结果:包括七十例胸部CT CT证据19的癌症患者。中位随访25天后,17例患者(24%)死亡。非幸存者的中位数胸部CT胸部CT范围为20%(IQR = 14–35,范围= 3-59),而幸存者的中位数为10%(IQR = 6-15,IQR = 6-15,范围= 2-55)(P = 0.002)。Covid-19肺炎的程度与住院治疗(P = 0.003)和氧疗法要求(P <0.001)相关。与死亡相关的独立因素是绩效状态(PS)≥2(HR = 3.9,95%CI = [1.1-13.8] P = 0.04)和COVID-19-COVID-19肺炎的程度≥30%(HR = 12.0,95%CI = [2.2-64.4] P = 0.004)。在癌症,癌症阶段,转移部位或幸存者和非活群之间的肿瘤治疗类型上没有发现差异。该模型的跨验证UNO c索引包括PS和COVID-19的肺炎的范围为0.83,95%CI = [0.73-0.93]。
Giles T. Hanley-Cook ID 1 Guri Skeie ID 10,ID 1,11,Corinne Casagrande 3,Genevi Ferrari Ferrari 3,Christina C. Daniel C. Daniel ID 16,H。Jannasch ID 20,13.25,13.25
在G1期有效地施用CP和Vincristine可有效杀死胰腺癌细胞(29)。环磷酰胺增加4T1细胞中的p53,p16和γ -H2AX水平,并诱导ROS产生(30)。在MDA-MB-231细胞中,与CH和DOX共同处理从G2/M停滞转变为较高的G1种群。我们的发现与Sabzichi等人的报告保持一致,这表明CH通过抑制NRF2途径来改变MCF-7细胞中的细胞周期分布来提高DOX的功效(23)。我们发现CH抑制MDA-MB-231细胞迁移并增强5-FU,DOX和CP的功效。Yang等。 报道了TNBC细胞中的CH预处理促进Yang等。报道了TNBC细胞中的CH预处理促进
摘要 - 由于其异质性和高死亡率,头部和颈部鳞状细胞癌(HNSCC)在临床肿瘤学上提出了重大挑战。本研究旨在利用临床数据和机器学习(ML)原则来预测HNSCC患者的关键结果:死亡率和无复发生存。利用来自癌症成像档案的数据,实施了广泛的管道,以确保强大的模型培训和评估。合奏和包括XGBoost,随机森林和支持向量在内的单个分类器被用来开发预测模型。该研究确定了影响HNSCC死亡率结果并实现预测准确性和Roc-AUC值超过90%的关键临床特征。支持向量机在无复发生存方面表现出色,召回率为0.99,精度为0.97。关键的临床特征,包括机能控制,吸烟和治疗类型,被确定为患者预后的关键预测指标。这项研究强调了使用ML驱动的见解来提高Prog-Prog-准确性并优化HNSCC中的个性化治疗策略的医学影响。索引术语 - HHNSCC,精确肿瘤学,机器学习,临床结果,无复发生存,死亡率预测,个性化医学。
确定高风险患者对于提供早期扩展诊断程序和治疗性干预至关重要。临床风险评分,例如造血细胞移植 - 特异性合并症指数(HCT-CI)[2]或内皮激活和压力指数(EASIX)[3] [3]是死亡率风险的宝贵预测因素,但是,不考虑患者的临床过程,因为它们通常仅在入院且不断地更新。医疗数据集的数字化增加允许使用一组广泛的参数,因此可以使用基于机器学习的算法进行风险预测。尽管最终的治疗决定仍在医生中,但这种系统可能会提供宝贵的帮助。为了接受,解释性仍然是一个重要因素。基于复杂的机器学习算法(例如卷积神经网络(CNN))的方法显示出令人鼓舞的结果[4],但其预测的解释性很难。相比之下,基于树的模型通过提供可解释的功能
背景:流行病学研究表明,血液尿素氮(BUN)和血清白蛋白降低可以独立地预测慢性阻塞性肺疾病(COPD)患者的不良临床结局。但是,在患有COPD的重症患者中,BUN-Albumin比率(BAR)的预测性能仍有待证实。这项研究旨在调查重症监护病房(ICU)患者与COPD的BAR和全因死亡率之间的关联。方法:这是一项回顾性研究,其中包括每次ICU入院的第一天的COPD患者和血清白蛋白价值,并且从EICU协作研究数据库中获得了数据。所包含的COPD患者被分为三组(T1-T3)。多元逻辑回归和COX比例危害模型分别用于检查BAR和全因院内和ICU死亡率之间的关联。Kaplan – Meier曲线,以评估三组之间的生存差异,并将差异与对数贷方测试进行了比较。