目的:印尼空军士兵接受的高强度体能训练可能会影响包括颞下颌关节功能在内的口颌系统。颞下颌关节疾病包括肌肉、咀嚼系统和周围结构的问题。本研究的目的是检查印尼空军士兵颞下颌关节疾病症状的差异。材料和方法:研究对象是随机选择的 39 名印尼空军成员,他们在 Lakespra Dr. Saryanto Jakarta 接受了常规体检,并符合纳入和排除标准,包括在空军服役时间超过五年并且从未经历过颈部或颌面部创伤。研究采用横断面研究设计。该研究的结果基于临床检查,包括触诊颞下颌关节和面部肌肉,以及评估下颌在垂直和垂直方向上的运动
目的:颞叶癫痫 (TLE) 的特征是边缘系统(尤其是海马)中反复发作癫痫。在 TLE 中,从齿状回颗粒细胞 (DGC) 中反复出现的苔藓纤维在 DGC 之间形成异常的致癫痫网络,该网络通过异位表达的含 GluK2/GluK5 的海人酸受体 (KAR) 起作用。TLE 患者通常对抗癫痫药物有抵抗力,并患有严重的合并症;因此,迫切需要新的治疗方法。之前,我们已经证明 GluK2 基因敲除小鼠可以免受癫痫发作的影响。本研究旨在提供证据,证明使用基因疗法下调海马中的 KAR 可以减少 TLE 中的慢性癫痫放电。方法:我们将分子生物学和电生理学结合到啮齿类 TLE 模型和从耐药性 TLE 患者手术切除的海马切片中。结果:在这里,我们确认了使用非选择性 KAR 拮抗剂抑制 KAR 的转化潜力,该拮抗剂显着减弱了 TLE 患者来源的海马切片中的发作间期样癫痫样放电 (IED)。表达抗 grik2 miRNA 的腺相关病毒 (AAV) 血清型 9 载体被设计为特异性下调 GluK2 表达。将 AAV9-抗 grik2 miRNA 直接递送到 TLE 小鼠的海马中可显着减少癫痫发作活动。TLE 患者海马切片的转导降低了 GluK2 蛋白的水平,最重要的是,显着减少了 IED。解释:我们抑制异常 GluK2 表达的基因沉默策略可抑制小鼠 TLE 模型中的慢性癫痫发作以及来自 TLE 患者的培养切片中的 IED。这些结果为针对耐药性 TLE 患者的 GluK2 KAR 基因治疗方法提供了概念验证。ANN NEUROL 2023;00:1 – 17
冠状动脉疾病(CAD)是发达和发展中的死亡的主要原因。这项研究的目的是通过机器学习和评估该方法来确定冠状动脉疾病的危险因素。使用公开可用的国家健康和营养检查调查(NHANES)进行了回顾性,横断面研究(NHANES),该研究完成了人口,饮食,运动和心理健康问卷并拥有实验室和体格检查数据的患者。单变量逻辑模型(以CAD为结果)用于识别与CAD相关的协变量。在最终的机器学习模型中包括在单变量分析中具有P <0.0001的协变量。机器学习模型XGBoost由于文献中的普遍性以及其在医疗保健术前的预测准确性提高而使用。模型协变量根据覆盖统计量进行排名,以识别CAD的危险因素。构造的加性解释(SHAP)解释被用来可视化这些潜在危险因素与CAD之间的关系。在这项研究中符合纳入标准的7,929名患者中,女性为4,055(51%),男性为2,874(49%)。平均年龄为49.2(SD = 18.4),有2,885名(36%)白人患者,2,144名(27%)黑人患者,1,639名(21%)西班牙裔患者和1,261例(16%)其他种族患者。总共338例(4.5%)患有冠状动脉疾病。将它们拟合到XGBoost模型中,AUROC = 0.89,灵敏度= 0.85,特异性= 0.87(图1)。按覆盖范围排名前四的最高特征,这是协变量对整体模型预测的百分比贡献的度量,是年龄(覆盖率= 21.1%),血小板计数(覆盖= 5.1%),心脏病的家族史(覆盖率= 4.8%)和胆固醇总胆固醇(覆盖率= 4.1%)。机器学习模型可以使用人口统计学,实验室,体格检查和生活方式协变量有效预测冠状动脉疾病,并确定关键的危险因素。
与普通人群相比,在EDS的个体中,指示TMD的症状频率更高;假定这是与TMJ过度运动相关的,这是广义关节过敏的一部分[6,12,13]。TMJ功能障碍症状,例如在极端口腔张开期间的超动关节,咬入浓食物时的下颌锁定,咔嗒声,毛皮和永久的下巴锁在EDS患者中很常见[14]。TMJ功能障碍被认为与TMJ椎间盘和囊韧带附着的异常相关[15]。过度伸展后TMJ可以再次重新安置,但这可能会引起椎间盘的水泥疼痛和功能障碍,例如有限的下颌迁移率[16]。高频和长时间TMJ位错的持续时间会导致慢性疼痛评分[13]。 咀嚼性肌肉疼痛可能会导致受影响者的功能和生活质量较低[17,18]。 脊柱姿势和宫颈功能高频和长时间TMJ位错的持续时间会导致慢性疼痛评分[13]。咀嚼性肌肉疼痛可能会导致受影响者的功能和生活质量较低[17,18]。脊柱姿势和宫颈功能
