XiaoMi-AI文件搜索系统
World File Search System结肠镜
健康筛查结肠镜检查后的自由生活食物摄入量和肠道菌群的再现
1目标：微生物组的作用已与各种医学2条件有关。结肠镜检查后，已知发生结肠微生物负荷的重生，3然而，肠4制剂后尚未研究自然重生的质量和时机。此外，尚无研究记录详细的自由生活饮食摄入量，并在骨镜后同时使用肠道微生物组重生。在这里，我们试图确定相对于饮食摄入的6个早期重生模式。方法：健康的成年人（n = 15 [4雌性/11雄性]，BMI = 27.2±3.9 kg/m 2，年龄51.4±7.2 y）计划在密苏里州大学的胃肠病学诊所招募筛查8结肠镜检查。9在结肠镜检查（基线）的两周内，受试者完成了3天的详细食物记录10。后骨镜检查，受试者吃的自由饮食和详细的食物记录在第0、1、2、4、7、10和13天收集了11个。粪便样品是在骨内镜检查前的，并在第12天的第3、5、8、11和14天获得。肠道微生物组组成。结果：在手术后的5天内，受试者报告了14个相对于基线消耗的总能量更多的总能量，大概是为了弥补肠prep期间发生的低15能量摄入量。在基线时，纤维摄入量（21.0±9.1 g/d）比结肠镜检查当天高16，第0天（16.1±11.2，p = 0.0159）。此后，每日纤维17摄入量与基线相同。使用加权和未加权差异的主坐标分析观察到了18个标志性的微生物组β多样性（p = 0.0001，19 f = 15.23，单向Permanova）。精选的分类单群被枯竭后骨内镜检查（例如，杆菌中的20个）。具体而言，在21天和第3天的粪便样品之间观察到时间的显着影响（成对P = 0.0013，F = 2.9）。这些变化趋向于第5天返回22返回基线，随后的样本，使用加权差异分析（Bray-Curtis）测试23时，分类单元与基线相似。结论：这些结果定量24证明了微生物相对丰度和25种多样性的显着变化的幅度。手术后的26纤维摄入量的变化对齐的时间安排。这些数据突出了27次筛查结肠镜检查后在重建健康微生物组后的营养重要性。28 29关键字：结肠镜检查；结肠准备；微生物变异性；食物摄入；微生物30组成；微生物重生。
结肠镜检查前的 Plenvu® 肠道准备
什么是 Plenvu®？它是一种聚乙二醇 (PEG) 泻药，用于在您计划的结肠镜检查之前清洁您的肠道。它会导致您腹泻或排便频繁。您会开始排出棕色液体，然后逐渐变成透明/淡黄色液体。干净的肠道可以清楚地看到肠道内壁，这对于准确的诊断和治疗非常重要。请仔细遵循说明。如果您的肠道不够干净，可能需要取消结肠镜检查并在其他时间重新进行。如果您认为自己的身体状况不足以来回上厕所，请不要服用此药。请联系为您推荐此测试的医生或团队以获取进一步的建议。服用 Plenvu® 之前我应该做什么？服用 Plenvu® 之前，请遵循低纤维饮食 3 天。请参阅我们的低纤维饮食手册，了解您需要遵循的饮食类型的详细信息。如何服用 Plenvu®？Plenvu® 是一种两剂量制剂。第 1 剂是一小袋芒果味。第 2 剂是两小袋（A 和 B）水果味。按照以下所示，用适量的水和正确的时间服用每小袋。
西班牙引入人工智能辅助结肠镜检查用于腺瘤检测和表征的成本效益和预算影响分析。
1 西班牙瓦伦西亚拉菲大学医院胃肠病学系消化内镜科；2 西班牙瓦伦西亚拉菲健康研究所 (IIS La Fe)；3 西班牙马德里格雷戈里奥马拉尼翁综合大学医院胃肠病学系内镜科；4 西班牙巴塞罗那德尔马医院消化科内镜科；5 西班牙马德里卫生经济学与成果研究部 (Medtronic Ibérica, SA)；6 西班牙马德里伊比利亚药物经济学与成果研究中心 (PORIB)；7 瑞士 VD 托洛切纳茨美敦力国际贸易有限公司卫生经济学与成果研究中心
筛查结肠镜检查对温室气体排放的纵向影响
在一年内进行的630万次筛查结肠镜检查可预防十年内的1,134,000个结直肠癌。局部38 3％（434,254），38 8％（440,281）是区域性的，22 9％（259,465）是转移性疾病。预防后的诊断后访问数量最少为I期11，II期为21，第III期25，IV期为20，由诊断，手术评估，化学疗法和监测访问组成。I期筛查预防的访问总数为2,388,397，II期为5,254,421，第三阶段为13,120,369，第IV期为9,210,972。大约3.95亿英里的旅行和158,263吨的二氧化碳，相当于燃烧的1.77亿磅煤炭，收取的190亿智能手机或1800万加仑的汽油消耗，通过筛查得以节省十年。
通过结肠镜检查进行活性溃疡性结肠炎的串行粪便菌群输注：可行性，安全性和转化单体意大利研究
