其昊生物
BIOMEDICAL RESEARCH INSIGHTS

洞察前沿，连接科研新知

聚焦合成生物学、AI 靶点发现、临床队列与公共数据库，汇集最新论文摘要与原始出处
每 12 小时采集更新，经人工审核后发布。

前沿研究专业聚合持续更新
PAPER EXPLORER

发现热点论文

每 5 分钟更新缓存
全部共 60 篇
临床队列临床研究Cell

Opposing functions of gut immunomodulatory metabolites on CAR-T therapy.

Markus Perl、Severin Guetter、Dhyani Shah 等DOI: 10.1016/j.cell.2026.09.004
肿瘤与癌症多组学风险模型队列研究
0 次引用趋势数据不足

一项研究纳入德国三个中心的129例患者，采用鸟枪法宏基因组学和靶向质谱分析发现，CAR-T细胞治疗前短链脂肪酸（尤其是戊酸）水平降低与疾病进展风险增加相关；而吲哚类代谢物（包括吲哚-3-甲醛和吲哚-3-乙酸）及支链脂肪酸异戊酸水平升高与不良结局相关。在人源和小鼠CAR-T细胞模型中的功能验证表明，补充戊酸可增强CAR-T细胞疗效，而吲哚-3-甲醛和异戊酸则损害其疗效。研究揭示了免疫调节代谢物对CAR-T细胞治疗的对立作用，对设计代谢物引导的微生物组治疗策略具有重要意义。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Markus Perl、Severin Guetter、Dhyani Shah、Simon Holzinger、Luisa Becker、Misbah Tariq、Philipp Menauer、Simon Delahais、Gloria Lutzny-Geier、Julian N Scherer、Sascha Göttert、Konstantin Herfeld、Paul Heinrich、Klaus Georg Kreitmeier、Claudia Gebhard、Wolfgang Herr、Marcel P Trefny、Janina Doerr、Saba Sameri、Dennis C Harrer、Kai Ziegler-Martin、Sarah Staudt、Leo Hansmann、Matthias Edinger、Daniel Wolff、Daniela Weber、Elisabeth Meedt、Alexander Denk、Andre Gessner、Ernst Holler、Tobias Wertheimer、Klaus Neuhaus、Tingting Zheng、David M Cordas Dos Santos、Sebastian Theurich、Melanie Schirmer、Karin Kleigrewe、Jonas Schluter、Marcel van den Brink、Michael Schmitt、Markus Feuerer、Christoph Heuser-Loy、Jeremy Baldwin、Luca Gattinoni、Michael Rehli、Michael Hudecek、Camille Bigenwald、Laurence Zitvogel、Marion Subklewe、Viktoria Blumenberg、Maria-Luisa Schubert、Christoph Stein-Thoeringer、Maik Luu、Sebastian Kobold、Matthias A Fante、Erik Thiele Orberg、Hendrik Poeck

