XiaoMi-AI文件搜索系统
World File Search System糖水
可穿戴传感器的混合方法研究
背景：妊娠糖尿病（GDM）是孕妇及其子女的健康风险。针对GDM管理的远程医疗干预措施已被证明是有效的，但他们仍然需要医疗保健专业人员提供指导和反馈。 已提出了可穿戴传感器的反馈来支持GDM的自我管理，但尚不清楚如何在临床护理中设计自我跟踪。 目的：本研究旨在研究如何通过在没有医疗保健人员帮助的情况下对连续血糖和生活方式因素进行自我追踪来支持GDM的自我管理。 我们从自我发现（即，葡萄糖水平和生活方式之间的学习关联）和用户体验观点研究了全面的自我追踪。 方法：我们进行了一项混合方法研究，其中GDM（n = 10）的女性使用连续的葡萄糖监测仪（CGM； Medtronic Guardian）和3个体育活动传感器：活动手链（Garmin Vivosmart 3），髋关节worn传感器（UKK EXSED）和电压摄影传感器（hip-worn）传感器（ukk exsed）和电压摄影传感器（第一张）。 我们从传感器中收集数据，使用后，参与者参加了有关可穿戴传感器的半结构化访谈。 使用统一的技术接受和使用理论（UTAUT）问卷评估了可耐磨性传感器的可接受性。 此外，用3天的食物日记收集了母体营养数据，并使用日志收集了自我报告的体育活动数据。 我们确定了使用CGM和体育活动传感器的数据来支持GDM中的自我发现的新挑战。针对GDM管理的远程医疗干预措施已被证明是有效的，但他们仍然需要医疗保健专业人员提供指导和反馈。已提出了可穿戴传感器的反馈来支持GDM的自我管理，但尚不清楚如何在临床护理中设计自我跟踪。目的：本研究旨在研究如何通过在没有医疗保健人员帮助的情况下对连续血糖和生活方式因素进行自我追踪来支持GDM的自我管理。我们从自我发现（即，葡萄糖水平和生活方式之间的学习关联）和用户体验观点研究了全面的自我追踪。方法：我们进行了一项混合方法研究，其中GDM（n = 10）的女性使用连续的葡萄糖监测仪（CGM； Medtronic Guardian）和3个体育活动传感器：活动手链（Garmin Vivosmart 3），髋关节worn传感器（UKK EXSED）和电压摄影传感器（hip-worn）传感器（ukk exsed）和电压摄影传感器（第一张）。我们从传感器中收集数据，使用后，参与者参加了有关可穿戴传感器的半结构化访谈。使用统一的技术接受和使用理论（UTAUT）问卷评估了可耐磨性传感器的可接受性。此外，用3天的食物日记收集了母体营养数据，并使用日志收集了自我报告的体育活动数据。我们确定了使用CGM和体育活动传感器的数据来支持GDM中的自我发现的新挑战。结果：我们发现CGM是自我发现过程的最有用的传感器，尤其是当葡萄糖和营养摄入之间的学习关联时。这些挑战包括（1）在不同的应用中分散葡萄糖和体育活动数据，（2）缺乏重要的可跟踪特征，例如轻度体育锻炼和步行以外的其他身体活动，（3）在不同的可穿戴身体活动传感器以及CGMS之间的数据之间差异，CGMS和毛细血管的毛细血管葡萄糖计和（4）在跨性别和（4）差异的量化和（4）差异的量化和（4）差异。我们发现传感器的身体位置是测量质量和偏好的关键因素，最终是收集数据的挑战。例如，与髋关节磨损的传感器相比，使用腕部戴的传感器更长。一般而言，可穿戴传感器的接受程度很高。
引用：Sarker A，Das R，Ether S等。预防低收入和中等的2型糖尿病的非药理干预措施
