12.09-12.15 临床预测模型研究顶刊快报

1. 用于新生儿黄疸筛查的智能手机应用程序的开发和验证 12.11  JAMA Network Open 

1. 加速生物衰老会增加缺血性卒中或短暂性脑缺血发作患者短期和长期卒中预后的风险 12.10  eBioMedicine

2. 在医学图像分析模型中，偏差在何处、为什么以及如何学习？使用合成数据对卷积网络中的偏差编码的研究  12.12  eBioMedicine

3. 前瞻性多中心脓毒症队列中与死亡率相关的血浆蛋白质组动力学  12.15 eBioMedicine

4. 战争对乌克兰2型糖尿病患者的影响：一项调查研究  12.15 eClinicalMedicine  

1. 用于新生儿黄疸筛查的智能手机应用程序的开发和验证

Development and Validation of a Smartphone Application for Neonatal Jaundice Screening

(1) 目的：本研究旨在开发和验证一种基于智能手机的机器学习应用程序，以使用肤色分析预测多种族新生儿的胆红素水平。

(2) 结论：在这项基于智能手机的新型机器学习应用程序的诊断研究中，与总血清胆固醇具有良好的相关性和统计学一致性，灵敏度为100%。该筛查工具有可能成为新生儿黄疸筛查工具，治疗决策根据总血清胆固醇的参考标准做出。需要进一步的前瞻性研究来确定筛查工具在临床环境中的普遍性和成本效益。

1. 加速生物衰老会增加缺血性卒中或短暂性脑缺血发作患者短期和长期卒中预后的风险

Accelerated biological aging increases the risk of short- and long-term stroke prognosis in patients with ischemic stroke or TIA

(1) 背景：生物年龄是生理衰老的综合指标，与中风有明显的联系。关于加速生物年龄与既往中风患者中风预后之间关系的长期纵向研究很少，而且根据临床生化生物标志物计算的各种生物年龄指标对未来中风结局的预测能力差异仍不清楚。评估3种加速生物年龄指标对缺血性卒中或短暂性脑缺血发作患者短期和长期预后的作用，并确定最合适的预测因子。

(2) 解释：在这项前瞻性队列研究中，生物年龄指标的加速，尤其是基于多种生物指标物的衰老指数（PhenoAge），可能有助于识别具有短期和长期不良结果风险的中风患者，从而可能实现亚临床预防和早期干预。

2. 在医学图像分析模型中，偏差在何处、为什么以及如何学习？使用合成数据对卷积网络中的偏差编码的研究

Where, why, and how is bias learned in medical image analysis models? A study of bias encoding within convolutional networks using synthetic data

(1) 背景：由于各种未知偏差来源如何影响使用医学图像训练的深度学习模型的复杂性和不确定性，因此理解算法偏差的机制极具挑战性。这项研究旨在通过研究医学图像中的偏差在这些模型中的编码位置、原因和方式来弥合这一知识空白。

(2) 解释：这些结果是深入理解使用医学成像数据训练的深度学习模型中算法偏差的重要第一步。这项研究还展示了利用受控、合成的偏倚场景来客观研究捷径学习机制的好处。 

3. 前瞻性多中心脓毒症队列中与死亡率相关的血浆蛋白质组动力学

Mortality-associated plasma proteome dynamics in a prospective multicentre sepsis cohort

(1) 背景：脓毒症仍然是重症监护病房死亡的主要原因。了解脓毒症患者血浆蛋白质组的动态变化对于改善预后和治疗策略至关重要。

(2) 解释：本研究描述了与脓毒症死亡率相关的血浆蛋白质组的时间变化。这些发现为脓毒症病理生理学提供了新的见解，强调先天免疫系统是一个未被充分探索的网络，并可能为靶向治疗策略的开发提供信息。

4. 战争对乌克兰2型糖尿病患者的影响：一项调查研究

The impact of war on people with type 2 diabetes in Ukraine: a survey study

(1) 背景：尽管报告战争对乌克兰人口健康影响的研究数量不断增加，但关于评估战争期间2型糖尿病患者的数据仍然很少。这项研究旨在评估战争对2型糖尿病患者健康的影响，以确定促进疾病进展的关键危险因素。

(2) 解释：这项研究表明，战争对2型糖尿病患者健康产生了巨大的累积效应。发现与战争相关的直接和间接风险因素可以指导乌克兰进一步调整糖尿病护理，以改善2型糖尿病患者的支持。