Opioids are currently the most effective and widely used painkillers in the world. Unfortunately, the clinical use of opioid analgesics is limited by serious adverse effects. Many researchers have been working on designing and optimizing structures in search of novel μ opioid receptor(MOR) agonists with improved analgesic activity and reduced incidence of adverse effects. There are many strategies to develop MOR drugs, mainly focusing on new low efficacy agonists (potentially G protein biased agonists), MOR agonists acting on different Gα subtype, targeting opioid receptors in the periphery, acting on multiple opioid receptor, and targeting allosteric sites of opioid receptors, and others. This review summarizes the design methods, clinical applications, and structure–activity relationships of small-molecule agonists for MOR based on these different design strategies, providing ideas for the development of safer novel opioid ligands with therapeutic potential.

Abstract Background Older adults with dementia often face the risk of potentially inappropriate medication (PIM) use. The quality of PIM evaluation is hindered by researchers' unfamiliarity with evaluation criteria for inappropriate drug use. While traditional machine learning algorithms can enhance evaluation quality, they struggle with the multilabel nature of prescription data. Aim This study aimed to combine six machine learning algorithms and three multilabel classification models to identify correlations in prescription information and develop an optimal model to identify PIMs in older adults with dementia. Method This study was conducted from January 1, 2020, to December 31, 2020. We used cluster sampling to obtain prescription data from patients 65 years and older with dementia. We assessed PIMs using the 2019 Beers criteria, the most authoritative and widely recognized standard for PIM detection. Our modeling process used three problem transformation methods (binary relevance, label powerset, and classifier chain) and six classification algorithms. Results We identified 18,338 older dementia patients and 36 PIMs types. The classifier chain + categorical boosting (CatBoost) model demonstrated superior performance, with the highest accuracy (97.93%), precision (95.39%), recall (94.07%), F1 score (95.69%), and subset accuracy values (97.41%), along with the lowest Hamming loss value (0.0011) and an acceptable duration of the operation (371s). Conclusion This research introduces a pioneering CC + CatBoost warning model for PIMs in older dementia patients, utilizing machine-learning techniques. This model enables a quick and precise identification of PIMs, simplifying the manual evaluation process.

Abstract Objectives Baker’s cyst (BC) is a complex complication of rheumatoid arthritis (RA), with a poor prognosis. This paper aimed to analyze the clinical features and risk factors for BC in patients with RA to assist clinicians in early warning and appropriate action. Methods The Clinical features of hospitalized RA patients with knee affected were analyzed retrospectively. The R software was used for the statistical analysis, while logistic regression analyses were used to determine independent risk factors. Results A total of 367 RA patients with knee affected were studied, and BC was diagnosis in 15.3% of them. The BC group exhibited a higher proportion of knee-only affected than the non-BC group (p < 0.05), while the attributes linked to disease activity exhibited no disparity. Logistic regression analyses selected two independent risk factors for BC: knee-only affected and anemia. 26.8% of patients with BC developed rupture, exhibiting a higher proportion of knee-only affected (p < 0.05), compared to those unruptured. Conclusions The occurrence and rupture of BC in RA patients were significantly related to local inflammation, but not to systemic one. Incorporating local treatment may be a more advantageous option compared to solely relying on systemic therapy.

Milk is one of the main sources of nutrition in people's daily diet, but the fat in milk raises health concerns in consumers. Here, we aimed to elucidate the impact of Buffalo milk and Holstein cow milk consumption on blood lipid health through metabolomics analysis.

Motivation: Myocardial fat infiltration is the key pathological features of Duchenne muscular dystrophy associated cardiomyopathy. Magnetic resonance spectroscopy is a valuable method for detecting the in vivo changes of cardiac metabolism noninvasively. Goal(s): To investigate the characteristics of myocardial tissue triglyceride content in DMD by non-invasive MRS. Approach: Twenty patients with DMD and Controls underwent cardiac MRI, including spectral sequence. The peak area and the area under the peak of H2O and TG in each voxel were calculated. The t-test whether the sample mean was significant. Results: The difference of TG content between DMD children normal group and the two groups was statistically significant. Impact: Cardiac magnetic resonance spectrum can reflect myocardial triglyceride relative quantity for myocardial lipid content in the different stages of disease on how to change.