抽象的客观糖尿病对患者造成了严重的健康威胁和经济负担，尤其是在低收入和中等收入国家（LMIC）。这项系统的审查搜索了针对非糖尿病和糖尿病前LMIC的患者的预防2型糖尿病（T2DM）的非药物干预措施。设置LMIC。参与者年龄在18岁以上而没有糖尿病的人群。主要结果和次要结果主要结果是测量T2DM发生率的变化。次要结果是测量糖化血红蛋白（HBA1C）水平，体重/体重指数（BMI），空腹葡萄糖水平和2小时葡萄糖的变化，包括随机对照试验的基线。方法，根据标准的系统审查指南进行了此审查。在2021年2月，使用全面的搜索策略搜索了六个电子数据库，包括Medline，Embase，Cochrane图书馆，Web of Science。使用Cochrane Rob工具和数据提取的两组独立审阅者进行了筛查，偏见的风险（ROB）评估。使用表证明了选定文章的叙事合并。由于缺乏同质干预策略和研究环境，未进行荟萃分析。结果总共包括五项研究进行审查，共有三个国家的1734年总人口。三项研究表明，在体育锻炼和饮食修饰的干预后，T2DM发病率显着降低。四项研究还表明，重量，BMI，禁食和2小时血浆葡萄糖和HBA1C等不同次级结果的显着降低。所有研究在大多数偏见评估域中都表现出低ROB，并且在分配隐藏中尚不清楚。强调预防T2DM的非药物干预措施的结论可以改善健康结果并减轻经济负担，这对LMIC来说至关重要。
序数逻辑回归分析影响糖尿病患者血糖水平的因素Mayawi 1，Nurhayati 2，Taufan Talib
文章历史本研究旨在通过顺序的逻辑回归分析分析糖尿病患者危险因素对血糖水平的影响。用作自变量的风险因素是年龄，性别，体重指数（BMI），血压，胆固醇水平（TC），低密度脂蛋白（LDL），高密度脂蛋白（HDL），甲状旁腺素钙蛋白激素（TCH）和触发甘油酯（LTG）。本研究中使用的数据是从https://hastie.su.su.domains/papers/lars/diabetes.data获得的。采集的样本数量是100名被诊断为糖尿病的受访者。结果表明，危险因素，例如年龄，体重指数（BMI），胆固醇水平（TC），低密度脂蛋白（LDL），高密度脂蛋白（HDL）和血清甲状腺甲状腺质蛋白质激素（TCH）类型，对糖尿病患者的血液糖水平产生了重大影响。序数逻辑回归的最佳logit模型是logit 1，即𝒈（𝒙𝒙）= −𝟐。𝟕𝟐𝟏𝟎𝟎。𝟎𝟕𝟗𝟏 +𝟐。𝟖𝟏𝟑𝟑 +𝟎。𝟏𝟎𝟎𝑿−𝟎。𝟎𝟗𝟗𝑿−𝟎。𝟏𝟏𝟗𝑿−𝟎。𝟗𝟖𝟗𝟗𝟖𝟗𝟖𝟖𝟖𝟖𝟖𝑿和logit 2是𝒈（𝒙𝒙）= −𝟖。𝟓𝟕𝟏−𝟎。𝟎𝟕𝟗𝟏 +𝟐。𝟖𝟏𝟑𝟑 +𝟎。𝟏𝟎𝟎𝑿−𝟎。𝟎𝟗𝟗𝑿−𝟎。𝟏𝟏𝟗𝑿−𝟎。𝟗𝟖𝟗𝟗𝟖𝟗。可以得出结论，可以使用序数逻辑回归分析来识别影响糖尿病患者血糖水平的因素，并有助于制定更有效的管理和干预策略。
范围内的时间：在2型糖尿病中揭示与糖尿病性视网膜病的相关性：系统评价和荟萃分析
或影响红细胞与葡萄糖结合血红蛋白之间相互作用的条件[2]。另外，HBA1C具有更大的局限性，例如捕获血糖变异性的波动和模式，这会导致平均葡萄糖水平和HBA1C读数之间的差异[2，3]。在与T2D相关的微血管并发症中，糖尿病性视网膜病（DR）是一个问题，影响了大约三分之一的T2D患者[4，5]。它被认为是导致全球失明的主要病因[6]。研究表明，DR的患病率达到22.27％，强调了及时识别和干预以减少任何并发症的关键需求[7]。连续的葡萄糖监测（CGM）是T2D中有希望的新技术[8]。CGM提供了血糖模式的实时变异性，为个人的葡萄糖水平提供了宝贵的见解。在14天内，CGM提供范围（TIR）的时间，葡萄糖浓度的百分比保持在70至180 mg/dl的范围内[8]。不像HBA1C，CGM可以捕获葡萄糖水平的波动和模式，从而提供了个体的血糖概况的更加综合图片[8，9]。可以减轻或最小化，夜间或无症状性低血糖。此结果是T2D患者的生活质量提高[10]。此外，诸如血糖游览（法师），变异系数（CV）和标准偏差（SD）之类的指标（SD）提供了对葡萄糖变异性和一致性的进一步了解[11]。研究表明CGM与HBA1C相关，因此将这两种方法确立为监测血糖控制的可靠手段。但是，CGM具有检测低血糖的优势，这是HBA1C测量缺乏的能力[12]。研究已经建立了血糖控制与视网膜病变进展之间的关联。一项研究表明，视网膜进展的危险比增加了64％，TIR每10％减少[13]。基于这些结果，我们进行了系统的综述和荟萃分析，以强调TIR与其他CGM衍生的指标与DR之间的关联。此外，我们将探讨对临床策略的实际意义。
