Активность трастузумаба дерукстекана в реальной практике у пациентов с HER2-положительным раком яичников, подвергшимся интенсивному лечению: акцент на ответах при низкой экспрессии HER2 и амплификации CCNE1

Фон. Вспышка вируса Бундиbugyo Эбола в Уганде в 2026 году, связанная с текущей эпидемией в Демократической Республике Конго (ДРК), распространилась благодаря человеческой мобильности через границы и внутри страны. Мы ставили цель количественно оценить модели импорта и распространения, чтобы обеспечить целенаправленные интервенции на субнациональном уровне. Методы. Мы построили сеть мобильности с направленным взвешиванием на основе данных Миграционной организации (IOM) о перемещении населения с 15 по 24 мая 2026 года (обнаружено 11,245 перемещений) и данных переписи населения Уганды 2024 года (45.9 миллионов человек). Была смоделирована стохастическая метапопуляционная модель SEIR, учитывающая предсимптоматическую передачу и перемещение контактных и инфекционных лиц, на протяжении 90 дней по 135 округам Уганды и двум провинциям ДРК. Реакцию 7-1-7 было явно смоделировано с динамическим охватом отслеживания контактов (40%[->]70%[->]85%). Мы оценили три сценария соблюдения (20%, 40%, 60%) для ненаркотических интервенций. Глобальный анализ чувствительности Соболя (500 выборок, 200 бутстрэппинг) выявил ключевые параметры, определяющие размер вспышки. Результаты. Сеть мобильности была разреженной (плотность 0.11), очень неравномерной (коэффициент Джини 0.67) и модульной (модулярность 0.5). Округ Кисоро имел наибольший риск импорта (входящая сила 3,823) и риска экспорта (исходящая сила 1,350), в то время как Кампала показала значительную входящую силу (1,290), но меньшую исходящую силу (150). В рамках сценария сдерживания (эффективное R = 0.35) модель прогнозировала медиану 22 кумулятивных случаев (95% CrI: 22-24) и 2 смерти (95% CrI: 2-4) в Кампале за 90 дней. Во всех остальных 134 округах медиана составила 0 случаев. Ненаркотические интервенции при высоком, среднем и низком соблюдении не дали статистически значимого снижения числа случаев (22 случая по всем сценариям). Суперраспространительные события происходили в 34.6-40.6% симуляций. Анализ чувствительности Соболя выявил инфекционный период (первый порядок 0.838), летальность случаев (0.738) и основной коэффициент рождаемости (0.664) как наиболее влиятельные параметры; параметры, связанные с мобильностью, имели значительно более низкие индексы общего порядка. Реакция 7-1-7 сама по себе, как ожидалось, сдержит вспышку вируса Эбола Бундиbugyo до примерно 22 случаев и 2 смерти в Кампале, при этом дополнительные ненаркотические интервенции не обеспечат значимого добавочного эффекта. Ресурсы следует сосредоточить на целенаправленном наблюдении в высокорискованных центрах импорта (Кисоро для пограничного контроля) и внутриэпидемических центрах (Кампала для ресурсов реагирования), а не на ненаправленных национальных интервенциях. Инвестиции в быструю характеристику специфических штаммов биологических параметров могут повысить предсказательную точность. Финансирование. Отсутствует. Контекст исследования. Доказательства перед этим исследованием. Мы искали в PubMed и новостях Всемирной организации здравоохранения (Служба новостей о вспышках заболеваний от 19 мая 2026 года) исследования моделирования вспышек вируса Бундиbugyo с использованием терминов "Bundibugyo", "ebolavirus", "spillover", "cross-border" и "stochastic model". Предыдущие вспышки в Уганде (2007-08; 131 подтвержденный случай, 42 смерти) и в ДРК (2012; 38 подтвержденных случаев, 13 смертей) показывали более низкую восприимчивость и коэффициент летальности, чем в случае вируса Эбола Заира, с оценками основного коэффициента рождаемости от 1.2 до 2.6. Вспышка вируса Эбола Заира в Норте Киву и Итури в 2018-20 годах - вторая по величине вспышка за всю историю, с 3,481 случаем и 2,299 смертями - была значительно осложнена вооруженным конфликтом, недоверием