Background: Sepsis remains a significant challenge in patients with major trauma in the ICU. Early detection and treatment are crucial for improving outcomes and reducing mortality rates. Nonetheless, clinical tools for predicting sepsis among patients with major trauma are limited. This study aimed to develop and validate an artificial intelligence (AI) platform for predicting the risk of sepsis among patients with major trauma. Methods: This study involved 961 patients, with prospective analysis of data from 244 patients with major trauma at our hospital and retrospective analysis of data from 717 patients extracted from a database in the United States. The patients from our hospital constituted the model development cohort, and the patients from the database constituted the external validation cohort. The patients in the model development cohort were randomly divided into a training cohort and an internal validation cohort at a ratio of 8:2. The machine learning algorithms used to train models included logistic regression (LR), decision tree (DT), extreme gradient boosting machine (eXGBM), neural network (NN), random forest (RF), and light gradient boosting machine (LightGBM). Results: The incidence of sepsis for the model development cohort was 43.44%. Twelve predictors, including gender, abdominal trauma, open trauma, red blood cell count, heart rate, respiratory rate, injury severity score, sequential organ failure assessment score, Glasgow coma scale, smoking, total protein concentrations, and hematocrit, were used as features in the final model. Internal validation showed that the NN model had the highest area under the curve (AUC) of 0.932 (95% CI: 0.917-0.948), followed by the LightGBM and eXGBM models with AUCs of 0.913 (95% CI: 0.883–0.930) and 0.912 (95% CI: 0.880–0.935), respectively. In the external validation cohort, the eXGBM model (AUC: 0.891, 95% CI: 0.866-0.914) had the highest AUC value, followed by the LightGBM model (AUC: 0.886, 95% CI: 0.860–0.906), and the AUC value of the NN model was only 0.787 (95% CI: 0.751-0.829). Considering the predictive performance for both the internal and external validation cohorts, the LightGBM model had the highest score of 82, followed by the eXGBM (81) and NN (76) models. Thus, the LightGBM was emerged as the optimal model, and it was deployed online as an AI application. Conclusions: This study develops and validates an AI application to effectively assess the susceptibility of patients with major trauma to sepsis. The AI application equips healthcare professionals with a valuable tool to promptly identify individuals at high risk of developing sepsis. This will facilitate clinical decision-making and enable early intervention.

Feather moulting is a crucial process in the avian life cycle, which evolved to maintain plumage functionality. However, moulting involves both energetic and functional costs. During moulting, plumage function temporarily decreases between the shedding of old feathers and the full growth of new ones. In flying taxa, a gradual and sequential replacement of flight feathers evolved to maintain aerodynamic capabilities during the moulting period. Little is known about the moult strategies of non-avian pennaraptoran dinosaurs and stem birds, before the emergence of crown lineage. Here, we report on two Early Cretaceous pygostylian birds from the Yixian Formation (125 mya), probably referable to Confuciusornithiformes, exhibiting morphological characteristics that suggest a gradual and sequential moult of wing flight feathers. Short primary feathers interpreted as immature are symmetrically present on both wings, as is typical among extant flying birds. Our survey of the enormous collection of the Tianyu Museum confirms previous findings that evidence of active moult in non-neornithine pennaraptorans is rare and likely indicates a moult cycle greater than one year. Documenting moult in Mesozoic feathered dinosaurs is critical for understanding their ecology, locomotor ability and the evolution of this important life-history process in birds.

