This study aimed to develop and validate a bone marrow edema model using a magnetic resonance imaging-based radiomics nomogram for the diagnosis of osteoarthritis. Clinical and magnetic resonance imaging (MRI) data of 302 patients with and without osteoarthritis were retrospectively collected from April 2022 to October 2023 at Longhua Hospital affiliated with the Shanghai University of Traditional Chinese Medicine. The participants were randomly divided into two groups (a training group, n = 211 and a testing group, n = 91). We used logistic regression to analyze clinical characteristics and established a clinical model. Radiomics signatures were developed by extracting radiomic features from the bone marrow edema area using MRI. A nomogram was developed based on the rad-score and clinical characteristics. The diagnostic performance of the three models was compared using the receiver operating characteristic curve and Delong's test. The accuracy and clinical application value of the nomogram were evaluated using calibration curve and decision curve analysis. Clinical characteristics such as age, radiographic grading, Western Ontario and McMaster Universities Arthritis Index score, and radiological features were significantly correlated with the diagnosis of osteoarthritis. The Rad score was constructed from 11 radiological features. A clinical model was developed to diagnose osteoarthritis (training group: area under the curve [AUC], 0.819; testing group: AUC, 0.815). Radiomics models were used to effectively diagnose osteoarthritis (training group,: AUC, 0.901; testing group: AUC, 0.841). The nomogram model composed of Rad score and clinical characteristics had better diagnostic performance than a simple clinical model (training group: AUC, 0.906; testing group: AUC, 0.845;

The use of real-time continuous glucose monitoring (rtCGM) technology remains largely investigational in the hospital setting. The current study aimed to evaluate the effectiveness of rtCGM in inpatients with diabetes who were treated with short-term continuous subcutaneous insulin infusion (CSII).

Abstract Background The prevalence rate of multiple chronic diseases among the elderly is relatively high, posing a risk to their health and also imposing a financial burden on them. Optimal dietary patterns have positive effects on multiple chronic diseases. This study aimed to identify dietary patterns associated with multiple chronic diseases in older adults. Methods Dietary intake was assessed through two non-consecutive 24-hour dietary recalls. The presence of multiple chronic diseases was assessed based on the existence of dyslipidemia, hypertension, chronic kidney disease, sleep disorders, diabetes, moderate or severe depressive symptoms, and cognitive impairment, with two or more of these conditions being considered. Latent class analysis was used to identify types of multiple chronic diseases, and two-step cluster analysis was used to determine individual dietary patterns. Logistic regression analysis with robust standard errors was conducted to determine the associations between dietary patterns and types of multiple chronic diseases. Results Three dietary patterns and three types of multiple chronic diseases were identified. Individuals following a diet rich in legumes, meat, vegetables and fruits (HLMVF dietary pattern) were 59% less likely to have the cardiometabolic cognitive impairment comorbidity (CCC) than those following a diet rich in milk and eggs but with low grain intake (HME-LG) ( OR = 0.41, 95% CI : 0.27–0.64, P < 0.001) and 66% less likely to have the especially sleep disorders comorbidity (ESC) than those following a diet rich in grains but lacking milk and eggs (HG-LME) ( OR = 0.34, 95% CI : 0.14–0.87, P < 0.05). Discussion The HLMVF dietary pattern may serve as a healthy dietary pattern to reduce the incidence of multiple chronic diseases and should be promoted among the older adult population.

Abstract Self-agency, the sense that one is the author or owner of one’s behaviors, is impaired in multiple psychological and neurological disorders, including functional movement disorders, Parkinson’s Disease, alien hand syndrome, schizophrenia, and dystonia. Existing assessments of self-agency, many of which focus on agency of movement, can be prohibitively time-consuming and often yield ambiguous results. Here, we introduce a short online motion tracking task that quantifies movement agency through both first-order perceptual and second-order metacognitive judgments. The task assesses the degree to which a participant can distinguish between a motion stimulus whose trajectory is influenced by the participant’s cursor movements and a motion stimulus whose trajectory is random. We demonstrate the task’s reliability in healthy participants and discuss how its efficiency, reliability, and ease of online implementation make it a promising new tool for both diagnosing and understanding disorders of agency.