XiaoMi-AI文件搜索系统
World File Search System横断面
牙周健康中的大量乌干达人与艾滋病毒：一项横断面研究
©作者2024。Open Access本文在创意共享属性下获得许可 - 非商业 - 非洲毒素4.0国际许可证，该许可允许以任何中等或格式的任何非商业用途，共享，分发和复制，只要您与原始作者提供适当的信誉，并为您提供了符合创造性共识许可的链接，并提供了持有货物的启动材料。您没有根据本许可证的许可来共享本文或部分内容的适用材料。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：// creativecommons.org/licenses/by-nc-nd/4.0/。
评估西班牙偏头痛的个体的饮食习惯：探索性观察性横断面试验研究
摘要：背景/目标：已提出饮食习惯是偏头痛的潜在治疗方法；然而，缺乏支持公司建议的科学证据。具体来说，尚未研究居住在西班牙偏头痛的饮食习惯。因此，本研究旨在评估其饮食模式，并根据偏头痛发作的频率或与偏头痛相关的残疾程度来研究这些习惯如何变化。方法：对西班牙诊断为偏头痛的260名（18-64岁）进行了探索性，观察性，横断面试验研究。饮食，生活方式和偏头痛特征的数据是通过在线问卷收集的，该问卷包括食物频率问卷，并询问有关饮食，生活方式以及与偏头痛有关的不同方面的看法。使用Kruskal – Wallis检验分析统计差异，然后使用JASP进行DUNN的事后检验。恢复：植物性食品的消费低于Aesan的建议。在不同的Mi-Graine攻击频率或与偏头痛相关的残疾水平的食物食物消耗方面没有观察到差异。慢性偏头痛组和严重的残疾人组都表现出一些被认为是偏头痛触发因素（例如巧克力，腌制奶酪，腌制肉和含酒精饮料）的食物的差异。此外，患有偏头痛的人的咖啡因比患有慢性偏头痛的人多得多。因此，必须进一步研究饮食在偏头痛管理中的作用。结论：尚不清楚避免饮食偏头痛触发因素是受某些食物化合物的生物学作用还是受饮食感知和毫无根据的信念影响的驱动。
菲律宾和马来西亚民众对 COVID-19 疫苗的犹豫和信心：社会人口因素和信息搜寻的横断面研究
10 1. 南安普顿大学医学院临床信息学研究组，英国南安普顿 12 2. 马来西亚沙亚南管理与科学大学国际医学院社区医学系，马来西亚沙亚南 40100 14 3. 亚洲大都会大学医学院社区医学系，马来西亚新山 81750 16 4. 马来西亚莫纳什大学谢富年医学与健康科学学院全球公共卫生系，马来西亚双威镇 47500 18 5. 马来西亚赛城大学医学院精神病学系，马来西亚赛城 63000 20 6. 系：刑事司法教育学院，机构：JH Cerilles 州立学院，菲律宾三宝颜德尔苏尔 7028，卡里达德 22 7. 东南亚社区观察站（SEACO），Jeffrey Cheah 莫纳什大学马来西亚医学与健康科学学院，马来西亚双威镇 47500，23 24 25
在抗氨基糖苷耐药葡萄球菌金黄色葡萄球菌中的氨基糖苷修饰酶（AME）的分子表征：伊朗东北部的一项横断面研究
靶标和结合渗透性降低，（iv）突变（7）。通过氨基糖苷修饰酶（AMES）对抗生素失活是对氨基糖苷耐药性的主要机制（8,9）。 AME由几个基因在细菌物种之间水平转移，从而产生其他细菌耐药机制（10）。 对氨基糖苷的抗性主要由五类AME介导，如下所示：Aminoglycoside-6'-N-N-乙酰基转移酶/2'' - O- o-磷酸溶质转移酶[AAC（6''）/APH（2''）]由AAC（6'）/APH（6'）/APH（2'）/aph（2''）Gene; Aminoglycoside-3'-o-磷酸磷酸化酶III [APH（3'）-III]由APH（3'）-IIIA基因编码；氨基糖苷-4'-o-磷酸磷酸化酶i [ant（4'） - i]由ant（4'） - ia基因编码；由ANT（9） - I基因编码的氨基糖苷-9-O核苷酸转移酶I [ANT（9）-i]和ANT（6） - I Gene编码的ANT（9） - I基因和氨基糖苷-6-O-Nucleotidyltransferase I [ANT（6）-I]。 在葡萄球菌中，蚂蚁（4'） - i，aac（6'）/aph（2''）和aph（3'）-III分别是影响毒霉素，庆大霉素和卡纳米霉素的最常见的AME（11）。 双功能AME AAC（6'） / aph（2英寸）赋予对除链霉素以外的几乎所有氨基糖苷的抗性（12）。