Imposition of a lasso penalty shrinks parameter estimates toward zero and performs continuous model selection. Lasso penalized regression is capable of handling linear regression problems where the number of predictors far exceeds the number of cases. This paper tests two exceptionally fast algorithms for estimating regression coefficients with a lasso penalty. The previously known ℓ2 algorithm is based on cyclic coordinate descent. Our new ℓ1 algorithm is based on greedy coordinate descent and Edgeworth’s algorithm for ordinary ℓ1 regression. Each algorithm relies on a tuning constant that can be chosen by cross-validation. In some regression problems it is natural to group parameters and penalize parameters group by group rather than separately. If the group penalty is proportional to the Euclidean norm of the parameters of the group, then it is possible to majorize the norm and reduce parameter estimation to ℓ2 regression with a lasso penalty. Thus, the existing algorithm can be extended to novel settings. Each of the algorithms discussed is tested via either simulated or real data or both. The Appendix proves that a greedy form of the ℓ2 algorithm converges to the minimum value of the objective function.

Abstract Motivation: In ordinary regression, imposition of a lasso penalty makes continuous model selection straightforward. Lasso penalized regression is particularly advantageous when the number of predictors far exceeds the number of observations. Method: The present article evaluates the performance of lasso penalized logistic regression in case–control disease gene mapping with a large number of SNPs (single nucleotide polymorphisms) predictors. The strength of the lasso penalty can be tuned to select a predetermined number of the most relevant SNPs and other predictors. For a given value of the tuning constant, the penalized likelihood is quickly maximized by cyclic coordinate ascent. Once the most potent marginal predictors are identified, their two-way and higher order interactions can also be examined by lasso penalized logistic regression. Results: This strategy is tested on both simulated and real data. Our findings on coeliac disease replicate the previous SNP results and shed light on possible interactions among the SNPs. Availability: The software discussed is available in Mendel 9.0 at the UCLA Human Genetics web site. Contact: klange@ucla.edu Supplementary information: Supplementary data are available at Bioinformatics online.

Early Childhood Caries (ECC) is the most common childhood disease worldwide and a health disparity among underserved children. ECC is preventable and reversible if detected early. However, many children from low-income families encounter barriers to dental care. An at-home caries detection technology could potentially improve access to dental care regardless of patients’ economic status and address the overwhelming prevalence of ECC. Our team has developed a smartphone application (app), AICaries, that uses artificial intelligence (AI)-powered technology to detect caries using children’s teeth photos. We used mixed methods to assess the acceptance, usability, and feasibility of the AICaries app among underserved parent-child dyads. We conducted moderated usability testing (Step 1) with ten parent-child dyads using "Think-aloud" methods to assess the flow and functionality of the app and analyze the data to refine the app and procedures. Next, we conducted unmoderated field testing (Step 2) with 32 parent-child dyads to test the app within their natural environment (home) over two weeks. We administered the System Usability Scale (SUS) and conducted semi-structured individual interviews with parents and conducted thematic analyses. AICaries app received a 78.4 SUS score from the participants, indicating an excellent acceptance. Notably, the majority (78.5%) of parent-taken photos of children’s teeth were satisfactory in quality for detection of caries using the AI app. Parents suggested using community health workers to provide training to parents needing assistance in taking high quality photos of their young child’s teeth. Perceived benefits from using the AICaries app include convenient at-home caries screening, informative on caries risk and education, and engaging family members. Data from this study support future clinical trial that evaluates the real-world impact of using this innovative smartphone app on early detection and prevention of ECC among low-income children.

Abstract There are numerous types of orbital tumors, among which orbital ameloblastoma is a rare metastatic benign tumor that often originates in the jaw and later metastasizes to the orbit. The mystery of it lies in that, although it is classified as a benign tumor, it exhibits high recurrence and malignant potential with high invasiveness, posing a serious threat to ocular health and the quality of life of patients. The prognosis of orbital ameloblastoma is relatively poor, but there is still hope. With aggressive treatment and close follow-up observation, patients may still have the possibility of achieving a longer survival period and a better quality of life. The global incidence of ameloblastoma is 0.92 cases per million people per year. According to world literature reports, there are 32 cases of maxillary bone metastasis to the orbit and 4 cases of mandibular bone metastasis to the orbit. With more and more cases and related research being reported, it is necessary to comprehensively review the etiology, clinical manifestations, diagnosis, treatment, and prognosis of orbital ameloblastoma, in order to enhance ophthalmologists' understanding and diagnostic and treatment skills of this disease, and ultimately improve patients' prognosis and quality of life.

Silver Diamine Fluoride (SDF) is effective for arresting dental caries, presenting a valuable non-invasive treatment option in dentistry. Despite its therapeutic advantages, a significant drawback is the tooth discoloration that follows its application, which can affect patient acceptance. Addressing this aesthetic concern without diminishing the treatment's efficacy remains challenging in dental practice. This study explores strategies to improve the aesthetic outcomes of SDF treatments. This in vitro study assessed the efficacy of Zinc in reducing SDF-induced discoloration on dentin blocks and examined its impact on the physical properties of dentin, including hardness and roughness. Dentin blocks were pre-treated with various concentrations of Zinc, followed by SDF application. Color changes were analyzed using Image J software, and cytotoxicity was evaluated using the CytoTox-ONE™ Homogeneous Membrane Integrity Assay. Dentin surface characteristics, including micro-hardness and roughness, were assessed using scanning electron microscopy. The study results revealed a dose-dependent efficacy of Zinc in reducing discoloration caused by SDF on dentin, with higher Zinc concentrations showing better improvement in color outcomes. The application of a 20 M Zinc solution prior to SDF treatment significantly reduced discoloration compared to SDF alone, measured on day 14. Additionally, no significant changes in the hardness or roughness of etched dentin were observed in Zinc + SDF group compared to the SDF alone group. Zinc treatments demonstrated a desirable outcome on mucosal cytotoxicity, comparable to that of the negative control. Zinc significantly reduced SDF-induced tooth discoloration in a dose-dependent manner without affecting the etched dentin's micro-hardness and roughness, potentially improving patient acceptance, especially in visible areas of the mouth. Further research is warranted to validate the effectiveness of this zinc-enhanced treatment protocol in vivo. Zinc-enhanced SDF treatments could enhance patient acceptance, especially in visible areas of the mouth, offering an improved option for caries management.