ناباروری در مردان؛ عوامل خطر، علل و مدیریت – مروری

Infertility in male; risk factors, causes and management- A review

چکیده
معرفی
عوامل و علل ایجاد خطر
فاکتورهای پیش بیضه ای
عوامل مربوط به بیضه
عوامل پس بیضه ای
عوامل مربوط به هیپوتالاموس ـ هیپوفیز
عوامل محیطی
شیوه زندگی و ناباروری
بیماری های آمیزشی (STD) و ناباروری
عفونت در دستگاه ادراری و ناباروری
انسداد ساختمانی و ناباروری
اسپرماتوزوئید و ناباروری
شیمی درمانی و ناباروری
میکروارگانیسم ها و ناباروری
تشخیص بیماری
تاریخچه طب و معاینات فیزیکی
ممانعت
روش های درمانی
منابع

چکیده
ناباروری در میان زوجین منجر به تحمیل آسیب ها و رفتارهای اجتماعی خاصی می گردد که محققان این پدیده را بخصوص در میان زوجین آفریقایی خاطرنشان کرده اند. علیرغم اینکه در گذشته عوامل مربوط به زنان تنها عامل ناباروری محسوب می شد، امروزه کشف شده است که 20 تا 50 % موارد ناباروری را عوامل مربوط به آقایان تشکیل می دهند، بنابراین این نیاز وجود دارد که بررسی های مختلف انجام شده، توسط محققان مورد بازبینی و بررسی مجدد قرار گیرد. در این بررسی عوامل و اثرات مختلفی که در ناباروری مردان دخیل می باشند مورد بررسی قرار گرفت و همچنین کوشش هایی برای به روزرسانی اطلاعات در دسترس پیرامون مدیریت این عارضه انجام شد. هدف اصلی این تحقیق ایجاد اطلاعاتی است که بتواند در ارزیابی ناباروری مردان، به عنوان راهنما عمل کرده و در پیشبرد آن کمک کننده باشد. نشانه های آزمایشگاهی که احتمال استرس اکسیداتیو اسپرم را به عنوان دلیلی برای ناباروری مردان پیشنهاد می کند، عبارتند از : جنبش ضعیف اسپرم، تراتوزواسپرمیا یا ترانواسپرمیا، افزایش ویسکوزیته منی، احتمال موفقیت پایین در لقاح عادی آزمایشگاهی، پیشرفت ضعیف بلاستوسیت در غیاب فاکتور ماده مشخص، از جمله عوامل می باشد. خودداری از استعمال دخانیات، ماری جوانا و اعتیاد به مصرف افراطی الکل و نیز جلوگیری از گرم شدن بیش از حد بیضه ها و استفاده از لباس محافظ و بیضه بند هنگام شرکت در برخی ورزش هایی که برخورد و تماس زیاد اتفاق می افتد، پیشنهادات خوبی برای مقابله با ناباروری مردان می باشد.

عوامل و علل ایجاد خطر
فاکتورهای پیش بیضه ای
این عوامل شرایطی می باشند که مانع حمایت کافی از بیضه ها می شوند و شامل موقعیت هایی از جمله تقویت هورمونی ضعیف و سلامتی عمومی پایین که از جمله می توان به افت قند خون اشاره کرد؛ داروهایی مانند سایمتیدین و اسپیرونولاکتون که سطح هورمون فولیکولی (FSH) را کاهش می دهد، و داروی نیتروفورانتوئین که منجر به کاهش تحرک اسپرم می شوند نیز از عوامل ایجاد خطر در ابتلا به این عارضه می باشد. سبک زندگی اتخاذ شده ( همچون اعتیاد به مصرف الکل زیاد، ماری جوانا و سیگار کشیدن)؛ و فعالیت های شدید مانند دوچرخه سواری شدید، نیز از عواملی است که می تواند ابتلا به این بیماری را موجب شود.

عوامل مربوط به بیضه
این عوامل فاکتورهایی می باشند که بر کیفیت و کمیت مایع تولید شده توسط بیضه ها، تاثیر می گذارد، از جمله این عوامل می توان به سن، نقایص ژنتیکی کروموزوم Y (سندورم کلاین فلتر)، نئوپلاسم (یا تومور)، سرطان بیضه، کریپتورکیدیسم ( یا بیضه پنهان)، واریکوسل که 14 % از موارد ناباروری را تشکیل می دهند (9)، عفونت ویروسی اوریون (18)، و احتمال عوامل ایدیوپاتیک یا ناشناخته که 30 % از موارد ناباروری و عقیم بودن مردان را تشکیل می دهند، اشاره کرد (6). نقص در USP26 در بعضی موارد نیز منجر به بارداری می شود (35).

عوامل پس بیضه ای
عوامل پس بیضه ای منجر به کاهش باروری می شوند که به دلیل شرایطی است که پس از تولید اسپرم بر سیستم تناسلی مرد تاثیر می گذارد و شامل نقایص دستگاه تناسلی و همینطور مشکلات مربوط به انزال مانند: اختلالات نعوظ، انسداد مجرای وابران، فقدان مجرای وابران، عفونت هایی از جمله پروستاتیت ( التهاب در غده پروستات)، انسداد مجاری انزالی و هیپوسپادیاز (نقص مادرزادی در پیشابراه) می باشد.

ساختارهای بالینی و روانی اجتماعی برای مشارکت در غربالگری سرطان سینه، دهانه رحم و کولورکتال: یک بررسی سیستماتیک

Clinical and psychosocial constructs for breast, cervical, and colorectal cancer screening participation: A systematic review

چکیده

مقدمه

روش ها

استراتژی جستجو و جمع آوری داده ها

نتایج

انتخاب مطالعه

نتیجه ها درباره سؤال اول تحقیق و پژوهش

نتایج درباره سؤال دوم تحقیق و پژوهشی

بحث و نتیجه گیری

نتیجه گیری

منابع

چکیده

     تحقیق ها، طیف گسترده ای از عوامل روانی اجتماعی مربوط به انتخاب شرکت در غربالگری سرطان را شناسایی کرده است. با این حال، بررسی سیستماتیک چهارچوب های نظری و ساختارهای زیربنایی مطالعه ها درباره مشارکت غربالگری سرطان سینه، دهانه رحم و روده بزرگ هنوز عملی نشده است. به عنوان قسمتی از پروژه اقدام پژوهی “Miriade” ، مطالعه در حال حاضر با هدف شناسایی چهارچوب های نظری اصلی و ساختارهای به کار گرفته در پیشینه های تحقیق مربوط به پنج سال گذشته برای شرح مشارکت در غربالگری سرطان انجام شده است. طبق دستورالعمل های PRISMA ، جستجویی در پایگاه داده های MEDLINE/PubMed و PsycINFO انجام شده است. مطالعه های تجربی انجام گرفته از سال 2017 تا 2021 می باشند و از کلمه های کلیدی زیر استفاده شده است: غربالگری پستان یا دهانه رحم یا روده بزرگ و چسبندگی یا مشارکت یا درگیر شدن و چهارچوب نظری یا چهارچوب مفهومی یا نظریه. به صورت کلی، 24 مقاله، معیارهای ورودی را داشتند. هر چهارچوب نظری ساختارهای بالینی و روانی اجتماعی؛ مشارکت در غربالگری سرطان را با تمرکز کردن بر روی افراد (عملکرد عاطفی روانی و طرح مهارت) و یا دیدگاه های مربوط به خدمات بهداشتی برجسته می کند. نتایج و یافته های این مطالعه، اکثریت نسبی چهارچوب های نظری و ساختارهای به دست آمده را برای پیش بینی کردن یا ارتقای چسبندگی غربالگری سرطان سینه، دهانه رحم و روده بزرگ تأیید و در نهایت، تلاش های تحقیقاتی جدیدی به منظور بهبود اثربخشی، مداخله های ترویج غربالگری سرطان را تأیید می کند.

روش ها
     این بررسی سیستماتیک به دنبال روش جستجو و انتخاب کردن مطالعه های تنظیم شده در دستورالعمل های موارد گزارش برگزیده برای بررسی های سیستماتیک و فراتحلیلی (PRISMA) انجام شده است (Page et al., 2021).

