Использование противогрибковых препаратов с диагнозом и без диагноза грибковой инфекции при септическом шоке в больницах США в 2022-2024 годах

Цель: Разработать и оценить базу данных о раке простаты, стандартизированную в соответствии с Обсервационным партнерством медицинских исходов (OMOP), из Электронной медицинской карты (ЭМК) Epic Университета Техаса в Медицинском центре (UTMB), и улучшить качество данных с помощью обработки естественного языка (NLP) и алгоритмов на основе антигена простаты (PSA). Материалы и методы: Мы построили конвейер данных для преобразования данных ЭМК UTMB Epic (2010-2021) в Общую модель данных OMOP (CDM) версии 5.4. Качество данных оценивалось путем сравнения стандартизированных данных OMOP с данными Регистра рака Гальвестона с использованием согласия по доступности, коэффициента Каунта и внутриклассовой корреляции. NLP использовалась для извлечения PSA, оценки Глисон и стадии рака из клинического текста, а алгоритмы на основе PSA использовались для выявления отсутствующего лечения и биохимического рецидива. Результаты: Мы извлекли 815 аналитических случаев из ЭМК UTMB. Из них 700 (85,9%) были полными и согласованы с регистром рака. PSA показал отличное согласие значений. Структурированные данные по оценке Глисон и стадии были разряженными (n<20), но NLP значительно улучшила их захват. Согласие по лечению было хорошим по сравнению с регистром рака и незначительно улучшилось для радикальной простатэктомии после применения алгоритма на основе PSA. Используя траектории PSA, мы выявили 60 случаев биохимического рецидива. Обсуждение: Стандартизированные данные OMOP из UTMB показали хорошее согласие с регистром рака. Однако структурированные поля ЭМК неполностью фиксировали данные о диагнозе, патологии и лечении. NLP и алгоритмы на основе PSA существенно улучшили захват данных. Ручной обзор также выявил ошибки в данных регистра, показывая, что стандартизированные данные ЭМК OMOP могут дополнить и помочь улучшить качество регистра рака. Заключение: Стандартизация OMOP в сочетании с NLP и алгоритмами на основе PSA улучшила качество данных о раке простаты и готовность к исследованию.

Цель: Расстройство дефицита внимания и гиперактивности (СДВГ) является клинически и этиологически гетерогенным, и диагностические решения могут выиграть от интеграции нескольких источников информации. Мы разработали подход объяснимого глубокого обучения, чтобы проверить, могут ли генетические, экологические, когнитивные, демографические и темпераментные данные классифицировать диагностику СДВГ и выявить факторы, способствующие принятию решений модели. Метод: Мы проанализировали участников когорты Oregon ADHD-1000, разделенных на тренировочные, валидационные и тестовые подмножества. Мы обучили модульные нейронные сети для классификации статуса случая-контроля СДВГ с использованием данных генотипа на уровне SNP с биологическими аннотациями, полигенных баллов, демографических данных, конфликтов в родительско-семейной среде, стресса и травмы, геокодированных мер, когнитивных задач, баллов темперамента и индикаторов отсутствия данных. Оптимизация гиперпараметров выбрала архитектуру модели и включение блоков признаков. Мы оценили производительность модели, используя AUC, кривые точности и полноты, анализы калибровки и предсказательной определенности, а также анализ кривой решений. Мы использовали интегрированные градиенты для количественной оценки важности на уровне блока, признака и индивидуальной важности признаков. Результаты: Лучшая модель, использующая черты темперамента, показала AUC 0.97 в удержанном тестовом подмножестве, с высокой точностью, чувствительностью и специфичностью и Brier score 0.06. Лучшая модель, исключающая темперамент, имела AUC 0.75. Анализы важности признаков подчеркнули важность темперамента, демографических и когнитивных доменов в модели, включающей темперамент. Индивидуализированные объяснения показали, что факторы предсказания варьировались между участниками и могли помочь выявить противоречивые или поддерживающие доказательства в различных доменах. Заключение: Объяснимые многомодальные классификационные модели могут интегрировать гетерогенную информацию, релевантную СДВГ, и выявлять признаки, которые способствуют индивидуальным прогнозам. Такие модели могут продвинуть исследования риск-моделирования СДВГ и поддерживать принятие решений клиницистами, особенно в сложных или диагностически неопределенных случаях.