< / div> The aac(6')-Ie/aph(2")-Ia (also named aacA - aphD ) gene has been located on the plasmids, transposons such as Tn 4001 (in S. aureus ), Tn 5281 (in enterococci), and Tn 4031 (in S. epidermidis ) and the other mobile genetic elements, increasing the aminoglycoside resistance and the对其他化合物的抗性（13） 在欧洲，亚洲和南美国家中报道了高级庆大霉素耐药性（HLGR）的增加。 材料和方法通过氨基糖苷修饰酶（AMES）对抗生素失活是对氨基糖苷耐药性的主要机制（8,9）。AME由几个基因在细菌物种之间水平转移，从而产生其他细菌耐药机制（10）。对氨基糖苷的抗性主要由五类AME介导，如下所示：Aminoglycoside-6'-N-N-乙酰基转移酶/2'' - O- o-磷酸溶质转移酶[AAC（6''）/APH（2''）]由AAC（6'）/APH（6'）/APH（2'）/aph（2''）Gene; Aminoglycoside-3'-o-磷酸磷酸化酶III [APH（3'）-III]由APH（3'）-IIIA基因编码；氨基糖苷-4'-o-磷酸磷酸化酶i [ant（4'） - i]由ant（4'） - ia基因编码；由ANT（9） - I基因编码的氨基糖苷-9-O核苷酸转移酶I [ANT（9）-i]和ANT（6） - I Gene编码的ANT（9） - I基因和氨基糖苷-6-O-Nucleotidyltransferase I [ANT（6）-I]。在葡萄球菌中，蚂蚁（4'） - i，aac（6'）/aph（2''）和aph（3'）-III分别是影响毒霉素，庆大霉素和卡纳米霉素的最常见的AME（11）。双功能AME AAC（6'） / aph（2英寸）赋予对除链霉素以外的几乎所有氨基糖苷的抗性（12）。< / div>The aac(6')-Ie/aph(2")-Ia (also named aacA - aphD ) gene has been located on the plasmids, transposons such as Tn 4001 (in S. aureus ), Tn 5281 (in enterococci), and Tn 4031 (in S. epidermidis ) and the other mobile genetic elements, increasing the aminoglycoside resistance and the对其他化合物的抗性（13）在欧洲，亚洲和南美国家中报道了高级庆大霉素耐药性（HLGR）的增加。材料和方法本研究试图确定金黄色葡萄球菌和编码AMES和FEMA的临床分离株中抗生素耐药性的频率，AMES和FEMA是金黄色葡萄球菌在金黄色葡萄球菌中表达甲基甲基蛋白耐药性必不可少的，并且还参与了北极蛋白酶蛋白酶的葡萄球菌细胞Wall的生物合成。
在7年内改变可穿戴活动监视器的用户体验：重复横断面调查研究
背景：生活方式行为，包括身体上的不活动，久坐行为，睡眠不良和不健康的饮食，会对全球人口健康产生重大影响。可穿戴活动跟踪器（WATS）已成为增强健康行为的工具；但是，它们的有效性和继续使用取决于他们的用户体验。目的：本研究旨在探索2016年至2023年WAT的用户体验，偏好和感知影响的变化。方法：我们在国际成年人队列中进行了横断面的在线调查（n = 475，包括387个当前和88个以前的WAT用户）。使用描述性统计和卡方检验将2016年横截面在线调查（n = 237，包括200个当前和37个以前的WAT用户）进行了比较。调查检查了品牌偏好，特征有用，动机，感知到的健康行为改变，社交共享行为和技术问题。结果：在2023年，苹果（210/475，44％）和Fitbit（101/475，21％）是最常用的设备，与2016年的调查相比，Fitbit（160/237，68％）和Garmin设备（39/237，17％）是最常见的。2023年的中位使用时间持续时间为18个月，比2016年报告的7个月长大，大多数用户计划持续使用。在这两个调查年份中，尽管2023年的体育活动改善与2016年相比，但与饮食或睡眠的改善相比，体育活动的改善要比饮食或睡眠的进步较大，与饮食和睡眠的感知改善相比更大。社交媒体共享WAT数据的共享显着上升到2023年的73％（283/387），从2016年的35％（70/200）上升。但是，关于技术问题和不适的报告增加了，而总体积极经验的减少也有所下降。终止原因也有明显的转变，从2016年学习一切可能到2023年的不满。结论：该研究强调了WAT使用情况的显着转变，包括扩展使用和对品牌和功能的偏好。社交媒体共享的增长表明，WATS更深入地整合到日常生活中。但是，尽管有技术进步，用户反馈指出了增强设计和功能的需求。这些发现说明了WAT在健康促进方面的潜力，强调了对不同人群中以用户为中心的设计的需求，以充分实现它们在增强健康行为方面的好处。