结果:最终分析中总共包括4037名患者,院内和ICU死亡率分别为11.79%和6.51%。多元逻辑回归分析表明,连续条是院内死亡率的重要风险预测因子(OR:1.039,95%CI:1.026–1.052,p <0.001)和ICU死亡率(OR:1.030,95%CI:1.015%CI:1.015-1.045,P <0.045,P <0.001)。相关的亚组分析表明,这种正相关可能会在某些人口环境中有所不同。COX比例危害模型显示,最高的bar三位杆(T3)患者与院内死亡率的较高风险显着相关(HR:1.983,95%CI:1.419–2.772,p <0.001)和ICU死亡率(HR:2.166,95%CI:1.3333-3.418,p <0.418,P <0.418,P <0.418,P <0.418,p <0.001。Kaplan – Meier曲线表明,在三个三分之一组中,全因死亡率的存活差在统计学上是显着的(log-rank p <0.0001)。结论:高水平的酒吧与危重患者COPD患者的全因死亡率增加有关。作为一种创新且有前途的生物标志物,BAR可能有助于预测COPD患者的高死亡风险。关键词:慢性阻塞性肺部疾病,血尿氮,血清白蛋白,全因死亡率,重症监护病房
Q4 Q5Q6 1 意大利博洛尼亚 IRCCS 博洛尼亚大学医院儿科肿瘤学和血液学“Lalla Ser ` agnoli”; 2 意大利博洛尼亚大学医学和外科科学系、3 医学和外科科学系、微生物组学组、4 药学和生物技术系、微生物组科学和生物技术组; 5 意大利博洛尼亚 IRCCS 博洛尼亚大学医院儿科急诊科; 6 波兰弗罗茨瓦夫医科大学儿科肿瘤学、血液学和骨髓移植系和诊所; 7 意大利维罗纳综合大学医院母婴部、儿科血液肿瘤科; 8 意大利帕维亚圣马特奥 Policlinico IRCCS 基金会儿科血液学/肿瘤学; 9 意大利罗马 Bambino Gesù 儿童医院、科学研究与治疗研究所儿科血液学和肿瘤学科; 10 意大利博洛尼亚 IRCCS 博洛尼亚大学医院儿科意大利罗马圣心天主教大学
堆肥通常分为两个阶段。主要阶段的特征是生物学活性,快速分解和高温的特征。这是大多数有机分解发生的时候。在第二阶段,生物学活性和温度也降低,导致分解较慢。在此阶段,生物活性结束,混合物稳定。堆肥过程大约需要六个月,具体取决于尸体的大小和数量。
这项前瞻性队列研究包括3127例抑郁症患者,他们从2005年至2018年参加了国家健康和营养检查调查(NHANES)。使用患者健康问卷(PHQ-9)评估抑郁症,其PHQ-9分数10定义为抑郁症。数据从2024年4月1日至7月30日进行了分析。多变量COX比例危害回归模型用于计算血清钠,钾和氯化物水平以及CVD风险以及抑郁症患者的CVD风险和全因死亡率之间的HAXARD比率(HRS)和95%置信区间(CIS)。构建了三个多变量模型。我们将分析进一步按年龄,一代,高血压,吸烟,饮酒,糖尿病和饮酒状态进行了分析。使用p值对血清钠,钾,氯化物和分层因子之间的产品项估算了相互作用的显着性。
Emmanuel Pardo1*、Thomas Lescot1、Jean ‑ Charles Preiser2、Pablo Massanet3、Antoine Pons4、Samir Jaber5、Vincent Fraipont6、Eric Levesque7、Carole Ichai8、Laurent Petit9、Fabienne Tamion10、Garry Taverny11、Priscilla Boizeau11、Corinne Alberti11、Jean ‑ Michel Constantin4 和 Marie ‑ Pierre Bonnet12,13 代表 FRANS 研究小组 *通讯员:Emmanuel Pardo; emmanuel.pardo@aphp.fr 关键词 临床营养、重症监护病房、肠内营养、肠外营养、危重疾病、临床营养指南、死亡率、早期营养支持 缩写 aOR 调整比值比 APACHE II 急性生理与慢性健康评估 II BMI 身体质量指数 EN 肠内营养 FRANS 法语 ICU 营养调查 ICU 重症监护病房 IMV 侵入性机械通气 NIMV 无创机械通气 NMBA 神经肌肉阻滞剂 NUTRIC 危重病人的营养风险 PN 肠外营养 RCT 随机对照试验 SAPS II 简化急性生理评分 II SOFA 序贯器官衰竭评估