ABSTRACT Background Treatment strategies for Crohn’s disease (CD) suppress diverse inflammatory pathways but many patients remain refractory to treatment. Autologous hematopoietic stem cell transplantation (SCT) has emerged as a therapy for medically refractory CD. SCT was developed to rescue cancer patients from myelosuppressive chemotherapy but its use for CD and other immune diseases necessitates reimagining SCT as a cellular therapy that restores appropriately responsive immune cell populations from hematopoietic progenitors in the stem cell autograft (i.e. immune “reset”). Here we present a paradigm to understand SCT as a cellular therapy for immune diseases and reveal how SCT re-establishes cellular immunity utilizing high-dimensional cellular phenotyping and functional studies of the stem cell grafts. Methods Immunophenotyping using CyTOF, single cell RNA sequencing (scRNA-seq) and T cell receptor (TCR) sequencing was performed on peripheral blood and intestinal tissue samples from refractory CD patients who underwent SCT. The stem cell graft from these patients was analyzed using flow cytometry and functionally interrogated using a murine model for engraftment. Results Our study revealed a remodeling of intestinal macrophages capable of supporting mucosal healing that was independently validated using multimodal studies of immune reconstitution events including CyTOF and scRNA-seq. Functional interrogation of hematopoietic stem cells (HSCs) using a xenograft model demonstrated that HSCs shape the timing of immune reconstitution, the selected reconstitution of specific cell lineages and potentially the clinical efficacy of SCT. Conclusions These studies indicate that SCT serves as a myeloid-directed cellular therapy re-establishing homeostatic intestinal macrophages that support intestinal healing and suggest refractory CD evolves from impairment of restorative functions in myeloid cells. Furthermore, we report heterogeneity among HSCs from CD patients which may drive SCT outcomes and suggests an unrecognized impact of CD pathophysiology on HSC in the marrow niche.

Objective: 1. Explore the differential metabolites and metabolic pathways between different interstitial lung disease (ILD) and healthy controls, so as to find out new biomarkers and metabolic pathways of ILD and provide new biological targets for IPF diagnosis and treatment. 2. Detect the levels of serum related fibrosis and metabolic indexes of ILD, explore the relationship between these indexes and the types and general parameters of ILD diseases, and focus on GDF-15 on the basis of metabonomics, explore new metabolic pathways related to ILD, and further expound the pathogenesis of idiopathic pulmonary fibrosis. Method: 1. According to the inclusion criteria and exclusion criteria, the ILD patients admitted to our hospital from January 1, 2021 to January 1, 2022 were signed with informed consent, and all of them had clear multidisciplinary diagnosis. At the same time, the physical examination in the health management center of our hospital was selected as the healthy control group. General clinical data of ILD patients and healthy controls were collected, including gender, age, onset, clinical manifestations, clinical biochemistry, lung function and other related data. Collect patients' peripheral venous blood, keep serum samples, and analyze the serum of ILD patients and healthy controls by liquid chromatography-mass spectrometry (LC-MS) to obtain differential metabolites, metabolic maps and related data. According to the diagnosis, the patients were divided into Idiopathic pulmonary fibrosis (IPF), connective tissue disease-associated interstitial lung disease (CTD-ILD), other interstitial lung disease (ILD) patients and healthy control group. R statistical software was used to observe whether there are differential metabolites in IPF group and healthy control group, CTD-ILD group and healthy control group, other ILD groups and healthy control group, IPF group and CTD-ILD group, IPF group and other ILD groups, CTD-ILD group and other ILD groups by using positive and negative ion flow charts and score charts of orthogonal partial least squares-discriminant analysis. And the potential biomarkers were found through the S-plot diagram of OPLS-DA and the variable weight value VIP>1. ROC curve analysis of differential metabolites was carried out by SPSS21.0 software to analyze the value of differential diagnosis and find out new biomarkers with differential diagnosis significance. Based on KEGG database, the metabolic pathway enrichment analysis of differential metabolites was carried out to find out the main metabolic pathways. 2. Serum levels of type I collagen, KL-6, IL-1β, TNF-α, IGF-1 and GDF-15 were detected by Enzyme linked immunosorbent assay (ELISA) in all patients and healthy controls. Using SPSS21.0 statistical software and R statistical software, using T-test, variance analysis or nonparametric test method, according to different diagnoses (IPF/CTD-ILD/ other ILD/ healthy control group, ILD/ healthy control group, IPF/ other), the data were analyzed and compared in subgroups. Pearson correlation analysis was used to analyze the correlation between serum biomarkers and other factors such as lung function, metabolomics and so on. ROC curve was used to analyze the diagnostic efficiency of each index, and the best critical value, sensitivity and specificity were found out. Results: 1. Analysis of general clinical data and clinical indicators: 26 cases of IPF, 21cases of CTD-ILD, 23 cases of others ILD and 20 cases of healthy control group were included, respectively. There were significant differences in age, sex and smoking history among the four groups (P < 0.05), and the differences were statistically significant. There were statistically significant differences among IPF group, CTD-ILD group and other ILD groups in cough and expectoration symptoms, eosinophil count percentage, creatine kinase, creatine kinase isoenzyme, C-reactive protein and carbon monoxide diffusion capacity (DLco) (P < 0.05). 