XiaoMi-AI文件搜索系统
World File Search System纵向
o r i g i n a l r e s a r c h r c h血清铁蛋白在妊娠中及其与妊娠糖尿病的关联：一种前瞻性纵向
孕期。我们使用Spearman的等级相关性来估计SF，OS，炎症和葡萄糖水平之间的关联。逻辑回归分析以估计与SF相关的GDM的OR。多个逐步回归模型用于评估葡萄糖水平与危险因素之间的关系。结果：SF水平随研究人群的妊娠增加而降低。与对照组相比，GDM患者的SF水平明显更高（1 st和2 nd Trimesters），MDA，CRP和HBA1C。SF与MDA和空腹血糖（FPG）呈正相关。怀孕早期的SF水平升高与GDM风险增加显着相关（OR = 2.024，95％CI：1.076 - 3.807）。导致葡萄糖水平升高的解释变量是SF，MDA，体重指数（BMI），孕妇年龄和糖尿病家族史。结论：SF与GDM显着相关，可能是怀孕早期GDM的潜在生物标志物。关键词：妊娠糖尿病，铁蛋白，氧化应激，炎症
使用纵向变分自动编码器对图像数据进行进展模型
摘要。疾病进展模型对于理解退行性疾病至关重要。混合效应模型一直用于模拟临床评估或从医学图像中提取的生物标志物，允许在任何时间点进行缺失数据的填补和预测。然而，这种进展模型很少用于整个医学图像。在这项工作中，变分自动编码器与时间线性混合效应模型相结合，以学习数据的潜在表示，使得各个轨迹随时间遵循直线，并以一些可解释的参数为特征。设计了一个蒙特卡罗估计器来迭代优化网络和统计模型。我们将此方法应用于合成数据集，以说明时间依赖性变化与受试者间变异性之间的分离，以及该方法的预测能力。然后，我们将其应用于来自阿尔茨海默病神经影像计划 (ADNI) 的 3D MRI 和 FDG-PET 数据，以恢复大脑结构和代谢改变的详细模式。
用于早期发现和进展神经系统疾病的纵向医疗分析：临床决策支持系统
摘要 包括阿尔茨海默病 (AD) 在内的神经系统疾病正在成为全球日益严峻的健康挑战。本研究提出了一种两阶段决策支持系统 (DSS)，该系统使用机器学习和神经成像技术进行早期 AD 检测和监测。第一阶段使用深度学习来预测 AD 可能性。第二阶段利用 3D 卷积神经网络来识别 AD 进展中的关键大脑区域。值得注意的是，DSS 使用遮挡图可解释性方法为机器学习的“黑匣子”问题提供了解决方案，从而提高了决策透明度。其设计可适应使用成像数据的其他疾病，凸显了其广泛的医疗保健潜力。通过提供一种创新且可解释的改进疾病管理工具，本研究有助于促进更好的患者护理和治疗结果。关键词：神经系统疾病、阿尔茨海默病、决策支持系统、疾病管理、机器学习、卷积神经网络。
肺免疫细胞的纵向表观遗传重塑......