сообществ, плохой инфраструктурой и миграцией населения. Чамба и др. (2026) оценили вероятность импорта для Уганды в 94.2% с использованием стохастической ансамблевой модели, откалиброванной на лабораторно подтвержденные случаи. Однако ни одно опубликованное исследование не интегрировало данные о перемещениях из матрицы отслеживания перемещения (IOM) с эпидемическими прогнозами для предоставления оценок риска импорта и распространения на субнациональном уровне. В реальном времени моделирование сверхвспышек через границу для вируса Бундиbugyo было весьма ограниченным, а отсутствие лицензированной вакцины против вируса Бундиbugyo усложняет стратегии готовности и реагирования. Одновременно Бангелеса и коллеги проводили исследование по картированию мобильности населения в провинции Итури, используя месячные данные из Flowminder (с марта 2025 по март 2026) и вычислили нормализованный индекс интенсивности мобильности (MII) для всех 340 санитарных зон. Их анализ показал, что провинция Итури имела второй по величине средний MII в стране (25.3), уступая лишь Киншасе (26.6), и в 2.4 раза превышала национальную медиану (10.7). Критически важным является то, что три зоны эпицентра вспышки - Рвампара (MII 68.6, ранг 2), Бунья (MII 62.6, ранг 3) и Могбвалу (MII 49.9, ранг 11) - все превышали 95-й национальный перцентиль (41.4), подчеркивая исключительную связанность затронутых зон. Дополнительные преимущества этого исследования. В то время как Бангелеса и др. установили макроуровень интенсивности мобильности провинции Итури относительно остальной части ДРК, наше исследование расширяет эту работу, строя направленную, взвешенную сеть мобильности на уровне округов в Уганде, используя данные о перемещениях из матрицы отслеживания перемещения (IOM) (11,245 наблюдаемых перемещений). Мы демонстрируем, что сеть мобильности крайне неравномерна (Джини 0.67) и модульная (модулярность 0.5), при этом Кисоро выступает в качестве основного порта импорта (входящая сила 3,823), а Кампала - как округ с самой высокой нагрузкой (22 медианных случая). Мы также показываем, что реакция 7-1-7 сама по себе вполне вероятно сдержит вспышку до примерно 22 случаев, а дополнительные ненаркотические интервенции не принесут статистически значимого добавленного эффекта. Анализ чувствительности Соболя выявляет инфекционный период (первый порядок 0.838), летальность случаев (0.738) и основной коэффициент рождаемости (0.664) как наиболее влиятельные параметры, что информирует приоритеты целенаправленного сбора данных. Это первое исследование, предоставляющее оперативные рекомендации на уровне округов для реагирования на вспышку вируса Бундиbugyo с использованием данных о мобильности в реальном времени. Импликации всех доступных доказательств. Планы готовности должны приоритизировать целенаправленное наблюдение в высокорискованных центрах импорта (Кисоро для пограничного контроля) и внутренних эпидемических центрах (Кампала для ресурсов реагирования), а не ненаправленные национальные вмешательства. Исключительная связанность пострадавших зон, обрисованная Бангелеса и др., при том что провинция Итури имеет второй по величине MII в стране, и все три зоны эпицентра превышают 95-й процентиль, делают отслеживание контактов чрезвычайно трудоемким. Отсутствие лицензированной вакцины против вируса Бундиbugyo исключает стратегию вакцинации по кругу, которая была эффективна во всех шести предыдущих вспышках Эболы в ДРК, вызванной вирусом Эбола Заира. Быстрая характеристика специфических штаммов биологических параметров через отслеживание контактов и анализ последовательного интервала может дать большую отдачу, чем уточнение операционных протоколов. Усиленное трансграничное наблюдение в рамках Международных медицинских правил 2005 года и рамок Чрезвычайной общественной безопасности АфриканскогоCDC жизненно важно для гармонизации обнаружения и реагирования по всему тройному границе ДРК-Уганда-Южный Судан.