استراتژی جستجو و جمع آوری داده ها
     مقاله ها از روش جستجو در پایگاه های اطلاعاتی MEDLINE/PubMed و PsycINFO با بهره گیری از “غربالگری سرطان سینه یا دهانه رحم یا کولون” و “چسبندگی یا مشارکت کردن یا تعامل” و ” چهارچوب نظری یا چهارچوب مفهومی یا نظریه” به عنوان کلمه های کلیدی شناسایی شده اند. مقاله ها در صورتی در نظر گرفته شده اند که دارای معیارهای ورود به مطالعه زیر را باشند: 1) آن ها مطالعه های تجربی بودند. 2) بیانه نظری روشنی را داشته اند. 3) حداقل یکی از سه نوع غربالگری سرطان، موضوع مطالعه بوده است. 3) به زبان ایتالیایی یا انگلیسی نوشته شده بودند و در آخر 4) بین ژانویه 2017 و اکتبر 2021 انتشار یافته اند.

     در مورد چهارمین معیار ورودی، بازه زمانی (5 ساله) جستجوی خودمان را توجیه می کنیم. این بررسی، مطالعه مقدماتی پروژه MIRIADE است که در دوره پنج ساله 2020 – 2025 ثبت شده است زیرا قسمتی از برنامه پیشگیری منطقه ای 2020 – 2025 است یا پاسخ محلی به برنامه پیش گیری ملی که توسط وزارت بهداشت ایجاد شده و هدف های گوناگونی را برای حوزه های مربوطه بهداشت عمومی مثل اجرای غربالگری سرطان تعیین می کند. با این بررسی سیستماتیک قصد داریم وضعیت پیشینه های تحقیق را از 5 سال قبل از شروع پروژه آن ها بررسی کنیم.

ارتباط فضایی بین آلودگی محیط زیست و مرگ و میر طولانی مدت سرطان در ایتالیا

The spatial association between environmental pollution and long-term cancer mortality in Italy

چکیده

نکات برجسته

1 مقدمه

2 مواد و روش‌ها

3 نتایج

4 تشریح

5 نتیجه گیری

مراجع

چکیده

     امروزه تومورهای سرطانی، پس از بیماری‌های قلبی دومین عامل مرگ و میر در جهان به شمار می‌روند. در خلال چند دهۀ اخیر که پژوهش‌هایی بر روی سرطان انجام شده است، سبک زندگی و عوامل تصادفی/ ژنتیکی مقصرین اصلی مرگ و میر سرطان هستند؛ که البته در کنار این دو، چاقی، عادت به کم‌تحرکی، استفاده از مشروبات الکلی، و سیگار کشیدن نیز از عوامل مؤثر در ابتلا به سرطان به شمار می‌روند. با این وجود، یک اجماع گسترده نیز در حال شکل‌گیری است که آلودگی زیست محیطی را نیز به عنوان یکی دیگر از مهم‌ترین عوامل ابتلا به سرطان در نظر می‌گیرد. متأسفانه، تمامی این شهود علمی همیشه از سوی دولت‌ها و بنگاه‌های وابسته به دولت مورد توجه و اعتنا قرار نمی‌گیرند؛ و آنها همچنان از پیگیری و بررسی ارتباطات موجود بین ابتلا به سرطان و عوامل زیست محیطی پرهیز می‌کنند. ما در این کار پژوهشی بی‌سابقه در مقیاس ملی، ارتباطات بین مرگ و میر ناشی از سرطان، عوامل اجتماعی-اقتصادی، و منابع آلودگی زیست محیطی در کشور ایتالیا را مورد ارزیابی قرار دادیم، که هر دو در مقیاس‌های ایالتی و منطقه‌ای بودند و از روش هوش مصنوعی استفاده شد. به طور کلی، ما به این نتیجه رسیدیم که مرگ و میر ناشی از سرطان دارای یک توزیع تصادفی یا فضایی نیست و عموماً در زمانی که آلودگی زیست محیطی نیز افزایش پیدا می‌کند، حتی با وجود سبک زندگی سالم‌تر، از میانگین ملّی تجاوز می‌کند. آموزه‌های ماشینی ما 35 منبع آلودگی زیست محیطی را تحت بررسی قرار داد که در این بین، کیفیت هوا رتبۀ نخست نگرانی بابت نرخ مرگ و میر ناشی از سرطان را به خود اختصاص داده است، و پس از آن، مکان‌هایی قرار دارند که باید مورد احیاء قرار گیرند، مناطق شهری، و ترافیک وسایط نقلیۀ موتوری. علاوه بر این، سایر منابع آلودگی زیست محیطی مسئول مرگ و میر، عامل اصلی مرگ و میر ناشی از برخی از انواع خاص سرطان هستند. با در اختیار داشتن این نتایج هشدار دهنده، به سراغ چیدمان مجدد پژوهش‌های سرطان می‌رویم و به این موضوع می‌پردازیم که کاهش و پیشگیری از آلاینده‌های زیست محیطی، از جمله اقدامات اولیه در مقابل مبارزه با سرطان باید مورد بازنگری و بازچیدمان قرار گیرند.

مواد و روش‌ها
     هدف اصلی این کار پژوهشی، بررسی ارتباطات چشمگیر و محتمل در بین توزیع فضایی منابع مختلف آلودگی و مرگ و میر ناشی از سرطان از طریق الگوریتم‌های ماشینی استاندارد می‌باشد. برای این منظور، داده‌های موجود را بر اساس مجموعه اصطلاحات اروپایی واحدهای آمایش سرزمینی (NUTS) در دو مقیاس مختلف مورد توجه قرار دادیم: (i) مناطق ایتالیا (NUTS 1) و (ii) ایالت‌ها (NUTS 2). در یک سطح منطقه‌ای، چندین شاخص اجتماعی–اقتصادی از مؤسسه ملی آمار ایتالیا به دست آمده است (ISTAT). برای این منظور، از سطح نخست برای یک آنالیز مقدماتی باثبات استفاده شد که مشتمل بر هر دو شاخص اجتماعی– اقتصادی و آلودگی است که مورد اخیر از طریق یک دادۀ متغیر پروکسی در مقیاس منطقه‌ای مورد الگوبرداری قرار گرفت که بیشتر این متغیرها وزن زیاد، سیگار، تخت‌های بیمارستانی آماده، سن، و درآمد می‌باشند (بخش S1 در مواد مکمل را ببینید).

     در مقیاس ایالتی، چندین سطح منبع آلودگی از طرف آژانس‌های منطقه‌ای برای حفاظت از محیط زیست شناسایی شده‌اند؛ در حالی که شاخص‌های اجتماعی– اقتصادی کمیاب هستند. منابع آلودگی زیست محیطی، حتی برای برخی از منابعی مورد ارزیابی قرار گرفت که قدرت ابتلای آنها به طور قطعی ثابت نشده است. سپس از یک سطح دوم برای ارزیابی عمیق روابط فضایی بالقوه در بین توزیع سرطان و آلودگی با استفاده از روش رگرسیون جنگل ]تصمیم گیری[ تصادفی (RF) به همراه یک آنالیز اهمیت جنبۀ بوروتا استفاده شد (کورسا و رادنیچی،2010).

     پس از ارزیابی شدت و اهمیت آماری RF، به بررسی و تحلیل مهم‌ترین عوامل دستاندرکار در مرگ و میر ناشی از سرطان پرداختیم. شکل (1) یک نمودار پیش بینی آنالیزهای صورت گرفته را نشان می‌دهد. داده‌های مربوط به آلاینده‌های زیست محیطی و منابع آلودگی مشتمل بر چندین مادۀ آلوده کنندۀ خاک، آب و هوا، از جمله حضور آنها در ایالت‌هایی که از فعالیت‌های شدید صنعتی و کشاورزی برخوردارند، هستند.