背景 COVID-19 后症状 (PCC) 影响全球数百万人，表现为持续的多系统症状。尽管有各种假设，但 PCC 背后的生物学机制仍不清楚。先前的研究将 PCC 与血液免疫细胞 DNA 甲基化组的改变联系起来，但其对肺细胞的随时间影响仍然未知。方法 2020-2021 年 COVID-19 后出现持续症状的患者 (n=13) 在入院时和一年后捐献了血液和痰液样本。同时收集症状和生理测试数据。纵向分析 DNA 甲基化 (DNAm) 谱并与健康对照者的大流行前 DNAm 数据进行比较。结果虽然外周血单核细胞 (PBMC) 没有显着变化，但在中性粒细胞和巨噬细胞富集级分中观察到纵向 DNAm 变化。这些变化与症状和生理指标显着相关。通路分析显示与心脏功能有关的细胞过程富集。结论我们确定了与心脏功能相关通路相关的肺免疫细胞纵向 DNAm 变化。这些变化与症状负担和心肺指标相关。结果提示了潜在的疾病机制并有助于诊断工具的开发。
功能神经系统障碍的心理评估和支持：一项纵向研究
在2020年至2024年之间，在我们医院临床神经科的神经科学系中，有58名成年患者被诊断为功能性神经系统疾病（FND）。其中，有42名患者同意参加由10次心理治疗组成的结构化干预措施。本研究旨在研究患者队列的人口统计和临床特征，检查其报告的症状，并评估对心理治疗计划的有效性和依从性。进行了情感神经科学人格量表（ANP）来评估患者的情感状态，而Shedler-Westen评估程序（SWAP-200）被使用以评估其主要个性风格。该研究的一个核心目的是探索来自患者的自我报告数据与治疗师完成的评估之间的模式或相关性。该比较试图确定症状和治疗进度的感知中的任何比对或差异，如ANP和SWAP-200量表所测量的那样。据报道，该研究的初步发现为心理治疗干预措施对FND的影响提供了宝贵的见解，包括了解患者自我报告与临床评估相对应的程度。这些结果将为治疗策略的优化提供信息，并通过将患者的反馈与临床评估相结合来增强患者的预后。这项研究有助于更广泛的FND管理知识，强调在治疗过程中使患者和治疗师观点保持一致的重要性。
深度表示学习，用于从电子健康记录中从纵向生存数据
我们进行了一项试点研究，以评估使用商业可穿戴设备和Beiwe平台[21]的移动健康干预措施的可行性，可接受性和可感知的有效性，以使用其个人智能手机收集有关患者行为的被动数据。简短地，从波士顿的Dana-Farber Cancer Institute招募了接受全身疗法的复发性妇科癌症患者（即接受化疗，免疫疗法，抗血管生成或靶向疗法）的患者[22]。在预科前（n = 10）期间，参与者收到了商业可穿戴设备，在智能手机上安装了Beiwe，在其智能手机上完成了电子患者报告的结果指标（EPROM，不包括EPROM，不包括在本研究中），并在基线和30天完成了舞会[22]。在试验随机对照试验（RCT）期间，参与者（n = 75）在2x2阶乘设计中随机分配以接收：1）商业可穿戴，2）EPROM，3）商业可穿戴和EPROM，或者4）都不。飞行员RCT的参与者完成了舞会，以基线，30、90和180天完成。所有参与者使用Beiwe贡献了被动传感器数据（加速度计和GPS），所有参与者均提供了书面知情同意。研究
模糊的驾驶员辅助系统设计具有纵向运动的自动驾驶汽车的主动干扰拒绝
在本文中，解决了一个具有两个控制器级别的实用自适应巡航控制系统（ACC）。上层控制方案由距离和速度控制器组成。该控制器生成所需的加速度轮廓，低级控制器必须尽可能紧密地遵循。具有很高精度的模糊自适应输出反馈控制器会产生这种所需的加速度。此外，自适应观察者估计无法测量的状态。较低级别的控制器调整节气门和制动执行器。在较低级别上，主动干扰排斥控制器（ADRC）消除了应用于汽车的所有内部和外部干扰。ADRC参数是通过粒子群遗传优化算法调整的。证明了所有信号的闭环稳定性和半全球均匀的界限。此外，还保险了ADRC控制器估计误差的渐近收敛性。为了显示所提出方法的有效性，将提出的算法与预测控制器进行了比较，并证明了该方法的性能优越性。
开发和验证两阶段卷积神经网络算法，用于分割MRI白质超强度，用于纵向研究
背景：卡达西尔（Cadasil）的白质超强度（WMH）的分割是最严重的遗传起源小脑小血管之一，具有挑战性。方法：我们根据卷积神经网络（CNN）al-gorithm进行了自动方法，并使用了132名患者获得的2D和/或3D FLAIR和T1加权图像的大数据集，以在这种情况下测量WMH的进展。结果：使用此方法测量的WMH的体积与专家验证的参考数据密切相关。WMH分割也明显改善。结合了两个连续的学习模型特别感兴趣，从而减少了假阳性体素的数量以及单级过程后检测到的分割不足的程度。使用两阶段方法，WMH进展与从参考掩模中得出的病变的度量随着年龄的增长而增加，以及与单个级别的可变WMH进展轨迹相关。我们还确认了WMH初始负载的预期影响以及MRI获取类型对此进展的测量的影响。结论：总的来说，我们的发现表明，可以通过CNN分割算法自动测量卡达西尔的WMH进展。