Введение. Промежуточные результаты в многоцентровых многоэтапных клинических испытаниях не обязательно должны совпадать с финальным первичным результатом и должны быть выбраны с целью предоставить лучшие шансы на продолжение эффективного лечения в исследовании на ранней стадии, когда также существует возможность устранения неэффективной группы. Совместное рассмотрение нескольких результатов может улучшить возможность обнаружения возникающего сигнала. Методы. Исследование Оптимальная Клиническая Платформа для Прогрессивного Рассеянного Склероза (OCTOPUS) является рандомизированным, контролируемым плацебо, двойным слепым, фазой 3, многоцентровым испытанием, проверяющим методы лечения для людей с прогрессирующим рассеянным склерозом. Промежуточный анализ должен был основываться исключительно на результате МРТ; снижении темпа атрофии всего мозга. Накопление данных из внешних испытаний вызвало озабоченность, что этот результат может привести к преждевременному исключению эффективного лечения. В качестве решения мы предлагаем добавить 3 клинических результата к результату МРТ и предлагаем многомерную смешанную модель для их совместного учета, несмотря на значительные различия в масштабе и даже типе измерений. Мы показываем, как использование ковариаций, выведенных из модели, позволяет нам линейно комбинировать эффекты лечения различных результатов в единый эффект лечения. Мы также описываем, как аналитически вычислить мощность для этой комбинации и сравниваем ее с производительностью отдельных компонентов. Результаты. На основе данных о дисперсии из предыдущего исследования мы обнаружили, что мощность увеличилась умеренно на 7%, с 83% до нашей целевой отметки 90% с учетом предполагаемых размеров эффектов лечения для OCTOPUS. При учете наблюдаемых размеров эффектов из других испытаний эти улучшения мощности сохранялись, несмотря на значительную изменчивость между эффектами результата. Заключения. Хотя это не значительно увеличивает мощность, мы утверждаем, что эта стратегия улучшает промежуточную меру результата, делая ее более устойчивой к неопределенности вокруг размера эффекта и смягчая неожиданные негативные результаты, распределяя ответственность по связанным, но различным результатам.

Болезнь Альцгеймера (БА) – это расстройство мозга, которое развивается медленно и в основном затрагивает память, мышление, язык и повседневную деятельность. Это одно из самых распространенных причин деменции и создает множество трудностей как для пациентов, так и для их семей. На ранней стадии симптомы часто слабо выражены и могут напоминать нормальное старение. По этой причине многие люди получают диагноз слишком поздно, когда болезнь уже прогрессирует. В настоящее время полного лекарства от БА не существует. Тем не менее, ранняя диагностика может помочь врачам лучше управлять состоянием пациента и предпринять необходимые шаги вовремя. В этом исследовании предлагается модель машинного обучения для определения ранних стадий болезни Альцгеймера на основе клинических данных, результатов нейропсихологических тестов и мер, связанных с нейровизуализацией. Данные, использованные в работе, собраны из Инициативы по нейровизуализации болезни Альцгеймера (ADNI). Поскольку в наборе данных есть пропущенные значения, применяется итеративная импутация для их заполнения. Набор данных также имеет несбалансированные классы, что решается с помощью метода Borderline SVM-SMOTE. Затем проводится отбор признаков с использованием оберток и встраиваемых методов, чтобы использовать только важные признаки для обучения. Выбранные признаки делятся на обучающие и тестовые наборы, и применяется масштабирование признаков. Разрабатывается ансамблевая модель стекового обучения с использованием логистической регрессии, Extra Trees, Bagging KNN и LightGBM в качестве базовых классификаторов. Кроме того, также обучается искусственная нейронная сеть на том же наборе данных. Эффективность этих моделей сравнивается по таким метрикам, как точность, полнота, F1-меры и AUC-ROC. Цель этого исследования состоит в том, чтобы найти лучший классификатор и выявить важные биомаркеры, которые могут помочь в ранней диагностике болезни Альцгеймера.