2. Metabonomics analysis: LC-MC total ion flow chart of serum samples and orthogonal partial least squares discriminant analysis (OPLS-DA) of serum samples showed the difference of ion peak intensity, and there were different metabolites among each group. The OPLS-DA model has good quality evaluation and reliable data analysis. There are 193, 115, 101, 188, 148 and 169 differential metabolites in IPF group and healthy control group, IPF group and CTD-ILD group, CTD-ILD group and other ILD groups, others ILD groups and healthy control group respectively. There is a correlation between the differential metabolites of each ILD subgroup and the healthy control group. The most relevant metabolic pathways in IPF mainly include choline metabolic pathway, metabolic pathway and linoleic acid metabolic pathway in cancer. The metabolic pathways most related to CTD-ILD and other ILD include choline metabolic pathway and retrograde neural signal metabolic pathway in cancer. Metabolic pathway and linoleic acid metabolic pathway may distinguish IPF from other ILD. Metabolites involved in metabolic pathway are L-Glutamate, PE(18:3(6Z,9Z,12Z)/P-18:0) and PC (18: 2 (9z, 12z)/20: 2 (11z, 14z)), respectively. There are three differential metabolites of linoleic acid pathway, namely 12,13-EpOME, 13S-HODE and PC(18:2(9Z,12Z)/20:2(11Z,14Z)). There are 35 kinds of differential metabolites in IPF group and healthy control group, and the top three places of AUC are 3- sulfodeoxycholic acid, 20,22-dihydrodigitalis glycoside, (±14) (15)-EET-SI, with AUC values of 0.985, sensitivity of 100% and specificity of 92.3%. L- acetylcarnitine, 5-hydroxydodecanoate and L-Glutamate are involved in significant enrichment pathways, among which the ROC curve area of L-Glutamate is the largest, with AUC value of 0.921, cutoff value of 40145.490, sensitivity of 80%, specificity of 96%, and participation in metabolic pathways. 3. Serum metabolism-related detection indexes: The six serum detection indexes of IPF group and CTD-ILD group are higher than those of healthy control group, and the difference is statistically significant (P < 0.05), but the difference between IPF group and CTD-ILD group is not statistically significant (P>0.05). The expression of GDF-15 in IPF group and non-IPF ILD group was higher than that in healthy control group, with significant difference, but there was no significant difference between IPF group and non-IPF ILD group. Type I collagen and IL-1β; were negatively correlated with DLco. KL-6 is negatively correlated with the measured values of VC and DLco; IGF-1 was negatively correlated with FVC, VC and DLco (all P<0.05). GDF-15 was positively correlated with type I collagen, KL-6, IL-1β TNF-α and IGF-1, and the difference was statistically significant (P < 0.05). ROC curve shows that the area under ROC curve (AUC) of six serum indexes in IPF group is greater than 0.9; In CTD-ILD group, the AUC of IGF-1 was greater than 0.9, the cutoff value was 35.081ng/ml, the sensitivity was 90%, the specificity was 76%, and the area under ROC curve was greater than 0.8, and the difference was statistically significant. In other ILD groups, the ROC curve area of these six indicators ranged from 0.6 to 0.8, among which IGF-1, GDF-15 and TNF-α had diagnostic value. In IPF, L-Glutamate was positively correlated with type I collagen, KL-6, IGF-1, IL-1β, TNF-α and GDF-15, and the difference was statistically significant (P < 0.05), with the highest correlation with IGF-1. Conclusion: In this study, the serum samples of IPF patients, CTD-ILD patients, other interstitial lung diseases and healthy controls were analyzed by LM-MS and ELISA, and the following conclusions were drawn. 1. There are differences in serum metabolites in different groups. IPF has three main metabolic pathways, namely choline metabolic pathway, metabolic pathway and linoleic acid metabolic pathway in cancer, among which metabolic pathway and linoleic acid metabolic pathway are different from other groups. There are 35 differential metabolites in IPF and healthy control group with the area under ROC curve larger than 0.80, among which the metabolites with the highest diagnostic value are 3- sulfodeoxycholic acid, 20,22-dihydrodigitalis glycoside and (±) 14 (15)-EET-SI. The AUC value of L- glutamic acid is the highest among the metabolites that participate in the enrichment pathway significantly. 2. The expressions of type I collagen, KL-6, IL-1β, TNF-α, IGF-1 and GDF-15 are different in different ILDs, which have potential diagnostic and differential diagnostic value, and are correlated with lung function indexes. In IPF, GDF-15 is positively correlated with L-Glutamate, which may be involved in metabolic pathway to further promote pulmonary fibrosis.