口服葡萄糖耐受性测试（OGTT）的葡萄糖水平可以预测妊娠糖尿病女性（GDM）
摘要：目标和背景：妊娠糖尿病（GDM）是一种常见的妊娠并发症，定义为怀孕期间葡萄糖不耐症的诊断。GDM与不良胎儿和母体结局密切相关。在德国，为了筛选和诊断GDM，我们使用1 H 50 g OGCT（口服葡萄糖挑战测试），然后使用2 H 75 G OGTT，如果第一个是病理学的话。此分析研究了75 G ogtt葡萄糖水平和胎儿婚姻的相关性。方法：从2015年至2022年进行了回顾性分析了来自德国柏林市Charité大学医院妊娠糖尿病咨询诊所的1664例患者的数据。75 g ogtt血糖水平分为孤立的空腹高血糖（GDM-IFH），孤立的载后载后高血糖（GDM-IPH）和混合性高血糖（GDM-CH），使用禁食，1 h和2 h值，后1 h和2 h值。这些亚型根据其基线特征以及胎儿和孕妇结局进行比较。结果：GDM-IFH和GDM-CH妇女表现出更高的孕前BMI，所需的胰岛素治疗更频繁（P <0.001）。GDM-IFH组患有原发性剖宫产（P = 0.047）的风险更高，而GDM-IPH妇女的可能性更大的可能性更大，可能会有一个新兴的剖宫产（P = 0.013）。GDM-IFH和GDM-CH妇女的后代天生的平均出生体重（p <0.001）和出生体重百分位数（p <0.001）的出生显着较高，并且在Gesta-tional年龄（LGA）较大的风险增加（p = 0.004）。来自GDM-IPH组的妇女提供了更多的新生儿，这些新生儿的胎龄小（p = 0.027）或低胎儿体重<30％（p = 0.003）。结论：该分析显示了75 g ogtt中的葡萄糖反应模式与不良围产期胎儿婚姻结果之间的密切关联。亚组之间的差异，特定于胰岛素治疗，分娩方式和胎儿生长，建议在GDM诊断后采用个性化的产前护理方法。
奥尔堡大学高效基因编辑策略......
马铃薯 ( Solanum tuberosum ) 是一种高度多样化的四倍体作物。优良品种杂合性极强，品种内和品种间短片段多态性 (indel) 和单核苷酸多态性 (SNP) 的发生率很高，在 CRISPR/Cas 基因编辑策略和设计中必须考虑这些因素才能获得成功的基因编辑。在本研究中，对马铃薯品种 Saturna 和 Wotan 中葡聚糖水双激酶 (GWD)1 和抗霜霉病 6 (DMR6-1) 基因分别进行深入测序，结果显示与杂合二倍体 RH 基因组序列相比，四倍体与二倍体相比，存在 indel 和 1.3 – 2.8 的高 SNP 发生率。这使向导 RNA (gRNA) 和诊断性 PCR 设计变得复杂。细胞库（原生质体）水平的高编辑效率对于实现四倍体中的完全等位基因敲除以及减少下游繁琐而精细的植株再生至关重要。在这里，CRISPR/Cas 核糖核蛋白颗粒 (RNP) 通过聚乙二醇 (PEG) 介导的转化瞬时递送到原生质体中。对于 GWD1 和 DMR6-1 中的每一个，设计了 6 – 10 个 gRNA 来靶向包含两个基因的 5 ' 和 3 ' 端的区域。与包括多种生物体的其他研究类似，单个 RNP/gRNA 的编辑效率差异很大，并且一些产生了特定的插入/缺失模式。尽管与靶向 3′ 端相比，靶向 GWD1 5′ 端的 RNP 产生的编辑效率明显更高，但 DMR6-1 5′ 端和 3′ 端的编辑效率似乎有些相似。当仅靶向 GWD1 基因的 3′ 端时，同时用两个 RNP 靶向 5′ 端或 3′ 端（多路复用）对总体编辑产生了明显的正协同效应。与单个 RNP/gRNA 转化中获得的编辑效率相比，位于不同染色体上的两个基因的多路复用对单个 RNP/gRNA 编辑效率没有影响或略有负面影响。这些初步发现可能会引发更大规模的研究，以促进和优化植物的精准育种。
通过不复杂妊娠的连续葡萄糖监测测量的葡萄糖水平