آنالیز دارویی زنان مبتلا به فیبروم رحم بر اساس فناوری داده کاوی

Analysis of medication data of women with uterine fibroids based on data mining technology

چکیده

مقدمه

محتوای تحقیقاتی

منابع مقالات

ایجاد دیتابیس

نرم افزارهای آماری و روش های داده کاوی

نتایج تحقیقات

آمار دارویی

تحلیل تاثیر داروها

تحلیل واکنش های دارویی مضر

جمع بندی

منابع

چکیده
     هدف این مقاله، تحلیل کردن مشخصه های تشخیص و درمان زنان با فیبروم رحمی بر اساس تکنولوژی های داده کاوی و قوانین استفاده از داروها می باشد. مقالات بالینی مرتبط با درمان فیبروم های رحمی ارائه شده در زیرساخت های علمی ملی چین (CNKI) از سال 2004 تا 2018 در این مقاله ارزیابی شده است و مقالاتی که با معیارهای مورد نیاز بر اساس معیار بررسی و معیار عدم بررسی مقالات تطابق داشتند، مورد جستجو قرار گرفتند. محتوای نسخه ها نیز در دیتابیس ها ثبت شده و نتایج تکرار داروها، داروهای رایج و قوانین اصلی استفاده از داروها در این مقاله در نظر گرفته شده است و با استفاده از تحلیل قوانین در نرم افزار تحلیل شده است تا بتوان در نهایت به تجزیه و تحلیل قوانین دارویی در پزشکی مدرن برای درمان فیبروم های رحمی دست پیدا کرد. از طریق تحقیق و تحلیل، مشخص شد که داروهای بالینی که به صورت رایج مورد استفاده قرار می گیرند شامل لوپرولینین (GnRH-a) ، دانا زول (آندروژن) ، ژسترونون (پروژستین) ، مییفپریستون (آنتاگونیست گیرنده پروژسترون) و برخی موارد از درمان ترکیبی می باشد. بر اساس تحلیل تکرار داروها، تاثیرات درمانی و عوارض جانبی دارو ها، مشخص شد که استفاده بالینی از مییفپریستون در درمان های فیبروم های رحمی معمولا رایج می باشد که این دارو باعث شکل گیری تاثیر محسوس همراه با عوارض جانبی خفیف می شود به همین دلیل بهتر است که این دارو در شرایط بالینی بیشتر مورد استفاده قرار گیرد. ازین رو، نتایج این مطالعه میتواند مبانی جدیدی ار برای تحقیقات بالینی و مبنایی برای پزشکی سنتی چینی در درمان فیبروم های رحمی ایجاد کند اما هنوز هم نیازمند اعتبار سنجی توسط تفسیر متخصص ها، تحقیقات آزمایشی و روش های دیگر می باشد.

محتوای تحقیقاتی
منابع مقالات
     ما در این تحقیق صفحه اصلی CNKI را باز کرده و سپس با استفاده از قسمت جستجوی پیشرفته، کار خودمان را انجام دادیم. عبارت جستجوی «متن کامل» در این تحقیق انتخاب شد و کلمات تحقیقاتی نیز شامل «فیبروم های رحمی» و «پزشکی» بودند. ما از روش تطابق فازی استفاده کردیم و از روش توالی زمانی بهره بردیم. عبارت جستجو نیز در بازه های زمانی 1 ژانویه 2004 تا 31 دسامبر 2018 انتخاب شد و بقیه تنظیمات نیز به صورت پیش فرض اعمال شدند. از سال 2004 تا 2018 ،تعداد 1152 مقاله پزشکی مرتبط با درمان فبیروم های رحمی در پزشکی غربی در CNKI شناسایی شد. بر اساس معیار بررسی و معیارهای عدم بررسی این مقالات، تعداد 328 مقاله که مطابق با الزام های تحقیقاتی مورد نیاز ما بودند انتخاب شدند.

     معیار بررسی مقالات: گزارش های بالینی و یا آزمایش های بالینی در رابطه با درمان فیبروم های رحمی با پزشکی جامع چینی و غربی و یا پزشکی سنتی چینی؛ آزمایش های متخصص ها ( با نسخه کامل)؛ و مقالات در رابطه با داروهای تجویز شده در دوز های خاص. معیار عدم بررسی مقالات: مقاله های مرتبط با پیش گیری بازگشت فیبروم های رحمی بعد از جراحی؛ مقالاتی که در آن ها داروهای تجویز شده منتشر نشده اند و یا مقالاتی که داروهای تجویز شده در آن ها دقیق نیستند؛ مرور مقالات و آزمایش های حیوانی؛ مقالات مرتبط با تنقیه و اسعمال خارجی درمان های TCM؛ مقالاتی که نسخه های دارویی آن ها تکراری هستند؛ و گزارش های مقالات در رابطه با درمان فیبروم های رحمی بدون استفاده از پزشکی سنتی چینی.

ایجاد دیتابیس
     بر اساس شرایط پویش بالا، نسخه هایی که مطابق با الزام این مقاله بودند شناسایی شدند. سپس ما از اکسل استفاده کردیم تا بتوانیم دیتابیس نسخه های مورد استفاده برای فیبروم های رحمی را ایجاد کیم. تعداد کلی دو گروه از دیتابیس ها در این مقاله ایجاد شد. دیتابیس اول یک دیتابیس عمومی بود که شامل پنج آیتم از تعداد نسخه ها، نام نسخه ها، منبع نسخه ها و نشانه های بیماری و پزشکی سنتی چینی بود. دیتابیس دوم نیز یک دیتابیس در رابطه با نسخه های دارویی بود که از پزشکی سنتی چینی ایجاد شده بود و بر اساس این موضوع ثبت شده بود که آیا روش پزشکی خاصی در نسخه ها دیده می شود یا خیر که حضور این موضوع بر اساس پارامتر T مشخص می شد و غیاب این روش نیز به صورت F مشخص می شد. این کتابخانه از اطلاعات قابلیت تحلیل در SPSS20.0 و SPSS Modeler14.1 برای توصیف های آماری را داشت و می شد برای مدل سازی از آن ها استفاده کرد.

کاربرد MRI برای تشخیص نئوپلاسم ها

Application of MRI for the Diagnosis of Neoplasms

1 مقدمه

2 مواد و روش ها

3 نتایج

4 بحث

5 نتیجه گیری

منابع

     هدف: هدف این مطالعه تعیین معمول ترین نئوپلاسم های تشخیص داده شده با اسکن MRI و نشان دادن ارتباط آنها براساس متغیرهای توصیفی می باشد. روش ها: نرم افزار SPSS برای تعیین شیوع نئوپلاسم در تشخیص های ویژه براساس متغیرهای توصیفی جمعیت مورد مطالعه به کار گرفته شد. طی دوره پنج ساله، 791 بیمار و 839 مورد اسکن MRI در فهرست نئوپلاسم شناسایی شد (C00-D48 با توجه به دسته بندی آماری بین المللی بیماری ها و مشکلات سلامتی مرتبط ICD-10). نتایج: زنان میزان بیشتری از C00-D48 (56%) را نسبت به مردان (44%) نشان دادند. سه دسته از نئوپلاسم ثبت گردید. علاوه بر این نئوپلاسم های خوش خیم که بیشترین تعداد را شامل می شدند اساساً در بیمارانی که در دهه پنجم زندگیشان بودند، تشخیص داده شد که شامل نئوپلاسم مغز و دیگر بخش های سیستم عصبی مرکزی نیز بود. نتیجه گیری: مردان با سن کمتر از 30 سال و دارای نئوپلاسم نرخ اسکن MRI سه برابری نسبت به زنان با همان گروه سنی داشتند. هرچند زنان در دسته های دیگر سابقه اسکن بیشتری داشتند. مردان جوان اغلب زمانی که مشکوک به داشتن نئوپلاسم هستند برای اسکن انتخاب می شوند. در نهایت تعداد نئوپلاسم هایی که از طریق MRI تشخیص داده شدند نشان دهنده افزایش خطی سالیانه بود.