作者机构

  • Department of Internal Medicine III, Hematology & Internal Oncology, University Hospital Regensburg, Regensburg, Germany; Bavarian Cancer Research Center (BZKF), Regensburg, Germany. Electronic address: markus.perl.ukr@gmail.com.
  • Department of Internal Medicine III, Hematology & Internal Oncology, University Hospital Regensburg, Regensburg, Germany; Leibniz Institute for Immunotherapy (LIT), Regensburg, Germany.
  • Department of Internal Medicine III, Hematology & Internal Oncology, University Hospital Regensburg, Regensburg, Germany.
  • Division of Clinical Pharmacology, Department of Medicine IV, University Hospital, Ludwig Maximilian University (LMU) of Munich, Munich, Germany.
  • Department of Internal Medicine 5, Hematology and Oncology, University Hospital Erlangen, Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany.
  • Leibniz Institute for Immunotherapy (LIT), Regensburg, Germany.
  • Lehrstuhl für Zelluläre Immuntherapie, Medizinische Klinik und Poliklinik II, Universitätsklinikum Würzburg, Würzburg, Germany.
  • Institute of Clinical Microbiology and Hygiene, University Hospital Regensburg, Regensburg, Germany.
  • Division of Hematology and Oncology, Department of Medicine, Freiburg University, Freising, Germany.
  • Core Facility Microbiome, ZIEL - Institute for Food & Health, Technische Universität München, Freising, Germany.
  • Translational Microbiome Data Integration, School of Life Sciences, Technical University of Munich, Freising, Germany; ZIEL - Institute for Food & Health, Technische Universität München, Freising, Germany.
  • Gene Center and Department of Biochemistry, LMU Munich, Munich, Germany.
  • Department of Medicine III, Hematology/Oncology, LMU University Hospital and Gene Center, LMU Munich, Munich, Germany; German Cancer Consortium (DKTK), Partner Site Munich, a partnership between the DKFZ and BZKF at the University Hospital of the LMU, Germany.
  • Translational Microbiome Data Integration, School of Life Sciences, Technical University of Munich, Freising, Germany; ZIEL - Institute for Food & Health, Technische Universität München, Freising, Germany; Center for Organoid Systems, Technical University Munich, Garching, Germany.
  • Bavarian Center for Biomolecular Mass Spectrometry, TUM School of Life Sciences, Technical University Munich, Freising, Germany.
  • Department of Microbiology, New York University Grossman School of Medicine, New York, NY, USA; Institute for Systems Genetics, NYU Langone Health Grossman School of Medicine, New York, NY, USA.
  • Beckman Research Institute, City of Hope, Duarte, CA, USA.
  • Department of Medicine V, Hematology, Oncology and Rheumatology, University Hospital Heidelberg, Heidelberg, Germany.
  • Leibniz Institute for Immunotherapy (LIT), Regensburg, Germany; Department of Internal Medicine III, Haematology and Oncology, University Hospital Bonn, Bonn, Germany.
  • Lehrstuhl für Zelluläre Immuntherapie, Medizinische Klinik und Poliklinik II, Universitätsklinikum Würzburg, Würzburg, Germany; Branch Cellular Immunotherapy, Fraunhofer Institute for Cell Therapy and Immunology (IZI), Würzburg, Germany.
  • Gustave Roussy Cancer Campus, Villejuif, France.
  • Department of Medicine III, Hematology/Oncology, LMU University Hospital and Gene Center, LMU Munich, Munich, Germany; Laboratory for Translational Cancer Immunology, Gene Center LMU Munich, Munich, Germany; German Cancer Consortium (DKTK), Partner Site Munich, Munich, Germany; Bavarian Cancer Research Center (BZKF), Munich, Germany.
  • Department of Internal Medicine I, University Hospital Tuebingen, Tuebingen, Germany.
  • Division of Clinical Pharmacology, Department of Medicine IV, University Hospital, Ludwig Maximilian University (LMU) of Munich, Munich, Germany; Laboratory for Translational Cancer Immunology, Gene Center LMU Munich, Munich, Germany; Bavarian Cancer Research Center (BZKF), Munich, Germany; German Center for Lung Research (DZL), Partner Site Munich, Munich, Germany.
  • Department of Internal Medicine III, Hematology & Internal Oncology, University Hospital Regensburg, Regensburg, Germany; Department of Internal Medicine II, University Hospital of Würzburg, Würzburg, Germany.
  • Department of Internal Medicine III, Hematology & Internal Oncology, University Hospital Regensburg, Regensburg, Germany; Bavarian Cancer Research Center (BZKF), Regensburg, Germany. Electronic address: erik.orberg@ukr.de.
  • Department of Internal Medicine III, Hematology & Internal Oncology, University Hospital Regensburg, Regensburg, Germany; Bavarian Cancer Research Center (BZKF), Regensburg, Germany; Leibniz Institute for Immunotherapy (LIT), Regensburg, Germany. Electronic address: hendrik.poeck@ukr.de.

技术路线

粪便宏基因组与靶向质谱（129例三中心队列）→代谢物与疾病进展关联分析→人及小鼠CAR-T细胞模型功能验证

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年，仅展示最近 5 个完整年度。

数据来源：openalex更新时间：2026/10/30 06:03
探索相关选题直接查重
查看原文
公共数据库临床研究Nucleic acids research

circRNADisease v3.0: an updated resource for high-quality, experimentally supported circRNA-disease associations.