ABSTRACT Introduction To characterize glucose levels during uncomplicated pregnancies, defined as pregnancy with a hemoglobin A1c <5.7% (<39 mmol/mol) in early pregnancy, and without a large-for-gestational-age birth, hypertensive disorders of pregnancy, or gestational diabetes mellitus (ie, abnormal oral glucose tolerance test).研究设计和方法在达到17个妊娠周之前，有两个年龄在18岁及以上的孕妇招收的两个地点； 413在整个观察到的妊娠期间，有413的妊娠（平均±SD体重指数（BMI）为25.3±5.0 kg/m 2），并且戴Dexcom G6连续葡萄糖监测（CGM）设备。用餐是自愿记录的。血糖水平。结果参与者的中位数为123天。葡萄糖水平在整个三个妊娠中的三个三个孕妇中几乎稳定。妊娠期间的总体平均±SD葡萄糖为98±7 mg/dl（5.4±0.4 mmol/l），中位数百分点时间63–120 mg/dl（3.5-6.7 mmol/l）（3.5-6.7 mmol/l）为86％（82-89％）（IQR：82-89％），每/百分时间<63 mg/l）（3.5毫克）（3.5毫米）。 > 120 mg/dL（6.7 mmol/L）为11％，中位时间> 140 mg/dl（7.8 mmol/l）为2.5％。平均餐后葡萄糖为126±22 mg/dL（7.0±1.2 mmol/l），平均丙二级血糖游击为36±22 mg/dl（2.0±1.2 mmol/l）。平均葡萄糖水平较高至中度与较高的BMI（BMI≥30.0kg/m 2 vs 96±7 mg/dl（5.3±0.3±0.4 mmol/L）的BMI≥30.0kg/m 2的孕妇（5.7±6 mg/dl（5.7±0.3 mmol/L），BMI 18.5- <25 kg/m = 0.35 kg/d.35 kg/dl = 0.35 kg/l = 0.35.35 kg/m 25-25 kg/m。结论平均葡萄糖水平和时间63-120 mg/dL（3.5–6.7 mmol/L）在整个怀孕期间几乎保持稳定，并且值得超过140 mg/dl（7.8 mmol/l）的值很少。随着BMI增加到超重/肥胖范围，妊娠趋势中的平均葡萄糖水平更高。在简单怀孕期间报告的血糖指标代表了孕妇的治疗靶标。
总血红蛋白对2型糖尿病糖化血红蛋白（HBA1C）的影响
vidya le，1 Anitha Misquith，2 Harish Rangarddy，3， * Lia Maria，1 Jelena Stankovic 4和Ashakiran Srinivasaiah 5 1 1 Allied Health Sciences，Sapthagiri Sapthagiri Sapthagiri盟军健康科学研究所印度卡纳塔克邦的班加罗尔3号，印度卡纳塔克邦Haveri医学科学研究所生物化学系助理教授。印度卡纳塔克邦（Karnataka）接受：03-April-20124 /在线发布：01-May-2024摘要背景：糖化血红蛋白（HBA1C）是诊断，预后和治疗性监测糖尿病的关键标记。鉴于血红蛋白参与非酶糖化反应，因此假设总血红蛋白浓度可能会影响HBA1C水平与血糖浓度相比。目标：本研究旨在估计和比较2型糖尿病（T2DM）患有和没有贫血的患者血浆空腹葡萄糖水平和总血红蛋白水平。这项研究还旨在估算HbA1c并与计算出的HBA1C使用公式在患有和没有贫血的T2DM患者中使用公式，并在T2DM患者中有和没有贫血的T2DM患者中的总血红蛋白水平与直接测量的HBA1C相关。方法论：这项采用有目的的抽样的横断面研究研究了中央诊断实验室的30个贫血和30种非动态2型糖尿病（T2DM）患者。为患者测量了总血红蛋白，HBA1C和空腹血糖，并分析了数据。结果：独立的'T'测试显示，两组之间的估计的HBA1C，禁食血糖，计算出的HBA1C和HB水平在估计的HBA1C，禁食的血糖，计算出的HB含量显着差异（P <0.0001）。