2 مواد و روش ها
     جمعیت مورد مطالعه شامل بیمارانی بود که بوسیله سیستم Siemens Magnetom Trio A Tim بیمارستان بالینی دانشگاه در Olsztyn (UCH) طی سال های 2011 تا 2015 مورد بررسی قرار گرفته بودند. داده در آزمایشگاه MRI بیمارستان جمع آوری گردید. جمعیت بیماران در محدوده سنی 2 تا 92 سال بودند. تعداد اسکن ها و بیماران و مشخصات بیماران مورد بررسی قرار گرفت تا بین دسته بندی C و D دسته بندی آماری بیماری ها و مشکلات سلامتی (ICD-10) ارتباط برقرار کنیم [13]. فرایند کد دهی بیماران و تشخیص در مطالعات قبلی ما شرح داده شده است [14].

     نرم افزار IBM SPSS Statistics v.24 برای پردازش و آنالیز داده ها مورد استفاده قرار گرفت. داده های سالانه و داده های دوره پنج ساله مورد آنالیز قرار گرفت تا دموگرافی کلی و تشخیص کلی با توجه به تعداد بررسی های انجام شده (تعداد ویزیت ها) یا تعداد بیماران نشان دهنده کد C و D، بدست آید. به منظور شناسایی کاربرد MRI، آمار توصیفی برای نواحی مورد نظر به کار گرفته شد. نرم افزار SPSS برای تخمین متغیرهایی مانند جنس، سن بیماران و کدهای تشخیصی خاص مورد استفاده قرار گرفت. Cross-tabulations برای بررسی ارتباط بین متغیرها و تست X2 نیز برای تعیین سطح اهمیت نواحی انتخاب شده استفاده شد؛ با این حال تنها در صورتی که هر گروه حداقل پنج مشاهده داشته باشد.

3 نتایج
     بین سال های 2011 تا 2015 تعداد 13298 مورد اسکن MRI در آزمایشگاه مربوط به UCH انجام شده است. آنالیز توزیع دسته های کدبندی شده با توجه ICD-10 در مطالعه قبلی ما انجام شده بود [14]. معمول ترین گروه از بیماری و اختلالاتی که با MRI بررسی شده بود، تعیین شد و دسته نئوپلاسم (C و D) جزو پنج بیماری غالب شناسایی شده در آزمایشگاه UCH بود. جدول 1 تعداد ویزیت ها و تعداد بیماران مرتبط با کدهای C و D در دوره پنج ساله و به طور منحصر به فرد برای هر سال از بازه سال های 2011 تا 2015 را نشان می دهد. بیماران با کدهای C و D به عنوان یک دسته شامل همه نئوپلاسم ها (C00-D48)، بیماری خون و اندام های خون ساز و اختلالات خاص درگیر کننده مکانیسم های ایمنی (D50-D89) در نظر گرفته شدند. 792 بیمار در دسته C و D بودند. هرچند یک بیمار با کد D 64 نشان دهنده بیماری خون بوده و به دلیل اینکه نئوپلاسم نداشت، بنابراین از مطالعه آماری کنار گذاشته شد.

چارچوب یادگیری عمیق براساس اختلاط دو روش S-Mask R-CNN و Inception-v3 برای تشخیص سرطان پروستات توسط تصاویرسونوگرافی

Deep learning framework based on integration of S-Mask R-CNN and Inception-v3 for ultrasound image-aided diagnosis of prostate cancer

چکیده

1- معرفی

2- عملیات مرتبط

3- قطعه بندی تصاویر

3-1 پیچیدگی سوبل

3-2 شبکه RPN

3-3 لایه ROIAlign

3-4 تابع شکست

3-5 شبکه پیچشی کامل

4- طبقه بندی تصاویر

4-1 واحد Inception

4-2 توابع هزینه اختلاف آنتروپی

4-3 حذف تصادفی

4-4 تعلیم مدل شبکه

4-5 شاخص های سنجش نتایج طبقه بندی

5- مجموعه اطلاعات و ساختار محیط تجربی

5-1 مجموعه اطلاعات

5-2 تنظیمات پارامترها

6- نتایج آزمایش

6-1 آنالیز تشخیص

6-3 آنالیز نتایج

7- نتیجه گیری

چکیده

تشخیص تصاویر سونوگرافی پروستات به کمک کامپیوتر می تواند به کشف بیماری و درمان سرطان پروستات کمک کند. با این وجود تصاویر سونوگرافی که از پروستات به دست می آید گاهی با نقطه های صوتی سنگین، نسبت پایین سیگنال به صدا و دقت پایین بررسی همراه می باشد. به منظور فائق آمدن بر این نقص، ما مدل تکنیک یادگیری عمیق را در این مقاله مطرح کردیم که S-Mask R-CNN و Inception-v3 را در تشخیص بیماری سرطان پروستات به کمک تصاویر سونوگرافی با یکدیگر ادغام می کند.  از S-Mask R-CNN برای درک دقیق قطعه بندی تصاویر سونوگرافی پروستات  و تکثیر مناطق منتخب استفاده شد. برای درک نقطه جایگاه یابی در ویژگی های پیکسل از تراز الگوریتم برای منطقه مورد نظر استفاده شده است. ویژگی های پوشش باینری یا دوتایی (یک اصطلاح تخصصی در مهندسی کامپیوتر می باشد) در تصاویر پروستات توسط شبکه پیچیده ای برای قطعه بندی ناحیه پروستات و زمینه آن به وجود آمده است. سپس، اطلاعات زمینه ای ذخیره شد، و مجموعه اطلاعات مربوط به تصاویر قطعه بندی شده سونوگرافی پروستات، برای شبکه Inception-v3 به منظور شناسایی آسیب ساخته شد. طرح شبکه جدید اضافه شد تا جایگزین رده بندی اصلی نمونه باشد، که این شبکه از گسترش به جلو و عقب تشکیل شده است. گسترش رو به جلو اساسا ویژگی های استخراج شده از لایه پیچیده، لایه مشترک و زیر لایه مشترک سوم را به لایه درونی منتقل می کند و این کار را از طریق تکنیک یادگیری انتقال انجام می دهد و سپس مقادیر کاهش یافته بین طبقه بندی ها و مقادیر علامت دار را محاسبه می کند تا سونوگرافی آسیب پروستات را تشخیص دهد. نتایج پیشنهادی نشان داد که روش مطرح شده می تواند به طور دقیق تصاویر سونوگرافی پروستات و اطلاعات قطعه بندی پروستات را در سطح پیکسل به طور همزمان مشخص نماید. این روش پیشنهاد شده نسبت به تشخیصی که پزشکان بطور دستی انجام می دهند و نیز دیگر روش های تشخیص بیماری، دارای دقت بالاتری است. روش ساده و کارآمد ما به عنوان مبنای شروع بسیار قابل اطمینان عمل می کند و منجر به تسهیل تحقیقات آینده در تشخیص یارانه ای تصاویر سونوگرافی پروستات می شود. گذشته از این، این عملیات، پیشرفت تکنولوژی های تشخیص سونوگرافی را در سرطان پروستات موجب می شود. 

7- نتیجه گیری 

مدل یادگیری عمیق که S-Mask R-CNN و Inception-v3 را در تشخیص سرطان پروستات به کمک تصاویر سونوگرافی یکپارچه می کند، در این مقاله مطرح شده است. مجموعه ای از تصاویر سونوگرافی پروستات با قطعه بندی و طبقه بندی ساخته شد و روش مطرح شده در این مقاله در این دستگاه آموزش داده شد. این مدل شبکه برای به دست آوردن جایگاه یابی صحیح نقاط ویژگی در تصاویر سونوگرافی پروستات از الگوریتم ROIAlign استفاده می کند. شبکه ترکیب شده ResNet-101 و RPN موجب بهبودی دقت قطعه بندی شده است، و پوشش باینری تصاویر سونوگرافی پروستات، از طریق FCN ایجاد شد تا به تاثیر قطعه بندی تصاویر و ناحیه پس زمینه دست یابد. طبقه بندی مدل اصلی لایه softmax، با مدل شبکه دسته بندی Inception-v3 جایگزین می شود (لایه softmax به لایه آخر میگن که خروجی لایه قبل رو میگیرد). بر اساس تست مقایسه ای، هر مدل شبکه قدیمی، روش استفاده شده در این مقاله می تواند کشف و تشخیص بیماری را بهبود بخشد بدون اینکه در محاسبات و مدل، افزایش قابل توجهی در پیچیدگی دیده شود. گام بعدی؛ گسترش دادن مجموعه اطلاعات حاضر  و استفاده از الگوریتم درون یابی خطی مکعبی است که جایگزین الگوریتم درون یابی دو خطی می باشد و به منظور پیشرفت و بهبود دقت قطعه بندی می باشد و از این رو بهبود اثرات آن بر تشخیص  بهبود می یابد. براساس تحقیقات حاضر، این مدل در زمینه سه بعدی به حد مطلوب و بهینه رسید و مورد استفاده قرار گرفت. 

