儿童
Orthofix公司宣布其Fitbone TAA内髓肢体延长系统的植入手术已突破5000例。
波士顿儿童医院开始进行FDA批准的临床前试验,测试其可随儿童发育而生长的心脏瓣膜Autus Valve在2至11岁儿童中的有效性。该心脏瓣膜设计可以让儿童在成年之前保持相同的假体心脏瓣膜,从而避免多次开刀风险。该瓣膜的设计旨在模仿下肢静脉内的瓣膜,并成功进行了一系列实验。
一项发表在JAMA Network Open上的研究描述了一组基于电子病历数据的预测分析工具如何使用1岁之前收集的患者数据早期检测自闭症。这些工具的准确性得到了验证,可以帮助患者和家庭获得适当的行为支持和资源,从而提高治疗效果。
SeaStar Medical和Nuwellis宣布达成独家授权协议,Nuwellis将市场推广和分销SeaStar的选择性细胞裂解设备(SCD),该设备可治疗儿童急性肾损伤(AKI)。SCD通过选择性靶向最活跃的前炎症中性粒细胞和单核细胞来停止细胞因子风暴。
研究人员使用MRI检查鉴定出注意力缺陷/多动障碍(ADHD)的生物标志物,并展示了基于机器学习的神经影像在支持该疾病的诊断、治疗和监测方面的潜在作用。
一项最新研究发现,一种新型症状筛查工具能够有效检测儿童哮喘风险水平、持续性喘息症状和医疗负担。该工具可用于3岁儿童,通过检测哮喘迹象,如哮喘发作的时间和次数,以及使用吸入性皮质类固醇等,来识别5岁时哮喘或持续症状的儿童。
一项研究发现,机器学习算法可以区分儿童多系统炎症综合征(MIS-C)和川崎病(KD),这两种疾病具有高度相似的分子模式。研究人员从1,517名患者中收集数据,使用深度学习算法KIDMATCH比较患者年龄、临床KD的五个体征和其他17项实验室测量结果,成功区分了这两种疾病。
研究人员在《自然生物医学工程》杂志上发表的一项研究中,介绍了一种新的血液测试系统,通过人工智能和纳米技术,增强了儿童结核病的诊断过程。该测试系统能够准确检测出结核病的存在,为结核病的诊断和治疗提供了新的技术手段。
一项新研究发现,基于人工智能的临床决策工具可以帮助改善卫生条件差的地区腹泻病的抗生素管理。该工具可以预测病情是否由病毒引起,从而避免滥用抗生素导致的抗生素耐药问题。
一项研究发现,通过社会人口学、生活方式和健康状况因素,预测模型可以准确预测儿童癌症幸存者的健康相关生活质量。这些预测因素对于制定干预措施以改善儿童癌症幸存者的预后至关重要。