亚组分析在两组中均显示出估计的HBA1C的显着差异（T2DM p = 0.003，无贫血的T2DM，T2DM的T2DM p <0.0001）。皮尔逊的相关性分析表明，两个亚组中HbA1c和血红蛋白之间均无显着相关性。类似的线性回归分析将HBA1C视为因变量产生了非显着的P值，这表明血红蛋白水平不会显着影响HbA1c。结论：总而言之，无论贫血状态如何，我们的发现都表明，血红蛋白不是T2DM患者中HBA1C水平的重要预测指标，对影响糖尿病种群中HBA1C变异性的因素提供了宝贵的见解。关键字：糖化血红蛋白，2型糖尿病，糖尿病贫血
研究了模拟的两组分凝胶系统的组织再生
[1] K. R. Walker和G. Tesco，“创伤性脑损伤后认知功能障碍的分子机制”，《衰老神经科学》的前沿，第1卷。5，p。 29，2013。[2] S. Jiang，S。Chen和S. Chen，“新型抗菌棉纺织品，配以Siloxane硫磺丙基贝因，” Fiber Soc。春天，pp。263-264，2011。[3] S. Chen等。，“环保抗菌棉纺织品，配以硅氧烷硫丙基贝素，” ACS Applied Material＆Interfaces，第1卷。3，不。4，pp。1154-1162，2011。[4] S. Chen，S。Chen，S。Jiang，Y。Mo，J。Tang和Z.GE，“硅氧烷硫烷抗微生物剂的合成和表征，”，《表面科学》，第1卷。605，否。11-12，pp。L25-L28，2011。[5] S. Chen等。，“含有含反应性硅氧烷的性硫丙基的研究，用于抗菌材料中”，“胶体和表面B：Biointerfaces，第1卷。85，否。2，pp。323-329，2011。[6] S. Jiang，Y. Liu，T。Wang，Y。Gu和Y. Luo，“基于MaleImide-Thiol结合的新型抗菌水凝胶的设计和制备”，《 ISSN》，第1卷。2766，p。 2276，2023。 [7] S. Jiang和T. Zhang，“对生物相容性的马来酰亚胺修饰的葡萄糖和透明质酸水凝胶系统的研究”，“精细化学工程”，pp。 100-109，2023。 [8] S. Jiang，Y。Liu和T. Wang，“对神经退行性疾病的新型生物相容性快速凝胶水凝胶的研究”，《生物医学科学与技术研究杂志》，第1卷。 50，没有。2766，p。 2276，2023。[7] S. Jiang和T. Zhang，“对生物相容性的马来酰亚胺修饰的葡萄糖和透明质酸水凝胶系统的研究”，“精细化学工程”，pp。100-109，2023。[8] S. Jiang，Y。Liu和T. Wang，“对神经退行性疾病的新型生物相容性快速凝胶水凝胶的研究”，《生物医学科学与技术研究杂志》，第1卷。50，没有。3，pp。1149-1157，2023。[9] S. Jiang，Y。Liu和Y. Gu，“用于组织工程的基于肽的短多糖水凝胶：迷你综述。”[10] D. Jhala和R. Vasita，“关于模仿人造干细胞生态位的细胞外基质策略的综述，” Polymer评论，第1卷。55，否。4，pp。561-595，2015。[11] M. Bahram，N。Mohseni和M. Moghtader，“水凝胶和一些最新应用的简介”，在水凝胶的分析和应用中的新兴概念中：Intechopen，2016。[12] T. R. Hoare和D. S. Kohane，“药物输送中的水凝胶：进度和挑战”，Polymer，第1卷。49，否。8，pp。1993-2007，2008。[13] S. Jiang，Y。Gu和E. Kumar，“基于五种机器学习算法的磁共振成像（MRI）脑肿瘤图像分类”，“云计算和数据科学，pp。122-133，2023。[14] S. Jiang，Y。Gu和E. Kumar，“通过电子健康记录使用人工智能技术的中风风险预测，”人工智能演变，pp。88-98，2023。[15] J.Song，Y。Gu和E. Kumar，“基于光谱聚类算法的胸部疾病图像分类”，有关计算机科学的研究报告，pp。77-90，2023。[16] Y. Gu等。，“揭示乳腺癌风险特征：由在线网络应用程序赋予的生存聚类分析”，《未来肿瘤学》，第1期。0，2023。