Abstract

The computer-aided diagnosis of prostate ultrasound images can aid in the detection and treatment of prostate cancer. However, the ultrasound images of the prostate sometimes come with serious speckle noise, low signal-to-noise ratio, and poor detection accuracy. To overcome this shortcoming, we proposed a deep learning model that integrates S-Mask R-CNN and Inception-v3 in the ultrasound image-aided diagnosis of prostate cancer in this paper. The improved S-Mask R-CNN was used to realize the accurate segmentation of prostate ultrasound images and generate candidate regions. The region of interest align algorithm was used to realize the pixel-level feature point positioning. The corresponding binary mask of prostate images was generated by the convolution network to segment the prostate region and the background. Then, the background information was shielded, and a data set of segmented ultrasound images of the prostate was constructed for the Inception-v3 network for lesion detection. A new network model was added to replace the original classification module, which is composed of forward and back propagation. Forward propagation mainly transfers the characteristics extracted from the convolution layer pooling layer below the pool_3 layer through the transfer learning strategy to the input layer and then calculates the loss value between the classified and label values to identify the ultrasound lesion of the prostate. The experimental results showed that the proposed method can accurately detect the ultrasound image of the prostate and segment prostate information at the pixel-level simultaneously. The proposed method has higher accuracy than that of the doctor’s manual diagnosis and other detection methods. Our simple and effective approach will serve as a solid baseline and help ease future research in the computer-aided diagnosis of prostate ultrasound images. Furthermore, this work will promote the development of prostate cancer ultrasound diagnostic technology.

7- Conclusion

A deep learning model that integrates S-Mask R-CNN and Inception-v3 in ultrasound image-aided diagnosis of prostate cancer was proposed in this paper. A set of ultrasonic images of the prostate with segmentation and classification were constructed, and the model of this paper was trained on the set. This network model used the ROIAlign algorithm to achieve accurate positioning of feature points in prostate ultrasound images. The combined ResNet-101 and RPN networks improved the segmentation accuracy, and the corresponding binary mask of prostate ultrasound images was generated through FCN to achieve the segmentation effect of the prostate and background regions. The original model classification softmax layer was replaced with an improved Inception-v3 classification network model. Based on the comparison test of each classical network model, the method used in this paper can improve the detection without significantly increasing the complexity of calculation and model. The next step is to expand the current data set and use cubic linear interpolation algorithm instead of bilinear interpolation algorithm to improve the segmentation accuracy and thus improve the effect of model detection. Based on existing research, the model was optimized and applied to the 3D field.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

چارچوب یادگیری عمیق براساس اختلاط دو روش S-Mask R-CNN و Inception-v3 برای تشخیص سرطان پروستات توسط تصاویرسونوگرافی

Deep learning framework based on integration of S-Mask R-CNN and Inception-v3 for ultrasound image-aided diagnosis of prostate cancer

تشخیص و طبقه بندی خودکار مبتنی بر اشعه ایکس و سی تی اسکن covid-19 با شبکه های عصبی کانولوشن (CNN)

X-ray and CT-scan-based automated detection and classification of covid-19 using convolutional neural networks (CNN)

چکیده

۱. مقدمه

۲. بررسی آثار

3.مواد و روش‌ ها

3.1. روش پیشنهادی

3.2.مجموعه داده

3.3. ایجاد شبکه عصبی پیچشی

۴. نتایج و مباحث

4.1. نتایج

4.2. بحث

5.نتیجه ‌گیری

مراجع

چکیده

کووید-19 (بیماری کرونا ویروس- ۲۰۱۹) جدیدترین بیماری مرتبط با کرونا ویروس است که از سوی سازمان جهانی بهداشت (WHO) به عنوان بیماری همه گیر اعلام شده است. به علاوه، این بیماری، کل کره زمین را به دلیل ورود سراسر جهان به قرنطینه متوقف کرده و میلیون ها نفر را به کام مرگ کشانده است. هرچند این ویروس میزان تلفات کمی دارد، اما مشکل اینجاست که بسیار مُسری است و در نتیجه افراد زیادی را آلوده کرده و بار زیادی را روی دوش سیستم بهداشت و درمان گذاشته است؛ از این رو، شناسایی کووید-19 در بیماران حیاتی شده‌ است. هدف از انجام تحقیق حاضر این است که با استفاده از تصاویر اشعه ایکس و تصاویر توموگرافی کامپیوتری یا مقطع نگاری رایانه ای (CT) یک راهبرد یادگیری عمیق مبتنی بر شبکه عصبی پیچشی (CNN) ارائه شود تا بتوان نسبت به تشخیص و شناسایی خودکار بیماری کووید-19 اقدام کرد. دو طبقه ‌بندی مختلف را به کمک شبکه های عصبی پیچشی (همگشتی) اجرا کردیم که عبارتند بودند از طبقه ‌بندی دودویی و چند کلاسه. در مجموع، یک مجموعه داده مشتکل از ۳۸۷۷ تصویر سی تی اسکن و اشعه ایکس برای آموزش مدل در طبقه بندی دودویی به کار گرفته شده‌ است که از میان آنها ۱۹۱۷ تصویر متعلق به افراد مبتلا به کووید-19 است. صحت کلی 64/99 درصد، یادآوری (Recall) (یا حساسیت) 58/99 درصد، دقت 56/99 درصد، امتیاز اف1 (F-1 score) برابر با 59/99 درصد و ROC (مشخصه عملکرد گیرنده) برابر با۱۰۰ درصد در طبقه ‌بندی دودویی مشاهده شده‌ است. در طبقه ‌بندی چندگانه، مدل با استفاده از کل 6077 تصویر آموزش دیده است که از میان آنها 1917 تصویر به افراد مبتلا به کووید-19، 1960 تصویر به افراد سالم عادی و ۲۲۰۰ تصویر نیز به افراد مبتلا به ذات الریه تعلق دارد. صحت 28/98 درصد، یادآوری (یا حساسیت) 25/98 درصد، دقت 22/98 درصد، امتیاز اف 1 به میزان 23/98 درصد و ROC برابر با 87/99 درصد برای طبقه ‌بندی چند کلاسه با استفاده از روش پیشنهادی بدست ‌آمده است. در مجموعه داده‌ موجود اخیر، مدل پیشنهادی ما، نتایج مورد نظر را ارائه نموده و هم چنین می ‌تواند در تشخیص سریع بیماران کووید-19 مثبت به کادر درمان کمک کند.