Цель данного исследования заключается в понимании восприятия и предоставления услуг по уходу за пережившими рак среди онкологических пациентов, а также в выявлении преград для качественного ухода. Результаты также предоставят инсайты, которые помогут Cancer Council NSW разработать рекомендации по политике, направленные на обеспечение комплексной поддержки для выживших на протяжении их пути после лечения. В исследовании был проведен перекрестный опрос среди выживших от рака в возрасте 18 лет и старше, которые завершили активное лечение (n = 209). Были собраны данные о опыте ухода за выжившими, преградах доступа и неудовлетворенных потребностях. Для анализа ассоциаций между результатами (удобство доступа к уходу, информация о поддерживающем уходе, эффективность ухода и неудовлетворенные потребности) и демографическими, социоэкономическими и клиническими предикторами использовались логистическая регрессия Фирта и порядковая регрессия. Большинство пациентов (64,2%) получили информацию о поддерживающих службах, и 72,2% сообщили, что их потребности удовлетворены, однако только 44,8% отметили, что доступ был легким. Уровень образования был значимо связан с эффективностью ухода после лечения; отсутствие плана ухода за пережившими рак было связано с более низкой воспринимаемой эффективностью ухода после лечения (откорректированный OR: 12,80, P < 0,001). Женщины сообщили о значительно больших трудностях в доступе к поддерживающим службам (откорректированный OR: 0,08, P = 0,004) по сравнению с мужчинами. Ключевыми преградами стали высокие расходы и длительное время ожидания записей на прием, особенно для психологической поддержки, физиологии упражнений и специализированного ухода. Для устранения преград в уходе за пережившими рак в Новом Южном Уэльсе необходимы целенаправленные политические интервенции, включая финансовую поддержку, улучшение доступа для различных полов и стандартизированные планы ухода за пережившими рак. Выводы помогают Cancer Council NSW выступать за рекомендации по политике, направленные на улучшение служб ухода за пережившими рак, обеспечивая равный доступ для всех выживших от рака.

Быстрые диагностические тесты (БДТ) поддерживают доступную диагностику заболеваний. Машинное обучение (МО) может улучшить интерпретацию БДТ, но часто полагается на большие, собственные и дорогостоящие библиотеки изображений из реального мира. Мы представляем SynSight - конвейер сегментации и классификации БДТ на основе МО, обученный на синтетических данных. Валидация проводилась на БДТ для ВИЧ (98% чувствительность, 99% специфичность) и COVID-19 (до 99% точности), SynSight позволяет быстро обучать МО без использования реальных обучающих изображений, успевая за развитием новых БДТ.

Принятие решений относительно мер контроля за вспышками заболеваний представляет собой сложную задачу, поскольку доступные данные несовершенны, а эффекты вмешательства неопределенны. Сложные модели заболеваний могут моделировать экономические и медицинские последствия вмешательства, однако значительные требования к данным или вычислительным ресурсам в сочетании со специальными знаниями, необходимыми для калибровки, ограничивают их применение в реальном времени. Существуют более простые, быстрые и универсальные инструменты, но, как правило, они лишь оценивают или прогнозируют динамику передачи при заданных предположениях. Мы представляем EpiControl, гибкий инструмент (на языке R) для моделирования общественного здравоохранения, который поддерживает принятие решений и подстраивает полу-механистические модели под рутинные данные, используя управление с обратной связью и обучение на основе моделей, чтобы сбалансировать сложное моделирование политики с реакцией в реальном времени. EpiControl генерирует сценарии вмешательства, которые автоматически обновляются в соответствии с развивающейся динамикой, минимизируют затраты, соответствуют установленным пользователем целям политики (например, подавление пиков эпидемий) и остаются устойчивыми к непредвиденным изменениям. Используя примеры на основе вируса Эбола и COVID-19, мы показываем, как EpiControl может быстро находить оптимальные политики вмешательства, которые предотвращают перегрузку больниц, сокращают общественные потрясения и сохраняют контроль, несмотря на неопределенности в иммунитете, вакцинациях и динамике вариаций патогенов.