在某些选定的白色念珠菌基因中对镜面重复序列的内部评估
[1] K. R. Walker和G. Tesco，“创伤性脑损伤后认知功能障碍的分子机制”，《衰老神经科学》的前沿，第1卷。5，p。 29，2013。[2] S. Jiang，S。Chen和S. Chen，“新型抗菌棉纺织品，配以Siloxane硫磺丙基贝因，” Fiber Soc。春天，pp。263-264，2011。[3] S. Chen等。，“环保抗菌棉纺织品，配以硅氧烷硫丙基贝素，” ACS Applied Material＆Interfaces，第1卷。3，不。4，pp。1154-1162，2011。[4] S. Chen，S。Chen，S。Jiang，Y。Mo，J。Tang和Z.GE，“硅氧烷硫烷抗微生物剂的合成和表征，”，《表面科学》，第1卷。605，否。11-12，pp。L25-L28，2011。[5] S. Chen等。，“含有含反应性硅氧烷的性硫丙基的研究，用于抗菌材料中”，“胶体和表面B：Biointerfaces，第1卷。85，否。2，pp。323-329，2011。[6] S. Jiang，Y. Liu，T。Wang，Y。Gu和Y. Luo，“基于MaleImide-Thiol结合的新型抗菌水凝胶的设计和制备”，《 ISSN》，第1卷。2766，p。 2276，2023。 [7] S. Jiang和T. Zhang，“对生物相容性的马来酰亚胺修饰的葡萄糖和透明质酸水凝胶系统的研究”，“精细化学工程”，pp。 100-109，2023。 [8] S. Jiang，Y。Liu和T. Wang，“对神经退行性疾病的新型生物相容性快速凝胶水凝胶的研究”，《生物医学科学与技术研究杂志》，第1卷。 50，没有。2766，p。 2276，2023。[7] S. Jiang和T. Zhang，“对生物相容性的马来酰亚胺修饰的葡萄糖和透明质酸水凝胶系统的研究”，“精细化学工程”，pp。100-109，2023。[8] S. Jiang，Y。Liu和T. Wang，“对神经退行性疾病的新型生物相容性快速凝胶水凝胶的研究”，《生物医学科学与技术研究杂志》，第1卷。50，没有。3，pp。1149-1157，2023。[9] S. Jiang，Y。Liu和Y. Gu，“用于组织工程的基于肽的短多糖水凝胶：迷你综述。”[10] D. Jhala和R. Vasita，“关于模仿人造干细胞生态位的细胞外基质策略的综述，” Polymer评论，第1卷。55，否。4，pp。561-595，2015。[11] M. Bahram，N。Mohseni和M. Moghtader，“水凝胶和一些最新应用的简介”，在水凝胶的分析和应用中的新兴概念中：Intechopen，2016。[12] T. R. Hoare和D. S. Kohane，“药物输送中的水凝胶：进度和挑战”，Polymer，第1卷。49，否。8，pp。1993-2007，2008。[13] S. Jiang，Y。Gu和E. Kumar，“基于五种机器学习算法的磁共振成像（MRI）脑肿瘤图像分类”，“云计算和数据科学，pp。122-133，2023。[14] S. Jiang，Y。Gu和E. Kumar，“通过电子健康记录使用人工智能技术的中风风险预测，”人工智能演变，pp。88-98，2023。[15] J.Song，Y。Gu和E. Kumar，“基于光谱聚类算法的胸部疾病图像分类”，有关计算机科学的研究报告，pp。77-90，2023。[16] Y. Gu等。，“揭示乳腺癌风险特征：由在线网络应用程序赋予的生存聚类分析”，《未来肿瘤学》，第1期。0，2023。