国内外人工智能护理相关研究热点和趋势分析

目的分析国内外护理领域人工智能(artificial intelligence,AI)研究的热点和前沿,以期为我国相关研究的开展提供参考和支持。方法系统检索Web of Science和中国知网数据库获取2002-2022年发表的AI护理研究和相关信息,并使用VOSviewer 1.6.17和Cite Space 5.8.R3软件进行可视化分析。结果共检索到12896篇相关论文,筛选后获得427篇护理领域相关的AI英文研究和179篇中文研究,英文研究热点为疾病风险预测、护理决策、护理管理、护理信息处理和护理诊断,中文研究热点为疾病风险预测、护理决策、护理信息处理和护理机器人的开发与应用。机器学习是近年来AI在护理领域最前沿、最热门的分支之一。结论今后的护理AI研究应加强跨学科和国际间合作,拓展AI技术在护理领域的应用范围,提供更多高质量证据。

基于网络药理学和分子对接的四妙散治疗糖尿病周围神经病变机制研究

目的:利用网络药理学和分子对接技术对四妙散治疗糖尿病周围神经病变(diabetic peripheral neuropathy,DPN)作用机制进行研究,为后续研究提供依据与参考。方法:在中药系统药理学数据库与分析平台(TCMSP,http://tcmspw.com/tcmsp.php)筛选四妙散的有效成分和作用靶点。在GeneCards(https://www.genecards.org)和OMIM(https://www.omim.org/)数据库筛选DPN发病相关靶基因。在R软件中计算出四妙散有效成分治疗DPN的潜在作用靶点,并构建药理作用网络。构建潜在作用靶基因蛋白互作网络(PPI),分析其基因本体功能(GO)和京都基因与基因组百科全书通路(KEGG)富集情况,筛选并对接关键活性成分与靶基因。结果:从TCMSP数据库筛选出9个苍术的有效成分,37个黄柏的有效成分,20个牛膝的有效成分,9个薏苡仁的有效成分,去重后共41个有效化学成分。筛选出DPN疾病相关靶基因1839个,发现四妙散治疗DNP共对应71个潜在作用靶蛋白。根据PPI、GO和KEGG富集结果,发现靶基因AKT1和VCAM1可能在四妙散治疗DPN的过程中发挥重要作用。对应的有效成分有4个,黄柏和牛膝共有的Coptisine(黄连碱)、苍术和牛膝共有的Wogonin(汉黄芩素)、牛膝中的28-norolean-17-en-3-ol(28-去甲齐墩果-17-en-3-ol)和Poriferasta-7,22E-dien-3beta-ol(多孔甾-7,22E-dien-3β-ol)。有效成分28-norolean-17-en-3-ol与蛋白AKT1不存在由氢键产生的连接,其余有效成分与蛋白均能通过氢键完成模拟对接。结论:四妙散各有效成分与作用靶基因间存在密切的协同关系和良好的结合活性,该方治疗DPN具有多成分、多靶点、多信号通路的特色。分子对接结果为将来实验研究奠定了基础。

应对社会挑战知证决策的先行者:全球证据委员会

决策通常是一个复杂且难以标准化的过程。从抗击新型冠状病毒感染疫情的经验中,决策者们逐渐认识到应对人类面临的诸多社会挑战,如气候变化、优质教育及其他可持续发展目标,都应采用知证决策方法,基于现有的最佳证据进行决策。全球证据委员会自2021年成立以来,相继在2022年和2023年发布报告。报告利用5种国内证据形式(数据分析、评价、建模、定性见解和行为/实施研究),基于4个决策步骤(理解问题及其原因、选择解决问题的方案、确认实施考量的因素、监测实施和评估效果),面向4类决策者(政策制定者、组织领导者、专业人士和公民)阐述如何基于知证决策科学应对社会挑战。为了进一步传播知证决策的理念和方法,秘书处与25位全球证据委员会委员合作撰写报告,与来自12个国家的国家领导小组开展快速证据支持系统评估,与实施理事会加速实施24条建议。本文系统梳理了全球证据委员会的历史沿革、核心方法和最新动态,旨在为决策者展示知证决策的新视界,并推动科学决策的传播与应用。

循证社会科学从证据到决策:来自全球证据委员会报告的启示

随着全球突发公共卫生事件的爆发,各行各业对证据与决策关注日盛,成为改变研究的计划、生产、综合、实施以及知证决策的一个重要触发因素。全球证据委员会的成立以及两份报告的发布,进一步强调知证决策在应对社会挑战中的重要性。随着循证社会科学理念的传播和发展,需要不断完善从证据到决策的生态系统,为不同决策者应对社会挑战提供科学的方法和途径。本文旨在对《全球证据委员会报告》解读,阐述证据的需求和供给、全球公共产品以及应对社会挑战的八条核心建议,提出循证社会科学从证据到决策生态系统面临的关键问题及其相关对策,促使证据成为各类决策者日常工作和生活的中心。

孟德尔随机化研究的报告规范(STROBE-MR)解读

利用基因变异作为工具变量来推断暴露与结局关联性的研究称为孟德尔随机化(MR)研究。孟德尔随机化研究报告规范(STROBE-MR)旨在提高MR研究的透明度和报告质量。为更好地理解、传播和应用STROBE-MR报告规范,本文对其进行解读。