5.نتیجه ‌گیری

طبق مطالعه جدیدی که به صورت آنلاین در نشریه بیماری‌ های مُسری نوظهور (Emerging Infectious Diseases) منتشر شده‌، کووید-19 دارای مقدار R0 میانه 7/5 است. مقدار 7/5 نشان می ‌دهد که یک فرد مبتلا به کووید-19 نه فقط ۲ تا ۳ نفر مورد انتظار پژوهشگران بلکه توانایی آلوده کردن ۵ تا ۶ نفر را دارد. علاوه بر این، ویروس در حال تکامل است و سویه های متفاوتی از آن نیز در قسمت های مختلف جهان کشف شده اند. این تغییرات روز به روز ویروس را قوی ‌تر کرده و روزانه جان هزاران نفر را می گیرد. براین اساس، با توجه به چندین مورد شیوع در اجتماع، کشورهای مختلفی آلوده شده اند. به همین دلیل، منابع کشور های مختلف رو به اتمام است و کادر درمان به ابزار های تشخیصی برای بررسی موارد احتمالی کووید-19 نیاز دارند. از این رو، مدل‌ های ساده ای را براساس تصاویر اشعه ایکس و سی تی اسکن جهت شناسایی و طبقه ‌بندی موارد ابتلا به کووید-19 درست کرده ایم. مدل‌ های ما مبتنی بر یادگیری عمیق بوده و طبقه بندی دودویی و چند کلاسه را نیز انجام داده ایم. نتایج تجربی طبقه ‌بندی دودویی، صحت کلی 64/99 درصد، یادآوری (یا حساسیت) 58/99 درصد، دقت 56/99 درصد، امتیاز اف 1 به میزان درصد و ROC برابر با ۱۰۰ درصد را نشان می دهد. هم چنین، نتایج تجربی طبقه ‌بندی‌ های چندگانه نمایانگر صحت 28/98 درصد، یادآوری (یا حساسیت) 25/98 درصد، دقت 22/98 درصد، امتیاز اف 1 به میزان 23/98 درصد و ROC برابر با 87/99 درصد است. مدل های ما از نظر معیارهای عملکردی و هم چنین مجموعه داده‌ ها از اکثر روش های موجود پیشی گرفتند. ثابت شده است که این روش می ‌تواند در حالت اضطراری مفید واقع شود. از این گذشته، مدل های ما در مجموعه داده‌ های فعلی کارآمد شناخته شده اند. با این حال، هنوز نیازمند مطالعه بالینی و آزمایش است.

Abstract

Covid-19 (Coronavirus Disease-2019) is the most recent coronavirus-related disease that has been announced as a pandemic by the World Health Organization (WHO). Furthermore, it has brought the whole planet to a halt as a result of the worldwide introduction of lockdown and killed millions of people. While this virus has a low fatality rate, the problem is that it is highly infectious, and as a result, it has infected a large number of people, putting a strain on the healthcare system, hence, Covid-19 identification in patients has become critical. The goal of this research is to use X-rays images and computed tomography (CT) images to introduce a deep learning strategy based on the Convolutional Neural Network (CNN) to automatically detect and identify the Covid-19 disease. We have implemented two different classifications using CNN, i.e., binary and multiclass classification. A total of 3,877 images dataset of CT and X-ray images has been utilised to train the model in binary classification, out of which the 1,917 images are of Covid-19 infected individuals . An overall accuracy of 99.64%, recall (or sensitivity) of 99.58%, the precision of 99.56%, F1-score of 99.59%, and ROC of 100% has been observed for the binary classification. For multiple classifications, the model has been trained using a total of 6,077 images, out of which 1,917 images are of Covid-19 infected people, 1,960 images are of normal healthy people, and 2,200 images are of pneumonia infected people. An accuracy of 98.28%, recall (or sensitivity) of 98.25%, the precision of 98.22%, F1-score of 98.23%, and ROC of 99.87% has been achieved for the multiclass classification using the proposed method. On the currently available dataset, the our proposed model produced the desired results, and it can assist healthcare workers in quickly detecting Covid-19 positive patients.

5. Conclusion

Covid-19 has a median R0 of 5.7, according to a new study published online in Emerging Infectious Diseases. The 5.7 indicates that one person infected with Covid-19 has the ability to infect 5 to 6 people, rather than the 2 to 3 expected by researchers. Not only that, but the virus is evolving, and different types of strains have been discovered in different parts of the world. These changes are making the virus stronger by the day, and thousands of people are dying every day. As a result, several countries have been affected, with several incidents of community spread. Due to this, various countries are running out of resources and healthcare workers require diagnostic tools to investigate cases of potential Covid-19. Hence, we have developed simple models based on Xrays and CTs to detect and classify the Covid-19 cases. Our models are deep learning-based, and we’ve done binary and multiclass classification. The experimental results for binary classification show an overall accuracy of 99.64%, recall(or sensitivity) of 99.58%, the precision of 99.56%, F1-score of 99.59%, and ROC of 100%. The experimental results for multiple classifications show an accuracy of 98.28%, recall(or sensitivity) of 98.25%, the precision of 98.22%, F1-score of 98.23%, and ROC of 99.87%. In terms of performance measurements as well as dataset, our models exceeded the majority of existing approaches. This method can prove to be very helpful in case of an emergency. Our models proved to be efficient on the current dataset. However, it still needs clinical study and testing.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص و طبقه بندی خودکار مبتنی بر اشعه ایکس و سی تی اسکن covid-19 با شبکه های عصبی کانولوشن (CNN)

X-ray and CT-scan-based automated detection and classification of covid-19 using convolutional neural networks (CNN)

آنکولوژی ریاضی کسری: امکان استفاده از حساب دیفرانسیل مرتبه غیرصحیح در مدل های میان رشته ای

Fractional Mathematical Oncology: On the potential of non-integer order calculus applied to interdisciplinary models

چکیده

1. مقدمه

2. مقدمه ای بر تومورشناسی ریاضیاتی

3. مدل های قطعی و پیوسته

4. مدل های تصادفی و برپایه سلول: رشد تومور تحت مدل های گسسته

5. تومورشناسی بر پایه ریاضیات کسری

5.1. پایه تئوری حساب دیفرانسیل کسری

5.2- مدل های کسری در ارتباط با سرطان

6. مدل های کسری هیبریدی نوین

7. نکات پایانی

اعلان تعارض منافع

تقدیر و تشکر

مراجع

چکیده

 تومورشناسی ریاضیاتی به بررسی پدیده های در ارتباط با سرطان از طریق مدل های ریاضی فراگیر می پردازد. از این رو رویکردهای میان رشته ای شامل مفاهیم گوناگون از زیست شناسی تا علوم مواد، موجب درکی عمیق تر از سیستم های بیولوژیکی وابسته به بیماری می گردد. در این راستا حساب دیفرانسیل کسری (منسوب به مراتب غیرصحیح) شاخه ای از آنالیز ریاضی می باشد که به کمک ابزارهای آن می توان پدیده های پیچیده در مقیاس های متفاوت زمانی و مکانی را توصیف نمود. مدل های مرتبه کسری امکان توصیف و درک بهتر جزئیات تومورشناسی و عوامل بالقوه موثر در حوزه های تصمیم گیری مانند رشد تومور، تکنیک های تشخیص اولیه و روش های درمانی اختصاصی را فراهم می آورد. تحقیق حاضر با دنبال کردن یک دیدگاه پدیدارشناختی (مانند روش های مکانیکی) به بررسی جنبه های گوناگون تومورشناسی بر پایه ریاضیات کسری پرداخته و به مرور و بحث دستاوردهای جدید این حوزه با توجه به کاربردهای آتی آن ها می پردازد. 

1. مقدمه

سرطان شامل گروهی از بیماری ها بوده که از جهش غیرنرمال سلول ها نشات گرفته و امکان ظهور آن در تمامی ارگان ها و بافت های بدن وجود دارد. این بیماری دومین علت مرگ و میر در جهان بوده و نرخ زنده ماندن در این بیماری تا حد زیادی به تشخیص به موقع و کیفیت درمان بستگی دارد (سازمان بهداشت جهانی، 2020). حوزه های تومورشناسی آزمایشگاهی، تکنیک های شامل زیست شناسی مولکولی و به تازگی علوم ژنتیک بیشترین پروژه های تحقیقاتی در این موضوع را شامل شده و موجب افزایش دانش پیرامون مشخصه یابی بدخیمی تومور، تشخیص و درمان بیماری می شوند (گاتنبای  و مائینی ، 2003). استفاده از فیزیک و ریاضی در موضوعات مربوط به سرطان در چند دهه گذشته افزایش یافته و موجب پیدایش حوزه تحقیقی جدیدی شده است (بیرن ، 2010؛ راکن  و اسکات ، 2019).