Эффективная доставка молекулярных терапий в центральную нервную систему (ЦНС) остается основной преградой для лечения невропатических заболеваний, таких как болезнь Ниманна-Пика типа C (NPC). Открытие гематоэнцефалического барьера с помощью сфокусированного ультразвука стало неинвазивной стратегией для повышения доставки систематически вводимых терапевтических препаратов. В данном исследовании мы оценили, может ли данная методика способствовать доставке модифицированной мРНК, упакованной в липидные наночастицы, в мозжечок в модели мышей с NPC. Пилотное исследование на диких мышах продемонстрировало успешное открытие гематоэнцефалического барьера, осуществляемое с помощью сфокусированного ультразвука, доставку мРНК GFP, упакованной в липидные наночастицы, и последующее экспрессирование белка в мозжечке. Затем мы провели контролируемое исследование на мышах с NPC, сравнивая доставку LNP-GFP и LNP-NPC modRNA с использованием внутривенного введения с методикой и без нее. Открытие гематоэнцефалического барьера было подтверждено с помощью контрастной МРТ у животных, прошедших обработку. Количественная ПЦР показала наличие мРНК GFP в мозжечке после применения методики, в то время как мРНК NPC была минимальной или не обнаруженной во всех группах. Тем не менее, экспрессия белков GFP или NPC1 не была обнаружена в мозжечке с помощью вестерн-блота в любой экспериментальной группе. В соответствии с этим, никаких терапевтических эффектов на выживаемость клеток Пуркинье не было наблюдено. Эти результаты демонстрируют, что, хотя данная методика надежно вызывает открытие гематоэнцефалического барьера и может облегчать ограниченную доставку мРНК, упакованной в липидные наночастицы, в мозг, это не приводит к обнаруживаемой экспрессии белков или терапевтическому эффекту в модели NPC при испытанных условиях. Это несоответствие между успешной доставкой у диких мышей и отсутствием эффективности у больных животных указывает на потенциально важные биологические и/или зависимые от формулы барьеры, которые необходимо преодолеть для обеспечения эффективной доставки липидных наночастиц с мРНК терапиями в ЦНС.

Сочетание дорнавирина и излатравира (DOR/ISL) является новой схемой из двух лекарств для лечения ВИЧ-1. На ранних этапах разработки возникли трудности, обусловленные дозозависимыми иммунологическими сигналами. Наша цель заключалась в синтезации данных о эффективности и безопасности DOR/ISL во всех категориях с опытом лечения, с особым акцентом на влияние дозы излатравира (0,25 мг против 0,75 мг) на клинические и иммунологические исходы. Мы провели систематический обзор и мета-анализ рандомизированных контролируемых испытаний (РКИ), следуя рекомендациям PRISMA. Мы искали в PubMed, Embase, Cochrane Library и Google Scholar с момента начала до апреля 2026 года. Основными исходами были вирусологическая супрессия (<50 копий/мл) и среднее изменение количества CD4+ T-лимфоцитов на 48-й неделе. Данные объединялись с использованием моделей случайных эффектов. Доза излатравира оценивалась как заранее определенный модератор. Качество данных оценивалось с использованием Cochrane RoB 2.0, а степень уверенности в доказательствах определялась с помощью подхода GRADE. В наш обзор были включены семь РКИ (всего 3 600 участников). На 48-й неделе DOR/ISL показал не менее (RR 1,01 [95% ДИ 0,99-1,02]; p=0,516; доказательства умеренной уверенности) и статистически значительное снижение риска вирусологической неудачи (RR 0,55 [0,33-0,92]; p=0,022) по сравнению с активным контролем. Общий прирост CD4+ был ниже с DOR/ISL (MD -34,55 клеток/мкл; доказательства низкой уверенности); однако был обнаружен значительный модераторный эффект дозы (p<0,0001). Доза 0,75 мг ассоциировалась со значительным снижением CD4+ и лимфоцитов, в то время как одобренная доза 0,25 мг оказалась иммунологически нейтральной. DOR/ISL не приводил к изменениям веса по сравнению с комбинацией биктегравир/эмтрицитабин/тенофовир алафенамид (MD -0,25 кг [-0,66 до 0,16]; доказательства низкой уверенности). DOR/ISL 100/0,25 мг один раз в день достиг вирусологической супрессии, сопоставимой со стандартной терапией ВИЧ, и был связан с более низкими показателями вирусологической неудачи по сравнению с активными сопоставителями. Проблемы с иммуно-логической безопасностью, наблюдавшиеся на ранних испытаниях, были успешно решены путем оптимизации дозы. Эти результаты поддерживают использование DOR/ISL (IDVYNSO) в качестве потенциального варианта лечения как для пациентов без предшествующего лечения, так и для взрослых с подавленной вирусной нагрузкой, подчеркивая необходимость долговременного мониторинга безопасности.