冠状病毒感染因素对加纳医疗保健工人的疫苗吸收的感知因素对横断面分析的证据
该研究使用了横截面设计，并在2022年4月24日至6月23日之间从加纳阿散蒂地区的曼蓬市政府收集了一次性数据。该研究认为，不同干部（表1）的医护人员对Covid-19疫苗的吸收是一种综合因变量。然后，我们确定了列出共同感知因素的关联因素，例如感知的COVID-19感染的严重性，感知的疫苗安全，感知到的原籍国，Covid-19感染的风险以及WHO或GHANA MINIS MINIS HEALTH（MOH）对专家建议（MOH）对专家建议的信任。使用在线Google表格从参与者那里收集了参与者以前的病史和社会人口统计学特征，例如年龄，性别，宗教，宗教，婚姻状况，教育地位和居住区，并在多个逻辑回归模型中进行了调整（图1）。
巴基斯坦的横断面研究
糖尿病是一种慢性代谢障碍，仍然是21世纪增长最快的全球健康紧急情况之一，在全球范围内构成了重大的健康，社会和经济挑战[1]。糖尿病继续以令人震惊的速度影响个人，家庭和国家。根据IDF糖尿病图集（2021），目前有糖尿病的全球成年人口（20 - 79年）的10.5％，其中近一半的人没有意识到自己的状况。这种隐藏的流行病强调了对广泛意识和早期发现的迫切需求。2045年的预测表明，糖尿病患病率将急剧上升，影响八分之一的成年人（约7.83亿），标志着目前的水平增加了46％[2]。可悲的是，与糖尿病相关的原因每年造成超过100万人死亡，强调了紧急公共卫生干预措施的关键需求[3]。
NHANES 2007- 2018年的美国成年人的身体圆度指数与糖尿病和糖尿病的关联：横断面研究
基线空腹木糖醇水平，但不是山梨糖醇或促嗜性醇的水平，在非培训器中比进度者中的木醇水平是higer（p <0.001）。与进度者相比，非宣传者的比例在木糖醇水平的第三三位数（71/180个非推测器[39.4％]与49/180的进步者[27.2％]）中。调整了潜在的混杂因素后，与最低四分位数相比，木糖醇水平最高三重的入射糖尿病风险比值比为0.338（95％置信区间0.182-0.628）。此外，木糖醇水平和入射糖尿病之间的关联在糖尿病亚型中持续存在，其空腹血糖和高空腹和2h post植物的血糖都存在，但在分离的高2H-POST植物的高poSt植物血糖亚型中消失了。
心血管疾病及其子类别与慢性阻塞性肺疾病的严重程度之间的关联：一项基于中国医院人群的大型横断面研究
背景：当前的证据表明心血管疾病（CVD）在慢性阻塞性肺疾病（COPD）的进展中起作用。但是，CVD与COPD的严重程度之间的关系仍然不足。因此，本研究旨在阐明CVD与COPD的严重程度之间的关联。方法：在这项涉及7,152个患者的横断面研究中，采用了逻辑回归，亚组和灵敏度分析来评估CVD，其子类别和COPD的严重性之间的关联。结果：多变量逻辑回归分析表明，CVD和高血压与COPD严重程度保持独立（P <0.001）。与没有CVD相比，CVD患者的严重COPD或非常严重的COPD的风险高1.701倍，而与没有高血压的患者相比，高血压患者患严重或非常严重的COPD的风险高1.686倍（P <0.05）。亚组分析表明，CVD和COPD严重程度之间的关联在男性中保持稳定，患者≤70岁，> 70岁，年龄> 70岁，BMI <24 <24或≥24kg/m 2，从未吸烟，而冠状动脉疾病仅与COPD严重性相关，仅与COPD严重性相关。此外，高血压与男性的COPD严重程度，≤70岁的患者，> 70岁> 70岁，BMI <24 <24或≥24kg/m 2，从未吸烟。敏感性分析重新确定了CVD与高血压与COPD严重程度的鲁棒性，这些患者排除了支气管扩张，结核，肺癌，肺癌，肺部高血压，肺心脏病和糖尿病（P <0.05）的患者。
预测患有糖尿病或有患糖尿病风险的加拿大人的抑郁症：横断面机器学习分析
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。