7. نکات پایانی

 برخی ابزارهای ریاضیاتی هم چنان در حال پیدا کردن مسیر خود در حوزه زیست شناسی نظری بوده و حساب دیفرانسیل کسری (به عنوان نمونه مرتبه غیرصحیح) نیز یکی از این موارد می باشد که جنبه های فلسفی و تاریخی آن توجهات زیادی را به خود جلب کرده است. کاربرد حساب دیفرانسیل کسری، همان طور که در این مرور مورد بحث قرار گرفت، به عنوان یک رویکرد قوی و استراتژیک مدل سازی بوده که به فرصت ها و چالش های احتمالی موجود در تومورشناسی ریاضیاتی می پردازد. تومورشناسی بر پایه ریاضیات کسری در کنار دارا بودن فواید شناخته شده تست یا بازتولید مربوط به سناریوهای سیلیکو (که در آزمایش های متناظر بی فایده و یا حتی غیرممکن می باشند)، توانایی کار کردن آسان در مقیاس های ناهمگن، هم چنین بررسی آثار حافظه و دوره های نهفتگی مربوط به شروع و رشد تومور را دارند.

Abstract

Mathematical Oncology investigates cancer-related phenomena through mathematical models as comprehensive as possible. Accordingly, an interdisciplinary approach involving concepts from biology to materials science can provide a deeper understanding of biological systems pertaining the disease. In this context, fractional calculus (also referred to as non-integer order) is a branch in mathematical analysis whose tools can describe complex phenomena comprising different time and space scales. Fractional-order models may allow a better description and understanding of oncological particularities, potentially contributing to decision-making in areas of interest such as tumor evolution, early diagnosis techniques and personalized treatment therapies. By following a phenomenological (i.e. mechanistic) approach, the present study surveys and explores different aspects of Fractional Mathematical Oncology, reviewing and discussing recent developments in view of their prospective applications.

1. Introduction

Cancer embodies a group of diseases that emerge from abnormally mutated cells and can appear in almost any body organ or tissue. It is the second leading cause of death worldwide and survival rates are profoundly related to timely access to quality diagnosis and treatment (World Health Organization, 2020). Experimental oncology and techniques involving molecular biology and, more recently, genetics have dominated most research projects on the subject, increasing the knowledge on malignancies characterization, diagnostic and treatment (Gatenby and Maini, 2003). In the last few decades, physics and mathematics have been increasingly applied to cancer-related problems, thus giving rise to a new research area (Byrne, 2010; Rockne and Scott, 2019).

7. Concluding remarks

There are tools in Mathematics still waiting to establish their way in Theoretical Biology and such is the case of fractional (i.e. non-integer order) calculus, whose historical and philosophical aspects have attracted growing interest. As addressed and discussed in the present review work, the application of fractional calculus indeed arises as powerful and strategic modeling approach in view of prospective challenges and opportunities in Mathematical Oncology. Besides wellknown advantages of either testing or reproducing different in silico scenarios (which could be impractical or even impossible via corresponding in vitro experimentation), Fractional Mathematical Oncology can straightforwardly deal with heterogeneous scales, memory effects and/or dormancy periods related to tumor onset and development.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آنکولوژی ریاضی کسری: امکان استفاده از حساب دیفرانسیل مرتبه غیرصحیح در مدل های میان رشته ای

Fractional Mathematical Oncology: On the potential of non-integer order calculus applied to interdisciplinary models

پوناتینیب در کودکان مبتلا به لوسمی های کروموزومی مثبت در فیلادلفیا: ثبت بین المللی مطالعه در مورد لوسمی مزمن مغز استخوان در کودکان

Ponatinib in childhood Philadelphia chromosomeepositive leukaemias: an international registry of childhood chronic myeloid leukaemia study

چکیده

1. مقدمه

2. روش ها

3. نتایج

3.1 خصوصیات بیمار

3.2 پاسخ کلی

3.3 پوناتینیب پلی برای پیوند

3.4 استفاده از پوناتینیب در کودکان دارای جهش T3151

3.5 سمیت

3.6 بقا

4. بحث

5. نتیجه گیری

چکیده

پیشینه تحقیق: پوناتینیب در درمان لوسمی (سرطان خون) مثبت ناشی از کرومزوم فبلادلفیا موثر است، اما اطلاعات کمی در مورد استفاده از مهارکننده تیروزین کیناز در کودکان وجود دارد. 

اهداف: هدف این تحقیق توصیف قدرت تحمل و کاربرد دلسوزانه پوناتینیب در درمان یک گروه از کودکان مبتلا به لوسمی (سرطان خون) فیلادلفیای مثبت است. 

مواد و روش ها: اطلاعات این تحقیق به ترتیب از 11 کودک مبتلا به سرطان مغز استخوان حاد (لوسمی میلوئیدی حاد CML) که در لیست بین المللی کودکان مبتلا به لوسمی میلوئیدی حاد ثبت شده اند و سه کودک مبتلا به سرطان خون لنفوبلاستیک حاد فیلادلفیای مثبت تحت درمان با استفاده از روش پوناتینیب به دست آمده است.

یافته های تحقیق: در 11 دختر و 3 پسر ( با میانگین سنی 14 سال) پوناتینیب به عنوان دومین مرحله از درمان هشت مرحله ای مورد استفاده قرار گرفت. پوناتینیب به صورت درمان منفرد ( در 9 بیمار) و درمانی ترکیبی همراه با شیمی درمانی ( در 8 بیمار) استفاده شد. هنگامی که درمان با استفاده از پوناتینیب برای بیماران آغاز شد، وضعیت بیماران به صورت روبرو بود: CML در مراحل پیشرفته (n=8)، و CML در فاز مزمن بدون دستبابی به واکنش و پاسخ مولکولی (n=1) یا وجود جهش T3151، 

1. مقدمه

مهارکننده های تیروزین کیناز (TKIs) آنكوپروتئین های BCR-ABL را در فرآیند درمان حالت بدخیم در این بیماری هدف قرار داد، این مورد توانست انقلابی در درمان بیماران مبتلا به لوسمی میلوئید مزمن فیلادلفیا (Ph +) و سرطان خون لنفوبلاستیك حاد Ph + (Ph + ALL) ایجاد کند. ایماتینیب اولین نوع از مهارکننده های تیروزین کیناز یا TKI بود که برای درمان CML و Ph + ALL  مورد استفاده قرار گرفت و TKI های نسل دوم مانند داساتینیب و نیلوتینیب در درمان بیمارانی موفق عمل کرد که به نسل اول این مهارکننده مقاومت داشته و یا درمان با استفاده از مهار کننده های نسل اول در انها با شکست مواجه شده بود. به تازگی نیز، نسل سوم TKI تحت عنوان پوناتینیب، برای غلبه بر مقاومت در برابر TKI های نسل اول و دوم در بیماران مبتلا به CML و Ph + ALL تولید شده است.

Abstract

Background Ponatinib is effective in adults with Philadelphia chromosome–positive (Ph+) leukaemias, but scant data are available regarding the use of this tyrosine kinase inhibitor in children. Aims The aim of this study isto describe the tolerance and efficacy of compassionate use of ponatinib in a paediatric cohort of patients with Ph+ leukaemias.

Methods Data from 11 children with chronic myeloid leukaemia (CML) registered to the international registry of childhood chronic myeloid leukaemia and from 3 children with Ph+ acute lymphoblastic leukaemia (Ph+ ALL) treated with ponatinib were collected retrospectively.

Results In 11 girls and 3 boys (median age 14 years), ponatinib was used as a second- to eighth-line treatment. Ponatinib was administered as single therapy (9 patients) or in combination with chemotherapy (8 patients). The status of the disease when ponatinib was started was as follows: CML in advanced phases (n = 8), CML in chronic phase without achievement of molecular response (n = 2) or presence of T315I mutation (n = 1) and Ph + ALL in molecular (n = 1) or marrow (n = 2) relapses. The median dose administered was 21.4 mg/m2 and median duration of ponatinib was 2.5 months. Ponatinib alone or in combination with chemotherapy administered on 16 occasions led to achievement of major molecular response in 50% of cases. Ponatinib was used as a bridge to transplant in 4 cases. Among the 9 patients treated with ponatinib alone, toxicity grade III–IV (2 patients) was exclusively haematologic. No vascular events related to ponatinib were observed.