Chang-Lin Yang、Rui Yang、Wen-Lu Tan 等DOI: 10.1093/nar/gkag927
TCGA肿瘤与癌症多组学队列研究
0 次引用趋势数据不足

环状RNA（circRNA）与疾病关联的系统整合对阐明其在疾病发生中的作用及评估其生物标志物和治疗靶点潜力具有重要意义。circRNADisease v3.0是一个经过人工审编、实验支持的circRNA-疾病关联数据库的扩展升级版本，共收录15 390条circRNA-疾病条目，涉及9 168个circRNA、656个MONDO标准化疾病术语和66个物种，数据量较v2.0增加两倍以上。每条记录依据支持证据的强度和多样性赋予置信评分，证据类型包括临床证据、环状转录本身份验证、表达检测、功能实验、分子机制验证和生物信息学分析。该版本还整合了基因组坐标、亚细胞定位、实验验证方法、临床意义、数据与代码可用性及多疾病术语交叉引用。新增Circ2CNV模块（含33个TCGA癌症队列中2 962 504条circRNA-癌症队列拷贝数变异记录）和Circ2Celltype模块（含29种细胞类型的2 025条细胞类型解析证据记录），与原有Circ2Mut模块共同将文献审编的circRNA-疾病关联与基因组改变和细胞背景相连接。该数据库为circRNA研究提供了全面且以证据为导向的平台，可通过http://cgga.org.cn/circRNADisease/免费获取。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Chang-Lin Yang、Rui Yang、Wen-Lu Tan、Han-Xiao Zhou、Ling-Xiang Wu、Ji Shi、Fan Wu、Li-Jie Huang、Zhi-Yan Sun、Tao Jiang、Zheng Zhao

作者机构

  • Beijing Neurosurgical Institute, Capital Medical University, Beijing 100070, China.
  • Beijing Tiantan Hospital, Capital Medical University, Beijing 100070, China.
  • Chinese Glioma Genome Atlas (CGGA) Network and Asian Glioma Genome Atlas (AGGA) Network, Beijing 100070, China.
  • Chinese Neuro-Oncology Genome Atlas (CGGA-CNS) Network, Beijing 100070, China.

技术路线

数据/样本：文献人工审编的circRNA-疾病关联，v3.0含15,390条条目（9,168个circRNA、656个MONDO标准化疾病术语、66个物种），并整合TCGA 33个癌症队列的2,962,504条circRNA-癌症队列记录（Circ2CNV模块）和2,025条细胞类型分辨证据（29种细胞类型，Circ2Celltype模块）；分析：依据临床证据、circular-transcript身份验证、表达检测、功能实验、分子机制验证和生物信息学分析等支持证据的强度与多样性，为每条记录赋予置信度评分，并整合基因组坐标、亚细胞定位、实验验证方法、临床意义、数据与代码可及性及多疾病术语交叉引用；验证：原文未报告独立的实验或计算验证。

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年，仅展示最近 5 个完整年度。

数据来源：openalex更新时间：2026/10/29 12:36
探索相关选题直接查重
查看原文
公共数据库方法学Nature methods

SPLENDID incorporates continuous genetic ancestry in biobank-scale data to improve polygenic risk prediction across diverse populations.

Tony Chen、Haoyu Zhang、Rahul Mazumder 等DOI: 10.1038/s41592-026-03235-2
UK Biobank风险模型多中心队列研究
2 次引用趋势数据不足

多基因风险评分广泛用于疾病风险分层，但其准确性在不同血统间存在差异。现有方法多依赖多血统数据提升代表性不足人群的预测精度，但需要对个体进行血统标注，这在临床实践中面临挑战。为此，研究者提出SPLENDID——一种针对大规模个体水平数据的惩罚回归框架，将遗传血统建模为连续变量，无需任何血统标签即可生成单一预测模型。在All of Us研究计划（n=224,364）和英国生物银行（n=340,140）的广泛模拟与分析中，SPLENDID较现有方法显著提高了预测准确性，尤其对非欧洲血统和混合血统人群。SPLENDID可作为跨多样人群稳健风险预测的工具，有助于减少遗传研究中的健康差异并促进更公平的临床实施。

为什么值得关注

编辑短评

多基因风险评分的准确性受到不同血统间差异的影响，SPLENDID——这里开发了一种针对大规模个体水平数据的惩罚回归框架，可作为跨血统人群稳健风险预测的工具。

查看扩展信息

完整作者

Tony Chen、Haoyu Zhang、Rahul Mazumder、Xihong Lin

作者机构

  • Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, USA.
  • Analytic and Translational Genetics Unit, Massachusetts General Hospital, Boston, MA, USA.
  • Division of Cancer Epidemiology and Genetics, National Cancer Institute, Bethesda, MD, USA. haoyu.zhang2@nih.gov.
  • Operations Research and Statistics Group, Sloan School of Management, Massachusetts Institute of Technology, Cambridge, MA, USA. rahulmaz@mit.edu.
  • Department of Biostatistics, Harvard T.H. Chan School of Public Health, Boston, MA, USA. xihong_lin@harvard.edu.
  • Department of Statistics, Harvard University, Cambridge, MA, USA. xihong_lin@harvard.edu.