我们旨在通过使用 SVM(支持向量机)和 XGBoost(极限梯度提升)机器学习(ML)算法,识别内侧颞叶癫痫 (mTLE) 患者关于其癫痫侧化(左侧或右侧)的认知特征(表型)。具体而言,我们探索了这两种算法识别区分左侧和右侧 mTLE 患者的最显著分数(ML 术语中的特征)的能力。我们的数据集有两个版本,包括神经心理学测试分数:一个“精简和工作”版本(n = 46 名患者),没有任何缺失数据,另一个“原始”版本(n = 57),有缺失数据,但可用于测试使用工作数据集获得的结果的稳健性。重点放在采用预防性机器学习(ML)方法进行分类,以获得可重复和可推广的结果。还研究了几个临床医学变量的影响。使用两个版本的数据集,我们获得了左侧和右侧 mTLE 的出色预测分类性能( > 75%)。最具分离性的特征是四项语言和记忆测试,其稳定性接近 100%。因此,这些认知测试似乎与患者的神经心理学评估高度相关。此外,海马回之间的结构不对称、患者年龄和抗癫痫药物数量等临床变量都会影响认知表型。这项探索性研究对认知分数进行了深入分析,并可以观察到语言和记忆表现之间有趣的相互作用。我们从临床和理论应用以及神经心理学领域的观点的角度讨论了这些发现的意义。
。cc-by 4.0未经同行评审获得的未获得的国际许可证是作者/筹款人,他已授予Biorxiv的许可证,以永久显示预印本。它是此预印本的版权持有人(该版本发布于2024年7月30日。; https://doi.org/10.1101/2024.07.29.605705 doi:biorxiv Preprint
Enrico Premi A,1,Martha Pengo B,C,1,Irene Mattili C,Valentina Canton,Youth Dukart和Robert Gasparotti H,Arababella Bouzigues H,David M St. Robert Laforce Jr P,Fermin Moreno。 R. Butler's Pietro, and Johannes Levin a , ai , ai , Markus Otto ak , Isabelle Le Ber an , o , ap , ap , ap , ap , ap , ap , aq , Florence Pasquier , ace , Jonathan D. Rohrer h , Barbara Boronni a , c , * , a Initiative Fronttemporal Genetic (GENFI)
心理化是人类社会行为的核心教师,涉及推断他人的认知状态。这个过程需要采用同种中心的观点并抑制一个以自我为中心的观点,被称为自我 - 其他分歧(SOD)。同时,个人可以以亲社会行为的方式将自己的认知状态投射到他人,这是一个被称为自我的过程 - 其他融合(SOM)。目前尚不清楚这两个相对的过程在心理化过程中如何共存。我们在这里将功能性磁共振成像(FMRI)和重复的经颅磁刺激(RTMS)技术与鼻内催产素(OT INT)与健康男性人类参与者的SOM效应为探测器,在此期间,他们将决策信心的认知归因于匿名的匿名伙伴。我们的结果表明ot int
emma l从末端,1 meifange xiao,2 desheng Xu,2 Jackie M Poos 。 Yans M Papma,1 Carolin Heller ,5 Rhian Convery ,4 Katrina Moore,4 Martina Bocchetta ,4 Georgia Peakman,4 David M Cash,4大坝。 7.8 MATTHIS SONOFSK,9.10 FERMIN MORENO,11 ELIZABETH FINGER ,12RaquelSánchez-Vale,14 Robert LaForce Jr,15 Mario Masellis,15 Mario Masellis,16 Mario Masellis,16 Maria Carmes Carmes Bowe 23.24.25 Yolande Otto , 28 Fabrizo Taglivian, 29 Alexandre the Mendonca, 30 Isabel Santana, 31 Daniyla Galimberti, 32.33 Harro Seeer, 1 Jonathan D Rohrer, 4 Paul F Worley, 2.34 John C of Switch, just Gneetic Frontoporal Dementia Initiatives (genfi)