1. Introduction

Tyrosine kinase inhibitors (TKIs) have revolutionised the treatment of patients with Philadelphia chromosomeepositive (Phþ) chronic myeloid leukaemia (CML) and Phþ acute lymphoblastic leukaemia (Phþ ALL) by targeting the BCR-ABL oncoprotein underlying the malignant process. Imatinib was the first available TKI for the treatment of CML and Phþ ALL, and second-generation TKIs, such as dasatinib and nilotinib, were successfully introduced in patients with failure or intolerance to imatinib. Recently, ponatinib, a third-generation TKI, was developed to overcome resistance to first- and second-generation TKIs in patients with CML and Phþ ALL.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

پوناتینیب در کودکان مبتلا به لوسمی های کروموزومی مثبت در فیلادلفیا: ثبت بین المللی مطالعه در مورد لوسمی مزمن مغز استخوان در کودکان

Ponatinib in childhood Philadelphia chromosomeepositive leukaemias: an international registry of childhood chronic myeloid leukaemia study

اهمیت احتمالی واکنش سیستم ایمنی بدن به ورزش در افزایش سن بافت عضله و استخوان

Potential Importance of Immune System Response to Exercise on Aging Muscle and Bone

چکیده

مقدمه

واکنش سیستم ایمنی به ورزش

تاثیرات ورزش بر واکنش ایمنی و ماهیچه های اسکلتی

تاثیرات ورزش بر واکنش ایمنی و بافت استخوان ها

نتیجه گیری

چکیده

هدف تحقیق: تحلیل ماهیچه های اسکلتی و بافت استخوانی مرتبط با سن و مشکلات بافت ها باعث کاهش عملکرد و افزایش خطر افتادن و زخمی شدن می شوند. یکی از عوامل موثر در تحلیل ماهیچه ای و بافت استخوانی در طول زمان، التهابات مزمن درجه پایین می باشد. آموزش تمرین و ورزش یکی از درمان های موثر برای کاهش تحلیل ماهیچه ای و بافت های بافت استخوان است که احتمالا با افزایش واکنش سیستم ایمنی همراه می شوند. از این رو، در مورد تعاملات کلیدی بین سیستم ایمنی، ماهیچه و بافت استخوان در ارتباط با انحراف ورزشی بحث می کنیم و شناسایی می کنیم که “تعامل” قابل توجهی بین ماهیچه و بافت استخوان در سیستم ایمنی در واکنش به ورزش وجود دارد.

یافته های اخیر: پیشرفت های اخیر در درک ما از “تعامل” بین ماهیچه و بافت استخوان و سیستم ایمنی دلالت بر این دارد که ورزش می تواند تاثیرات مفید ماهیچه و بافت استخوان را از طریق تعامل با سیستم ایمنی تعدیل کند.

خلاصه: تحلیل ماهیچه های اسکلتی مرتبط با سن و مشکلات بافت ها می توانند تا حدودی با توجه به یک سیستم ایمنی ناقص از طریق التهاب مزمن درجه کم تشریح شوند. آموزش ورزشی تاثیر مفیدی بر عملکرد سیستم ایمنی و افزایش سن در ماهیچه و بافت استخوان دارد. از نظر تئوری، “تعامل” بین سیستم ایمنی، ماهیچه و بافت استخوان در واکنش به ورزش باعث افزایش سلامت ماهیچه ای بافت استخوانی مرتبط با افزایش سن می شود.

مقدمه

سالمندی با افزایش بیماریهای متعدد غیر ارتباطی و تحلیل قابل توجه در سلامت همراه هستند که این موارد در سیستم ماهیچه ای اسکلتی اتفاق می افتند. تحلیل روی داده در توده ماهیچه اسکلتی مرتبط با سالمندی (برای نمونه، یک عامل تعریف کننده پوکی بافت استخوان) بسیار شایع می باشد و شیوع سارکوپنی و پوکی بافت استخوان نیز بدون تردید با افزایش در میان جمعیت سالمند افزایش می یابند(1و2). یکی از عوامل موثر در تحلیل ماهیچه ای و بافت استخوانی در طول زمان، تغییر/ اختلال در عملکرد سیستم ایمنی است که تحت عنوان “التهاب سنی”(3) نامیده می شود که واکنش های مزمن موجود در بسیاری از شرایط و بیماریها را توصیف می کند (4). آموزش ورزشی می تواند یک اقدام موثر باشد. به هر حال، تاثیرات مکانیکی ورزش بر “التهاب سنی” نا مشخص هستند.

نتیجه گیری

در حالی که از رابطه بین سیستم ایمنی، ماهیچه و بافت استخوان در واکنش به ورزش درک وجود دارد، اما تحقیقات انجام شده در این حوزه محدود هستند و تحقیقات بیشتر تضمین شده است. بخصوص اینکه، شناسایی نوع، مقدار، تراکم و فراوانی ورزش های مختلف بر تاثیر گذاری بر واکنش سیستم ایمنی و چگونگی تاثیر آنها بر ماهیچه و بافت استخوان در یک حوزه بخشی از تحقیقات آینده هستند. همچنین، شناسایی شباهت ها و اختلافات در واکنش سیستم ایمنی، و تعامل آن با ماهیچه و بافت استخوان، بین وضعیت آموزشی و غیر آموزشی از موضوعات مورد علاقه هستند. همچنین، آیا قدرت یک واکنش در حالت آموزشی ثابت می ماند و یا حتی تقویت می شود؟ درک تاثیرات آموزش ورزشی بر تعامل بین سیستم ایمنی و بافت استخوان و یا ماهیچه در افراد بیمار یکی از حوزه هایی است که باید همچنان مورد بررسی های بالینی و پیش بالینی و تلاشهای تحقیقی قرار بگیرد. این تعاملات برای حفظ سلامت ماهیچه ای بافت استخوانی افراد لازم می شوند.

Abstract

Purpose of Review The age-related loss of skeletal muscle and bone tissue decreases functionality and increases the risk for falls and injuries. One contributing factor of muscle and bone loss over time is chronic low-grade inflammation. Exercise training is an effective countermeasure for decreasing the loss of muscle and bone tissue, possibly by enhancing immune system response. Herein, we discuss key interactions between the immune system, muscle, and bone in relation to exercise perturbations, and we identify that there is substantial “cross-talk” between muscle and bone and the immune system in response to exercise.

Recent Findings Recent advances in our understanding of the “cross-talk” between muscle and bone and the immune system indicate that exercise is likely to mediate many of the beneficial effects on muscle and bone via their interactions with the immune system.

Summary The age-related loss of muscle and bone tissue may be partially explained by an impaired immune system via chronic low-grade inflammation. Exercise training has a beneficial effect on immune system function and aging muscle and bone. Theoretically, the “cross-talk” between the immune system, muscle, and bone in response to exercise enhances aging musculoskeletal health.

Introduction

Aging is associated with the development of a variety of noncommunicable diseases with some of the most significant deteriorations to health happening in the musculoskeletal system. The age-related loss of skeletal muscle mass (i.e., one defining factor of sarcopenia) and bone tissue (i.e., one defining factor of osteoporosis) is highly prevalent, and the incidence of sarcopenia and osteoporosis will inevitably increase with the growing (and aging) population [1, 2]. One main contributing factor of muscle and bone loss over time is altered/impaired immune system function, referred to as “inflammaging” [3] which describes the low-level chronic inflammatory response that exists in many aged conditions and diseases [4]. Exercise training may act as a countermeasure; however, the mechanistic effects of exercise on “inflammaging” are relatively unknown.

Conclusion

While there is some understanding of the inter-relationship between the immune system, muscle, and bone in response to exercise, research is limited and additional work is warranted. Specifically, identifying the types, doses, intensities, and frequencies of various exercise modalities on influencing the immune system response and how this influences bone and muscle is an area apt for future research. Also, identifying the similarities or differences in the acute response of the immune system, and its cross-talk with muscle and bone, between an un-trained and trained state is of interest. Will the strength of the response remain, or even be more robust, in a trained state? Understanding the effects of exercise training on the cross-talk between the immune system and bone or muscle in diseased populations is an area that should continue to undergo pre-clinical and clinical research efforts. These interactions are essential for maintaining musculoskeletal health as individuals’ age.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

اهمیت احتمالی واکنش سیستم ایمنی بدن به ورزش در افزایش سن بافت عضله و استخوان

Potential Importance of Immune System Response to Exercise on Aging Muscle and Bone