技术路线

数据/样本：All of Us研究项目（n=224,364）与UK Biobank（n=340,140）个体级数据，无祖先标签；分析：提出SPLENDID惩罚回归框架，将遗传祖先建模为连续变量，构建单一预测模型；验证：通过广泛模拟及两个生物样本库数据的分析，与现有方法比较预测准确性。

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年，仅展示最近 5 个完整年度。

数据来源：openalex更新时间：2026/10/30 06:04
探索相关选题直接查重
查看原文
公共数据库临床研究Nature medicine

Phenomic profiles and disease patterns of 1.9 million participants from Our Future Health.

Vincent J Straub、Stefania Benonisdottir、Giovanni Scotti Bentivoglio 等DOI: 10.1038/s41591-026-04602-4
UK Biobank肿瘤与癌症风险模型成人队列研究
1 次引用趋势数据不足

“我们的未来健康”是一项旨在招募500万英国成年居民的前瞻性研究，以推动疾病预防、检测和治疗方法的发现与转化。目前已入组超过250万人，逾190万参与者具备基线表型数据。研究评估了自报健康相关行为、地理位置、诊断与用药、门急诊就诊、癌症登记及死因等表型，并将疾病模式与国家估计值及英国生物样本库队列进行比较。社会人口学、生活方式和健康相关特征总体反映英国人群模式，但除一个少数族裔群体外，其他少数族裔及社会经济最 deprived 群体代表性不足。多种主要自报疾病患病率高于国家估计值，其中心理健康问题（如抑郁和焦虑）尤为突出，且与英国生物样本库方向一致（r=0.78）；与已知临床相关因素的关联在两个队列中均得到重复（r=0.80）。用药模式和癌症患病率呈现预期年龄梯度，肺癌率低于国家数据。随着招募推进，电子健康记录有助于明确疾病模式并系统评估偏倚。

为什么值得关注

暂未整理

查看扩展信息

完整作者

Vincent J Straub、Stefania Benonisdottir、Giovanni Scotti Bentivoglio、Neil Wary、Robert Campbell、Augustine Kong、Melinda C Mills

作者机构

  • Leverhulme Centre for Demographic Science, Nuffield Department of Population Health, University of Oxford and Nuffield College, Oxford, UK. vincent.straub@ndph.ox.ac.uk.
  • Leverhulme Centre for Demographic Science, Nuffield Department of Population Health, University of Oxford and Nuffield College, Oxford, UK.
  • Institute of Physical Sciences, University of Iceland, Reykjavík, Iceland.
  • Department of Economics, Econometrics and Finance, University of Groningen, Groningen, the Netherlands.
  • Leverhulme Centre for Demographic Science, Nuffield Department of Population Health, University of Oxford and Nuffield College, Oxford, UK. melinda.mills@demography.ox.ac.uk.
  • Department of Economics, Econometrics and Finance, University of Groningen, Groningen, the Netherlands. melinda.mills@demography.ox.ac.uk.
  • Department of Genetics, University Medical Centre Groningen, Groningen, the Netherlands. melinda.mills@demography.ox.ac.uk.

技术路线

数据/样本：Our Future Health前瞻性研究中>190万参与者的基线表型数据（自报健康行为、地理位置、诊断与用药、住院/门诊记录、癌症登记及死因） → 分析：描述性统计并与英国国家估计及UK Biobank队列比较疾病模式、计算相关性

最近 5 个完整年度引用趋势

0110202102022020230202402025

不含 2026 年，仅展示最近 5 个完整年度。

数据来源：openalex更新时间：2026/10/30 06:05
探索相关选题直接查重
查看原文
公共数据库临床研究Journal of translational medicine

Comparative proteomics of human anterior lens capsules reveals ATP6V1A-associated lysosomal dysregulation in age-related cataract with primary angle-closure glaucoma.

