾脏疾病(DKD)的危险因素。DR的持续时间,尤其是DR的短期持续时间是否与DKD的发展和发展有关。材料和方法:进行了回顾性研究和两样本的孟德尔随机分析(MR)分析。肾脏疾病是由尿白蛋白与促甲酸比例(ACR)和估计的肾小球滤过率(EGFR)定义的。DR是由专家眼科医生诊断的,使用数字眼镜摄像头。二进制和顺序逻辑回归分析。利用有限的立方样条来检测非线性关联。从Finngen和UK Biobank Consortia中提取了DR-和DKD相关的单核多态性(SNP)的摘要统计数据。 结果:包括2674例2型糖尿病(T2DM)和2型糖尿病肾脏疾病(T2DKD)患者。 随着ACR的升高和EGFR的下降,DR的患病率和平均持续时间增加。 在生命的第五年,DR患者的肾功能显着降低。 二进制和序数逻辑回归表明,DR持续时间的每1年增加与DKD的发展风险增加19%,ACR升高16%,肾功能下降的率为21%。 MR估计表明,DR与DKD发展有因果关系,优势比为2.89。 结论:DR和DR的持续时间是DKD发展和发展的独立危险因素。摘要统计数据。结果:包括2674例2型糖尿病(T2DM)和2型糖尿病肾脏疾病(T2DKD)患者。随着ACR的升高和EGFR的下降,DR的患病率和平均持续时间增加。在生命的第五年,DR患者的肾功能显着降低。二进制和序数逻辑回归表明,DR持续时间的每1年增加与DKD的发展风险增加19%,ACR升高16%,肾功能下降的率为21%。MR估计表明,DR与DKD发展有因果关系,优势比为2.89。结论:DR和DR的持续时间是DKD发展和发展的独立危险因素。DR的短期持续时间可能与DKD的发展有关。DR对DKD具有统计学上的显着影响。
许多生物学过程和机制取决于DNA中碱基配对和氢键的细节。氢键由于难以可视化氢原子位置而通过X射线晶体学和冷冻EM进行量化,但可以通过溶液中的NMR光谱探测到位点特异性,而固态的固态,后者特别适合大型,缓慢滚动的DNA复合物。最近,我们表明低温动态核极化(DNP)增强的固态NMR是在本机样条件下在各种DNA系统中区分Hoogsteen碱基对(BPS)与规范的Watson-Crick BPS的有价值工具。在此使用12型摩尔DNA双工,在Watson-Crick或Hoogsteen确认中含有两个中央腺嘌呤 - 胸腺氨酸(A-T)BPS,我们证明了DNP固态NMR测量值,这些NMR的测量值是胸腺胺N3-H3键的长度,这些长度与N-H-H-H的详细信息敏感,并允许NH-H·n-H·的n-H·n-H·的水性键合敏感。相同的DNA序列上下文。对于此DNA双链体,对于Watson-Crick A-T和HOOGSTEEN A-T和HOOGSTEEN A(SYN)-T碱基对的有效相同的TN3-H3键长的长度为1.055±0.011Å和1.060±0.011Å,相对于参考磁键长度为1.015±0.010Å,分别为N-Acety-ny-acetyl ny-acetyl ny-acetyl ny-acetyl,分别为watson-Crick a-t和hoogsteen a(syn)a(syn)-t碱基对。非常明显的是,在模型DNA双链体的背景下,这些结果表明,watson-Crick和Hoogsteen BP构型构象异构体之间N-H··N-t a-t氢键没有显着差异。考虑到零点运动的先前量子化学计算预测有效较长的肽n-h键长度为1.041Å,与溶液和环境温度下的肽和蛋白质的固态NMR研究一致,以促进这些早期的研究tn3-h3键长度的直接比较。 Watson-Crick A-T和Hoogsteen A(Syn)-t BPS相对于1.041Å参考肽N-H键长。更一般地,基于低温DNP固态NMR的方法对N-H键长度进行高精度测量有望促进对一系列DNA复合物和基本配对环境的氢键的详细比较分析。