1单元IBD，CEMAD，遥远地区，国际医学和Gasstranterology，医学科学和Chirurgic Sciences，资助大学政策“ A. irccs，L。Go A. Gief 8，00168罗马，意大利； latusloris@gmail.com（l.r.l.r.l ）;光泽。 ）; wortsy.betoty@nats。 ）; syllable.pecer@polyclines.it（S.P. ）; pgpuca@gpoke.com（p.p. ）; helis.sscouvotonum@polyclinicles.it（E.S. ）; giveElele.napoliaum@polyclinical.it（D.N. ）;给它。 ）; Anony.gsbarrinium@nats.it（A.G.）2医学和艾滋病科学系，“ G。 公告” Chieti-Pescara大学，66100 Chiets，意大利3号高级研究与技术中心（CAST），” G。 公告” Chieti-pescara大学，66100个Chiets，意大利4药物和traslational Schools，大学，Caree Custerms，L。Go F. F. F. F. Little 1，0016 Rome，0016 Rome，0016 Rome，0016 Rome，0016 Romes（Gg。 ）; Youth.camcrat@nat.it（G.C。） <2 5 5微生物学，大学政策基金会‘A. ICCS，Caree Sacred University，意大利罗马00168； gianluca.perty@polyclinical。 ）; maurice.sanguines@polyclinicles.it（M.S. ）; light.mafes@polyclinical.it（l.m.）1单元IBD，CEMAD，遥远地区，国际医学和Gasstranterology，医学科学和Chirurgic Sciences，资助大学政策“ A.irccs，L。Go A. Gief 8，00168罗马，意大利； latusloris@gmail.com（l.r.l.r.l）;光泽。）; wortsy.betoty@nats。）; syllable.pecer@polyclines.it（S.P.）; pgpuca@gpoke.com（p.p.）; helis.sscouvotonum@polyclinicles.it（E.S.）; giveElele.napoliaum@polyclinical.it（D.N.）;给它。）; Anony.gsbarrinium@nats.it（A.G.）2医学和艾滋病科学系，“ G。公告” Chieti-Pescara大学，66100 Chiets，意大利3号高级研究与技术中心（CAST），” G。公告” Chieti-pescara大学，66100个Chiets，意大利4药物和traslational Schools，大学，Caree Custerms，L。Go F. F. F. F. Little 1，0016 Rome，0016 Rome，0016 Rome，0016 Rome，0016 Romes（Gg。）; Youth.camcrat@nat.it（G.C。）<2 5 5微生物学，大学政策基金会‘A.ICCS，Caree Sacred University，意大利罗马00168； gianluca.perty@polyclinical。）; maurice.sanguines@polyclinicles.it（M.S.）; light.mafes@polyclinical.it（l.m.）6人类微生物组的单位，班比诺GESù儿童医院，IRCCS，00168，意大利罗马； federica.delchierico@opbg.net 7卫生科，大学生命科学系和公共卫生，Cattolica del Sacro Cuore大学，意大利00168，意大利00168； andreaposcia@yahoo.com 8 UOC ISP预防和监视感染和慢性疾病，预防局，地方卫生局（ASUR-AV2），60035 JESI，意大利90035 9 UOC DI GASTROENTEROLOGIA，FONDAZIONE POLICINICO INRICOTIOGemelli” IRCCS, L. Go A. Gemelli 8, 00168 Rome, Italy 10 Unit of Microbiomics and Unit of Human Microbiome, Bambino Ges ù Children's Hospital, IRCCS, 00168 Rome, Italy; lorenza.putignani@opbg.net 11 IBD Center, IRCCS Humanitas Research Hospital, Rozzano, 20089 Milan,意大利; Alessandro.armuzzi@unicatt.it *通信：franco.scaldaferri@policlinicogemelli.it或franco.scaldaferri@unicatt.it
使用 Litstudy 进行结肠镜检查