Цели. Сравнить тенденции заболеваемости и смертности по онкологическим заболеваниям с растущей заболеваемостью среди молодых людей в Англии и оценить, наблюдается ли увеличение заболеваемости для ранних, поздних или обоих типов заболеваний. Методы и анализ. Мы использовали данные о заболеваемости и смертности от рака из Национальной службы регистрации заболеваний Англии (2001-2023). Анализ сосредоточился на 12 раках с увеличением заболеваемости (в среднем) среди молодых людей (20-49 лет) и более чем 500 случаев, диагностированных в 2023 году. Тенденции были количественно оценены путем вычисления среднего годового процентного изменения (AAPCs) и доверительных интервалов (CI) с использованием регрессии Joinpoint и расчета избыточного числа случаев рака в 2023 году по сравнению с 2001 годом. Возрастные стандартизированные показатели (ASRs) ранних (стадии 1-2) и поздних (стадии 3-4) заболеваний сравнивались между 2013 годом (самый ранний доступный год) и 2023 годом. Результаты. В 2023 году среди молодых людей было диагностировано 31,385 случаев рака по сравнению с 244,384 случаями среди более старших людей. Наиболее распространенными раками, диагностированными среди молодых людей, были рак молочной железы (n=8,504), колоректальный рак (n=2,977) и меланома (n=2,767). Из 12 раков, которые росли среди молодых людей между 2001 и 2023 годами, только два также имели увеличение уровней смертности: эндометриальный (AAPC[95% CI]= заболеваемость 2.9%[2.4-3.4%] и смертность 4.0%[2.1-6.0%]) и колоректальный рак (AAPC[95% CI]= заболеваемость 3.2%[2.8-3.6%] и смертность 1.9%[1.1-2.7%]). Уровни смертности от рака щитовидной железы оставались стабильными, а для остальных раков (рак молочной железы, яичек, яичников, почек, мозга, простаты, лимфома Ходжкина и лейкемия) хотя заболеваемость увеличивалась, уровни смертности, в среднем, уменьшались. Из десяти раков с доступными данными по стадиям шесть показали увеличение заболеваемости как для ранних, так и для поздних стадий заболеваний между 2013 и 2023 годами. Четыре рака показали увеличение только в поздних стадиях заболевания (рак молочной железы, яичников, меланома и лимфома Ходжкина), в то время как рак щитовидной железы показал увеличение только в ранних стадиях заболевания. Заключение. Эти широкомасштабные анализы национальных данных из Англии, комбинирующие заболеваемость раком, смертность и тенденции по стадии, подчеркивают несколько приоритетов в области общественного здравоохранения и исследований. К ним относится выявление причин увеличения заболеваемости колоректальным раком среди молодых людей, учитывая резкое увеличение смертности и поздних стадий заболевания, а также увеличение заболеваемости раком молочной железы, который затрагивает наибольшее количество молодых людей и увеличивается только для поздней стадии заболевания. КЛЮЧЕВЫЕ СООБЩЕНИЯ. Что уже известно по этой теме. Уровни заболеваемости для нескольких раков растут среди молодых людей в Англии. Данные из США показали увеличение поздних стадий заболевания для нескольких раков, увеличивающихся среди молодых людей, но параллельное увеличение смертности наблюдалось только для колоректального и эндометриального раков. Что добавляет это исследование. У молодых людей уровни заболеваемости поздними стадиями заболевания увеличились с 2013 по 2023 год для всех раков с доступными данными по стадиям, кроме рака щитовидной железы. Однако только эндометриальный и колоректальный раки показали параллельное увеличение уровней смертности с 2001 по 2023 год. Несмотря на эти увеличения, абсолютные числа диагнозов и смертей оставались относительно небольшими по сравнению с таковыми у более старших людей (старше 50 лет). Как это исследование может повлиять на исследования, практику или политику. Это исследование определяет текущие приоритеты в области исследований и профилактики рака, интерсепции и раннего выявления среди молодых людей, подчеркивая необходимость углубленного изучения раков с одновременным увеличением заболеваемости, смертности, а также для ранних и поздних стадий заболевания.