作者信息暂未整理DOI: 10.1186/s12967-026-08934-0
UK Biobank队列研究
暂无引用数据

本研究比较了单纯年龄相关性白内障（ARC）与合并原发性闭角型青光眼（PACG）患者前囊膜的蛋白质组。采用数据非依赖采集蛋白质组学分析人前囊膜标本，最终纳入13例ARC和10例PACG样本，通过富集分析、网络分析和ROC分析筛选差异蛋白，并在人前囊膜铺片、细胞与动物应激模型、外周血单个核细胞及UK Biobank血浆蛋白质组数据中进一步验证ATP6V1A。结果共鉴定出1262个差异表达蛋白；PACG中表达降低的蛋白富集于蛋白稳态相关伴侣及neddylation网络，并汇聚于溶酶体功能障碍，ATP6V1A及其他V-ATP酶亚基、LAMP2和Rag GTP酶家族成员协同降低；表达升高的蛋白富集于细胞外基质重塑及脂质/聚糖代谢通路。ATP6V1A降低在人前囊膜铺片、压力应激晶状体上皮细胞、视网膜应激模型及PACG患者外周血单个核细胞中得到证实，药理学抑制V-ATP酶可在细胞活力明显丧失前破坏溶酶体稳态。结论认为，PACG相关前囊膜具有蛋白稳态受损及ATP6V1A相关溶酶体失调的分子特征。

为什么值得关注

暂未整理

查看扩展信息

完整作者

暂未整理

作者机构

暂未整理

技术路线

暂未整理

最近 5 个完整年度引用趋势

暂无引用数据

数据来源：暂未标注更新时间：暂无更新时间
探索相关选题直接查重
查看原文
临床队列临床研究Journal of veterinary internal medicine

Effects of a gluten-free hydrolyzed diet in dogs with paroxysmal dyskinesia: a prospective cohort study.

作者信息暂未整理DOI: 10.1093/jvimsj/aalag255
队列研究
暂无引用数据

23只客户饲养的阵发性运动障碍（PD）患犬接受无麸质水解饮食（GFHD）的前瞻性队列研究，于基线、90天和180天评估发作频率、胃肠道症状及血清抗麦胶蛋白肽IgG和抗转谷氨酰胺酶-2 IgA滴度。结果显示，发作中位数从基线6次降至180天时2次（P=0.0003）；180天时17/23为应答者（5例优、12例良）；胃肠道症状从15/23降至6/23，呕吐和腹泻显著减少（P=0.01）。各时间点发作频率与两种抗体滴度均无显著相关性（P>0.1），抗体结果前后无显著变化。结论认为，GFHD与多数患犬PD发作频率及胃肠道症状显著减少相关，但抗体滴度不能预测饮食反应，作为生物标志物价值有限。

为什么值得关注

暂未整理

查看扩展信息

完整作者

暂未整理

作者机构

暂未整理

技术路线

暂未整理

最近 5 个完整年度引用趋势

暂无引用数据

数据来源：暂未标注更新时间：暂无更新时间
探索相关选题直接查重
查看原文
公共数据库临床研究World journal of surgical oncology

Association of different adiposity indices with breast cancer incidence and all-cause mortality: a nationwide cohort study.

作者信息暂未整理DOI: 10.1186/s12957-026-04532-y
NHANES肿瘤与癌症肥胖队列研究
暂无引用数据

美国一项基于国家健康与营养调查（NHANES）2005—2016年周期数据的全国性队列研究，纳入12,829名20~85岁女性，评估相对脂肪量（RFM）、腰高比（WHtR）、体型指数（ABSI）、倒数体重指数（RPI）和锥度指数（CI）5项肥胖指标与乳腺癌发病及全因死亡的关系。中位随访101.4个月，期间发生367例乳腺癌、1,132例死亡。多因素校正后，ABSI与乳腺癌发病（OR=1.21，95%CI：1.02~1.44）及全因死亡（HR=1.22，95%CI：1.12~1.34）均呈显著正相关，在≥50岁女性中关联更强；CI亦与死亡正相关（HR=1.12）；RFM、WHtR和RPI在≥50岁亚组中与乳腺癌呈负相关。ABSI对乳腺癌预测的AUC最高（0.606），剂量反应关系最一致。结论认为，5项肥胖指标中ABSI与乳腺癌发病和全因死亡的关联最强且最一致，在各年龄组中预测价值稳定，未来仍需更大规模前瞻性队列研究进一步探讨。

为什么值得关注

暂未整理

查看扩展信息

完整作者

暂未整理

作者机构

暂未整理

技术路线

暂未整理

最近 5 个完整年度引用趋势

暂无引用数据

数据来源：暂未标注更新时间：暂无更新时间
探索相关选题直接查重
查看原文
公共数据库临床研究Human genomics

Dietary-fibre intake, genetic factors, and the risk of nonalcoholic fatty liver disease: a prospective study in the UK Biobank.