由于学术论文数量巨大，很难对关于该研究领域的一般性问题提供全面的答案，例如，谁是主要作者，关于该研究主题的关键问题或见解是什么。在此基础上，我们使用 Litstudy，一个 Python 库来调查和深入了解用于结肠镜检查的人工智能（AI）学术出版物。使用“AI”和“结肠镜检查”关键词作为书目数据的搜索结果，提取并合并为 CSV 文件。下载了 5872 份书目数据，其中 3865 份来自 IEEE Xplore，2007 份来自 Springer。Scopus 产生了 5083 篇引文，而 789 篇不可用的引文被丢弃。非负矩阵分解（NMF）模型用于生成主题聚类，阈值为 0.85。结果显示，“患者”在四个主题中出现次数最多：2、3、7 和 10，我们使用主题云进一步将其可视化。令人惊讶的是，尽管使用“人工智能”关键词查询 IEEE、Springer 和 Scopus 数据库，主题 5 中的 AI 却是主题云中最模糊的词。结肠镜检查中结肠癌康复的主题 10 词聚类显示主题聚类之间的关系较弱。该项目能够选择特定的科学文章，使用自然语言处理 (NLP) 检查和可视化它们的学术贡献，进行书目网络分析，最重要的是，揭示了对结肠镜检查出版物中 AI 词聚类的见解。
人工智能在结肠镜检查中的现状和未来影响
摘要 事实证明，胃肠内窥镜是开发人工智能 (AI) 系统的理想环境，该系统可以帮助内窥镜医师完成日常活动中的许多任务。结肠镜检查期间的病变检测 (计算机辅助检测，CADe) 和病变表征 (计算机辅助表征，CADx) 是人工智能在胃肠病学中的临床应用，迄今为止已发表的证据最多。事实上，它们是唯一由不同公司开发了多个系统、目前市场上有售且可用于临床实践的应用。CADe 和 CADx 除了充满希望和炒作外，还存在潜在的缺点、局限性和危险，必须了解、研究和研究这些机器的最佳用途，旨在领先一步，避免可能滥用这些机器，这些机器永远是临床医生的助手，而不是替代品。结肠镜检查的人工智能革命即将到来，但潜在的用途是无限的，目前只有一小部分得到了研究。未来的应用可以设计成确保结肠镜检查质量参数的各个方面，并真正实现实践标准化，无论在何种环境下进行该程序。在本综述中，我们介绍了结肠镜检查中人工智能应用的现有临床证据，并概述了未来的发展方向。
如果您有结肠镜检查，如何管理糖尿病
• 200mL Full sugar Coke/Pepsi/Lemonade (full can of Coke/ Pepsi/Lemonade is 330mL) • 200mL apple juice • Sugar water – 4 teaspoons sugar dissolved in 200mL water • 200mL full sugar Ribena – use 30mL (2 tablespoons Ribena and dilute with water to total volume of 200mL)
结肠镜检查、生物标志物和结直肠癌的靶向治疗
本综述重点介绍了结肠镜检查这一用途最广泛的 CRC 诊断测试。它仍然是 CRC 的金标准诊断工具，并且通过筛查和切除息肉或癌前病变来预防 CRC。这项工作还提供了最有前景的生物标志物，这突出表明，将新型生物标志物与临床和病理特征结合使用，可以为 CRC 患者提供更加个性化的治疗方法和针对性治疗。CRC 是全球第三大常见癌症，也是癌症相关死亡的第二大原因。印度尼西亚总人口为 273,523,621 人，估计有 396,914 例新发癌症病例和 234,511 例癌症相关死亡病例。在这些癌症病例中，估计 2020 年有 34,189 例新发 CRC 病例和 17,786 例 CRC 死亡病例。与远端结肠或近端结肠相比，大多数 CRC 病例位于直肠。临床体征、症状和治疗方法各不相同，取决于 CRC 的分期和位置。这些癌症位置在相关的分子改变方面有所不同。结肠镜活检中的肿瘤组织生物标志物测试可帮助医生选择特定的 CRC 治疗方法，并且可使用这些测试确定预后价值、预测因素和靶向治疗。针对 KRAS/NRAS/BRAF 突变或野生型肿瘤、HER2 扩增肿瘤和 NTRK 基因融合阳性的晚期或 mCRC 患者建议进行靶向治疗，而免疫治疗仅适用于 MSI-High（dMMR）状态的肿瘤。针对结直肠 CSC 的生物标志物和靶向方法正在开发中，这将具有相当大的挑战性。
基于人工智能的结肠镜撤出技术评估：一种测量和提高折叠检查质量的新方法
通过结肠镜检查早期发现和切除腺瘤性息肉仍被认为是预防结直肠癌 (CRC) 的金标准。然而，25% 的腺瘤在检查中被遗漏，这与间隔 CRC 显著相关 [1, 2]。一些研究表明，更高质量的结肠镜退出技术与更低的腺瘤漏诊率相关，并且四项互补的技能有助于提高结肠镜筛查中的检查质量：1) 折叠检查，2) 黏膜清洁，3) 管腔扩张，和 4) 观察时间的充分性 [3]。据报道，作为主要因素，折叠检查与由于结肠镜检查盲点而未出现在视野中的息肉显著相关 [4]。因此，强烈建议在结肠镜检查期间进行折叠检查以评估结肠镜退出技术。然而，缺乏质量监督体系给结肠镜检查质控带来很大挑战。近年来，深度卷积神经网络（DCNN）已成功用于息肉的实时检测，以及肠道准备、拔出速度和拔出时间的评估[5-8]。这些研究表明人工智能（AI）可以间接提高结肠镜检查的质量控制。然而，到目前为止，还没有研究报道使用DCNN对结肠镜拔出技术进行褶皱检查质量（FEQ）评估。本研究旨在开发一种基于人工智能的结肠镜拔出技术FEQ评估系统，并确定该系统对FEQ的评估与专家确定的全结肠FEQ评分之间的关系。我们还旨在分析 FEQ 评分与历史腺瘤检测率 (ADR) 和个体结肠镜检查医师平均退出时间之间的关系，并评估使用基于 AI 的系统是否可以改善临床实践中的 FEQ。