在多特征基因组评估中包括微生物组信息：肉牛纵向生长表现的案例研究
抽象的背景增长率是牛的饲料转化效率的重要组成部分，并且在整个终结期的不同阶段各不相同。瘤胃微生物组的代谢作用对于牛生长至关重要，研究了这种时间变化的基因组和微生物因子，可以帮助每个生长阶段在每个生长阶段最大程度地提高饲料转化效率。通过分析术期间的纵向体重，以及来自359牛牛的基因组和宏基因组数据，我们的研究表明，宿主基因组对功能性瘤胃微生物的影响有助于不同月份的平均每日增长时间（ADG 1，ADG 1，ADG 1，ADG 2，ADG 2，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 4）。五百三十三十三个转化的微生物基因（ALR -MG）的基因组相关性（r g）至少具有一个ADG属性（范围从| 0.21 | | 0.42 |）。只有少数ALR -MG与多个ADG特征相关，这表明差异宿主 - 微生物组的决定论是不同阶段的ADG。这些ALR -MG参与核糖体生物合成，能量过程，硫和氨基酸代谢和trans-或脂多糖信号传导等。We selected two alternative subsets of 32 alr -MG that had a non-uniform or a uniform r g sign with all the ADG-traits, regardless of the r g magnitude, and used them to develop a microbiome-driven breeding strategy based on alr -MG only, or combined with ADG-traits, which was aimed at shaping the rumen microbiome towards increased ADG at all finishing stages.预测的选择响应随准确性而持续变化。相对于直接育种策略（仅使用ADG -Traits），将基因组估计值（GEBV）（GEBV）（GEBV）的预测准确性（GEBV）提高了11％至22％（仅使用ADG -Traits），而仅使用微生物组信息，则仅使用微生物组信息，将基因组估计值（GEBV）提高了11％至22％，而仅实现了较低的精度（从7％到41％），则将ALR -MG信息组合到11％至22％。与非均匀的子集相比，基于其r g标志（均匀子集）限制ALR -MG在预测的响应中没有产生增益，这是由于缺乏ALR -MG至少显示非零r g，至少具有多个ADG特性。
骨形态计量学的纵向改变，机械完整性和Zucker糖尿病脂肪（ZDF）大鼠
患有2型糖尿病（T2D）的个体患有骨折的风险增加，而骨矿物质密度降低。据推测，由T2D引起的高血糖状态在骨的有机基质中形成了过量的晚期糖化终止产物（年龄），这些骨骼基质被认为可以使胶原蛋白网络加强并导致机械性能受损。但是，这些机制尚不清楚。这项研究旨在研究ZDF（FA/FA）大鼠在12岁，26岁和46周龄的T2D发育和进展过程中糖尿病皮质骨的几何，结构和物质特性。纵向骨生长早在12周的年龄就受到了损害，ZDF（FA/ FA）大鼠与对照组（FA/ +）的ZDF（FA/ FA）大鼠的骨骼大小显着降低。糖尿病大鼠具有明显的结构缺陷，例如通过三分弯曲测试测量的弯曲刚度，最终力矩和能量到失败。随着疾病的进展，通过考虑骨几何形状来测量的组织材料特性会改变，ZDF（FA/FA）大鼠的产量和最终强度显着降低。FTIR对皮质骨粉末的分析表明，组织材料与组织组成的变化相吻合，与年龄匹配的对照组相比，ZDF（FA/FA）大鼠具有长期糖尿病的长期糖尿病：碳酸盐比率降低，磷酸盐比和酸性磷酸盐含量降低。通过Fluo Rescent分析测量的年龄积累在具有长期T2D的ZDF（FA/FA）大鼠的皮肤中较高，菌株之间的骨骼年龄没有差异，并且与骨强度相关的年龄都不相差。总而言之，糖尿病ZDF（FA/FA）大鼠的骨骼脆弱性可能是通过最初受到骨骼生长受损和开发影响的多因素机制而发生的，并继续进行骨转换过程，从而降低了骨质的质量，并随着疾病的进展而降低骨骼质量，并损害了生物力学特性。