*通讯作者(kat35@cam.ac.uk,+44 1223 766 556)1临床神经科学系,剑桥大学,剑桥大学,英国2号剑桥大学,剑桥大学,UK剑桥大学,英国3英国痴呆症研究所,剑桥大学,剑桥大学,剑桥大学4. and Medicine, INM-7, Forschungszentrum Jülich, Jülich, Germany 6 Neurology, Department of Neurological and Vision Sciences, ASST Spedali Civili, Brescia, Italy 7 Dementia Research Centre, Department of Neurodegenerative Disease, UCL Queen Square Institute of Neurology, London, UK 8 Department of Neurology, Erasmus Medical Centre, Rotterdam, Netherlands 9阿尔茨海默氏病和其他认知疾病部门,神经病学服务,医院,d'uskespitunsd'unguseciónsBioMèdiquesAugust pi i Sunyer,巴塞罗那大学巴塞罗那大学,巴塞罗那大学10 clinique InterdifcipernairedeMémoire,Département,Département,Départementand de de de de de quecine,de quebique and chudquébecebecineand chudquébecebecine,dequébecnecneand chudquébebecebec。加拿大QC大学拉瓦尔大学11神经生物学,护理科学与社会系; Center for Alzheimer Research, Division of Neurogeriatrics, Bioclinicum, Karolinska Institutet, Solna, Sweden 12 Unit for Hereditary Dementias, Theme Inflammation and Aging, Karolinska University Hospital, Solna, Sweden 13 Fondazione Ca' Granda, IRCCS Ospedale Policlinico, Milan, Italy 14 University of Milan, Centro Dino意大利米兰法拉利(Ferrari)15认知神经病学实验室,神经科学系,鲁文库文(Ku Leuven),比利时16神经病学服务局,卢文大学(Leuven),比利时17 Leuven Brain Institute,Ku Leuven,Ku Leuven,Belgium 18,Belgium 1845 Biogipuzkoa健康研究所,神经科学区,神经退行性疾病组,20014年,西班牙圣塞巴斯蒂安。46 Center for Biomedical Research in Neurodegenerative Disease (CIBERNED), Carlos III Health Institute, Madrid, Spain 47 Neurology Unit, Department of Clinical and Experimental Sciences, University of Brescia, Brescia, Italy 48 MRC Cognition and Brain Science Unit, Department of Psychiatry, University of Cambridge, Cambridge, UK