Фон. Медицинским организациям все чаще требуется принимать стратегические решения о системах искусственного интеллекта (ИИ) до полного понимания их клинической ценности, операционных последствий, требований к управлению и влияния на рабочую force. Пилоты клинического ИИ могут уменьшить эту неопределенность только в том случае, если они генерируют управленческие доказательства, имеющие значение, помимо ретроспективной оценки работы моделей, включая доказательства по интеграции рабочих процессов, архитектуре управления, взаимодействию пользователей, ответственностью и непрерывному обучению. Цель. Это исследование направлено на изучение того, как перспективное внедрение системы поддержки принятия клинических решений (CDSS), основанной на ИИ, в отделении интенсивной терапии (ОИТ), выявило организационные и связанные с управлением неопределенности, а также на выработку переносаемого управленческого инструментария для развертывания клинического ИИ на ранней стадии. Методы. Мы провели перспективную однопортальную оценку внедрения CDSS на основе машинного обучения для прогнозирования продолжительности пребывания в ОИТ в хирургическом отделении ОИТ в немецком университете. Исследование включало 267 подряд пребываний в ОИТ и было одобрено Этическим комитетом ЛМУ Мюнхен (Проект № 24-0336) и зарегистрировано в Немецком реестре клинических испытаний (DRKS00037851). Оценка сочетала пять управленческих областей: интеграция рабочих процессов и операционное принятие, архитектура управления и влияние защиты данных, постоянный бенчмаркинг у постели как механизм непрерывного обучения, встроенная этика и дизайн ответственности, а также взаимодействие человека и ИИ с учетом гетерогенности пользователей, оцененной с помощью инструмента Психологической оценки ИИ-систем поддержки принятия решений. Результаты. Внедрение показало, что неопределенность, связанная с ИИ, генерировалась в основном на стыке между CDSS и ее организационной средой. Небольшая нагрузка "глянуть и оценить" рабочий процесс позволила консультантам и врачам-резидентам регулярно использовать систему, с долями использования 72% (191/267) и 61% (162/267) соответственно. Требования к управлению привели к необходимости архитектуры с раздельными данными, с одним обновлением данных в день, что обеспечивало соблюдение норм, но создавало операционные задержки; устаревшие записи в списках случаев возникли в 4 из 148 отмеченных случаев (2.7%). Живой бенчмаркинг функционировал как обратная связь и поддерживал исследовательское уточнение модели, со средней абсолютной ошибкой CDSS, снижающейся с 5.95 до 4.12 дней после первого обновления модели. Встроенная этика информировала о процессе внедрения, рамках ответственности, формулировках интерфейса и дизайне объяснимости. Оценка взаимодействия человека и ИИ предполагала гетерогенные архетипы пользователей с различными потребностями в управлении изменениями. Заключение. Развертывание клинического ИИ следует рассматривать как процесс организационного обучения, а не как чисто техническую реализацию. Соответствующим объектом управления является развернутая социотехническая система, включая рабочий процесс, архитектуру управления, обратные связи, этику и взаимодействие с пользователем. Мы предлагаем инструментарий управления, учитывающий аспекты управления, который поможет администраторам и специалистам в области цифрового здравоохранения различать разрешимую неопределенность проектирования внедрения от истинного отсутствия клинической ценности и поддерживать поэтапные, основанные на доказательствах решения относительно масштабирования, инвестиций и окончательной оценки.