环球医讯

本研究基于2017-2020年美国国家健康与营养检查调查数据，通过逻辑回归、限制性立方样条和随机森林模型分析，发现血清硒水平与心力衰竭风险存在显著U型关联（非线性P=0.003），最低风险出现在150-160 µg/L范围内。肝脂肪变性和血脂异常部分介导该关联，孟德尔随机化分析提示遗传预测的血清硒水平对心力衰竭风险具有潜在因果效应。研究揭示了硒暴露与心力衰竭的非线性关系及其可能的代谢通路，但临床推荐需进一步研究验证。

本文系统阐述了小肠细菌过度生长(SIBO)的六大典型症状、发病机理、检测方法及治疗方案。通过英国谢菲尔德大学肠胃病学教授David Sanders和功能医学专家Geoff Mullan的权威解读，揭示了这种常被误诊为肠易激综合征的肠胃疾病，其通过低FODMAP饮食、抗生素/草本抗菌治疗及病因干预的三阶段疗法可实现有效管理。特别提及了Selena Gomez的公开病例引发公众关注。

美国西奈山医学院团队开发基于机器学习的遗传风险评估模型，通过电子健康记录分析超百万份数据，为1600种罕见基因变异提供0-1区间的风险评分。该技术突破传统二元诊断局限，将遗传外显率评估推进到连续谱系维度，可显著提升基因检测报告的临床指导价值，在预防性医疗、避免过度治疗等方面具有重要应用前景。

美国最新研究显示，60岁以上高血压患者连续两周每日饮用富含硝酸盐的甜菜根汁后，口腔微生物群发生显著变化，血压出现明显下降。研究首次证实硝酸盐通过口腔细菌转化为一氧化氮的降压机制，专家建议每日食用约1杯甜菜根或等效蔬菜获取健康益处，但强调不可替代药物治疗。

纽约西奈山伊坎医学院的研究团队利用超过130万份电子健康记录，通过机器学习模型成功构建了10种常染色体显性遗传病的基因变异外显率评分系统。该系统将传统基因检测的"是/否"二元判断升级为0-1连续评分，显著提升了家族性乳腺癌、肥厚型心肌病等疾病的早期筛查精度，可为临床决策提供个性化风险评估依据，并可能缓解当前遗传检测结果"意义未明"带来的诊疗困境。

研究团队开发基于AI的语音分析工具，通过解析"敏捷棕色狐狸跃过懒狗"等语句，能以85.7%精确度识别帕金森病早期症状。该技术结合Wav2Vec 2.0等模型，利用日常语音实现远程诊断，其91%特异性可有效排除非患者，未来计划扩展多语种应用，为全球患者提供早期筛查新方案。

西奈山医学院研究团队开发出结合人工智能和电子健康记录的新方法，通过分析胆固醇、血细胞计数等常规检测数据，建立机器学习模型量化基因突变的疾病外显率，为携带罕见基因变异的个体提供精确疾病风险评估。该成果为个性化医疗中的模糊基因检测结果解读提供了可扩展的解决方案，相关研究已发表在《科学》期刊。

本文系统分析了硒对桥本氏甲状腺炎患者的治疗价值，揭示了硒缺乏的全球流行现状，并通过临床研究数据阐明了合理补充硒对降低甲状腺抗体、保护甲状腺功能的机制。文章详细阐述了硒的生理作用机制，给出了科学剂量建议，并强调了补充时需注意的安全阈值。内容涵盖缺硒导致甲状腺损伤的分子机制、硒补充与碘摄入的协同关系、不同类型甲状腺疾病患者的适用剂量，以及硒与其他治疗方案的协同效应，为自身免疫性甲状腺疾病患者提供了实用的营养干预方案。

西达斯-赛奈医学中心研究人员利用人类干细胞培育出年轻免疫细胞，成功逆转小鼠阿尔茨海默病模型和衰老模型的大脑退化特征。该疗法显著改善记忆功能，维持海马体苔藓细胞和小神经胶质细胞健康，为神经退行性疾病治疗提供新方向，研究已发表于《先进科学》期刊。

本研究开发了一种结合人工智能和常规实验室数据的新方法，通过分析电子健康记录量化基因变异的外显率，为罕见基因变异患者提供更精准的疾病风险评估。该方法生成的ML渗透评分揭示了部分曾被标记为"不确定"的变异实际存在显著或零风险，有助于临床更个性化、量化的决策，特别是在癌症早期筛查和预防措施的制定中具有重要应用前景。