作者信息暂未整理DOI: 10.1186/s40246-026-01013-x
UK Biobank队列研究
暂无引用数据

英国生物银行前瞻性研究纳入424008名基线无肝病参与者，采用经验证的食物频率问卷评估膳食纤维摄入，以肝脏脂肪含量遗传风险评分评价遗传风险，用Cox比例风险模型分析。平均随访12.1年发生4662例非酒精性脂肪性肝病。膳食纤维摄入最高五分位者风险低于最低五分位（HR 0.70，95%CI 0.61~0.80，趋势P<0.001），面包和谷物来源纤维关联较强。高遗传风险者发病风险升高（HR 1.82，95%CI 1.65~2.01），但各遗传风险组中较高纤维摄入均与较低风险相关；高遗传风险合并低纤维摄入者发病风险最高（HR 2.85，95%CI 2.20~3.70）。结论认为，较高膳食纤维摄入与非酒精性脂肪性肝病风险降低相关，该关联见于所有遗传风险组。

为什么值得关注

暂未整理

查看扩展信息

完整作者

暂未整理

作者机构

暂未整理

技术路线

暂未整理

最近 5 个完整年度引用趋势

暂无引用数据

数据来源：暂未标注更新时间：暂无更新时间
探索相关选题直接查重
查看原文
公共数据库临床研究Biology of sport

Associations of exercise snacks with sarcopenia and all-cause mortality: A national cohort study.

作者信息暂未整理DOI: 10.5114/biolsport.2026.163369
NHANES队列研究
暂无引用数据

本研究基于2011—2014年美国国家健康与营养调查（NHANES）数据，纳入2969名参与者，探讨“运动零食”（即日常累积的短时中高强度身体活动）与肌少症及全因死亡率的关联。研究采用MIMS-ES（运动零食期间日均MIMS单位）和Time-ES（每日运动零食总分钟数）两个指标进行量化，运用调查加权回归模型、限制性立方样条分析及生存分析。结果显示，在完全校正模型中，MIMS-ES每增加1单位、Time-ES每增加1分钟，肌少症发生风险分别降低8%和9%；较高运动零食水平与更强握力相关。限制性立方样条分析呈L形关联，MIMS-ES约2050单位/日、Time-ES约80分钟/日后关联趋于平缓。在肌少症患者中，较高运动零食水平与较低全因死亡风险相关（MIMS-ES：HR=0.83，95%CI：0.74~0.91；Time-ES：HR=0.80，95%CI：0.71~0.91）。亚组及敏感性分析结果基本一致。研究表明，较高运动零食水平与较好的肌肉健康及生存结局相关，仍需进一步前瞻性和干预性研究加以明确。

为什么值得关注

暂未整理

查看扩展信息

完整作者

暂未整理

作者机构

暂未整理

技术路线

暂未整理

最近 5 个完整年度引用趋势

暂无引用数据

数据来源：暂未标注更新时间：暂无更新时间
探索相关选题直接查重
查看原文
临床队列临床研究Paediatrics & child health

A prospective cohort study of serum sickness-like reactions in the pediatric population.

作者信息暂未整理DOI: 10.1093/pch/pxag071
儿童队列研究
暂无引用数据

一项前瞻性队列研究于2022年10月至2024年9月在加拿大伦敦儿童医院开展，纳入0至18岁表现为皮疹伴关节痛或水肿的患儿，旨在描述儿童血清病样反应（SSLR）的临床与实验室特征。27例患者中男性占59%，就诊时平均年龄4岁；阿莫西林是最常见诱因（85.2%），皮疹以环状形态最常见，超声排除了真性关节炎。皮疹约5天消退，关节痛约4天缓解；全身性激素可加速关节痛缓解，但未缩短病程。淋巴细胞毒性试验在58.3%的病例中确认药物因果关系，并与环状皮疹及T细胞活化标志物升高相关。研究认为，上述发现对儿童SSLR的诊断、管理和预后具有重要意义。

为什么值得关注

暂未整理

查看扩展信息

完整作者

暂未整理

作者机构

暂未整理

技术路线

暂未整理

最近 5 个完整年度引用趋势

暂无引用数据

数据来源：暂未标注更新时间：暂无更新时间
探索相关选题直接查重
查看原文
页