摘要目标/假设低出生体重是2型糖尿病的危险因素,但是尚不清楚低出生体重是否与疾病发作处的独特临床特征有关。我们检查了2型糖尿病中较低或更高的出生体重是否与疾病发作时临床相关的特征有关。方法记录了丹麦2型糖尿病(DD2)同时战略研究中心的6866名患有2型糖尿病的人的助产士记录。Using a cross-sectional design, we assessed age at diagnosis, anthropomorphic measures, comorbidities, medications, metabolic variables and family history of type 2 diabetes in individuals with the lowest 25% of birthweight (<3000 g) and highest 25% of birthweight (>3700 g), compared with a birthweight of 3000–3700 g as reference, using log-binomial and Poisson regression.通过线性和有限的立方样条恢复评估整个出生体重谱的连续关系。计算了2型糖尿病和出生体重的加权多基因评分(PS),以评估遗传易感性的影响。结果每1000 g出生体重的减小与3.3岁(95%CI 2.9,3.8)糖尿病发作年龄相关,1.5 kg/m 2(95%CI 1.2,1.7)下BMI和3.9 cm(95%CI 3.3,4.5)较小的腰围。临床定义的低出生体重(<2500 g)产生更强的关联。出生体重和临床特征之间的大多数关联似乎是线性的,并且更高的出生体重与相反方向反映出较低的出生体重的特征相关。与参考的出生体重相比,<3000 g的出生体重与更高的合并症有关(Charlson合并症指数得分≥3为1.36 [95%CI 1.07,1.73]),具有系统的BP≥155MMMHG(PR 1.26 [95%CI)[95%CI] [95%ci 1.07,1.73]。与糖尿病相关的神经疾病,2型糖尿病的家族史的可能性较小,使用三种或多种降糖药物(PR 1.33 [95%CI 1.06,1.65])以及三种或更多或更多的抗毒性药物(PR 1.09 [PR 1.09 [95%CI 0.99,1.20,1.20])。结果对代表2型糖尿病和出生体重的加权遗传易感性的PS的调整是可靠的。结论/解释尽管诊断年龄较小,肥胖和家族史的2型糖尿病患者较少,但出生重量<3000 g与更多的合并症有关,包括较高的收缩压BP,以及在最近患有2型糖尿病患者中使用较高的葡萄糖和降低葡萄糖和抗毒性药物。
尽管多年来FNIRS技术得到了改进,但FNIRS数据集的处理仍然是一项艰巨的任务。尤其是,由于Optodes和Scalp之间的耦合变化而导致的运动伪影识别并纠正并纠正了很难且耗时。此类伪影表示为时间序列信号中的峰值或偏移。由于峰或移位的幅度通常比血液动力学反应功能(HRF)高得多,因此FNIRS信号被显着污染,并且不会反映皮质激活。当头部和四肢的运动在实验方案中不可避免甚至需要时,这种现象就会更明显,例如语音,17个步行,18和手术任务。11,12最近,由于可穿戴或无线FNIRS设备(19,20)的升高,该问题加剧了这些设备的移动范围,用于跑步或团队工作,这些设备更容易受到运动文物的影响。因此,消除运动伪影的有效方法对于在这些情况下利用FNIR是必不可少的。多年来开发的一些策略包括在数据处理过程中保留任何具有运动伪像的试验。仅当收集大型数据集并且不是当前的主要实践时才使用。另一种策略是通过视觉检查识别具有运动伪影的试验/通道,或在普遍的FNIRS数据处理工具箱Homer2中使用诸如HMRMotionArtifact功能之类的功能,然后从进一步分析中丢弃它们。为例,参考。35最近的研究36不过,最合适的方法是使用高级时间序列数据处理方法处理这些试验/通道。这些包括样条插值,21小波滤波,22个主成分分析(PCA),23 Kalman滤波,24和基于相关的信号改进(CBSI)。25这些方法的性能在很大程度上取决于一组假设,以描述运动伪影和参数相关调整的主观选择(表1)。29证明,选择PCA参数,即PCA删除27为0.80和0.97的数据中的方差百分比产生了显着不同的结果。因此,高度可取的方法,不需要对参数的主观微调或不依赖严格的假设的方法。在这里,我们提出了一种自动学习噪声特征的深度学习方法。在过去十年中,深度神经网络已成为一种强大的工具,可以快速有效地抑制图像数据集中的噪声。深度学习模型已被证明可以增强竞争性降解结果,同时与召开方法相比,保留了更多纹理细节。30 - 33深度学习网络在应用于医学成像问题时也表现出卓越的性能。例如,denoising自动编码器(DAE)模型可以Denoise乳房X线照片[结构相似性指数量度(SSIM)从0.45到0.73]和Dental X射线数据(SSIM从0.62到0.86)。34 A DAE模型的峰值信噪比(PSNR)和SSIM高10%,而SSIM比胸部辐射图中的常规算法高。