Primary familial brain calcification (PFBC) is a rare genetic neurodegenerative disorder characterized by bilateral calcifications in the brain. PFBC may manifest with a broad spectrum of motor, cognitive, and neuropsychiatric symptoms. Several causal genes have been identified in PFBC, which are inherited as both autosomal dominant and autosomal recessive traits. Herein, we present the case of a Chinese family diagnosed with PFBC. The family members carry a rare heterozygous variant (p. R334Q) in exon 7 of platelet-derived growth factor receptor β ( PDGFRB ) gene. The platelet-derived growth factor-B/PDGF receptor β (PDGF-B/PDGFRβ) signaling pathway plays a crucial role in pericyte development in various organs and tissues. Notably, this variant uniquely coexists with nontraumatic osteonecrosis of the femoral head. Additionally, we reviewed previous studies on PFBC-causing variants in PDGFRB .

China has implemented the "tiered medical services" policy since 2015, while there is a paucity of data evaluating the the current status of chronic obstructive pulmonary disease (COPD) management under the system. Characteristics and treatments from 11,905 COPD patients in 88 hospitals across different tiers in China were included and analyzed. We assessed the statistical significance of differences by one way analysis of variance (ANOVA) for continuous variables and with the chi-squared test for categorical variables. Patients in primary hospitals (Tier1) exhibited heightened exposure to risk factors including smoking, household biofuel, and family history of respiratory diseases, and displayed elevated COPD assessment test (CAT) and modified Medical Research Council (mMRC) dyspnea scale scores, and worse lung function, in comparison to tertiary (Tier3) hospitals (P < 0.001). However, the utilization of inhaled maintenance treatments in Tier1 hospitals is markedly lower than that in Tier3 hospitals (54.8% vs. 81.3%, P < 0.001). At odds with the patients with more severer symptoms (as indicated by CAT ≥ 10 or mMRC ≥ 2), a higher proportion relied exclusively on single bronchodilators in Tier1 hospitals was observed compared to secondary (Tier2) and Tier3 hospitals (37.7% vs. 32.1% vs. 26.3%, 40.0% vs. 29.8% vs. 25.6%, P<0.001). Dual bronchodilators (long-acting β2-agonists /long-acting muscarinic antagonist, LABA/LAMA) represented the least common medication regimen across all tiers of hospitals, albeit their usage rates increased in tandem with hospital tier (0.7% vs. 7.2% vs. 10.4%, P < 0.001). In addition, the use of inhalation therapies containing inhaled corticosteroids (ICS) in China's primary care is notably lower (16.9%) than the United States, the United Kingdom, and other middle-to-high-income countries (29.5-57.0%). There was compelling evidence pointing to greater disease severity in Tier1 hospitals, attributable to the lower and inappropriate utilization of inhaled maintenance treatments. This underscores the necessity for enhanced availability of medications and educational initiatives aimed at both physicians and patients within Tier1 hospitals.

Respiratory syncytial virus (RSV) is a major cause of severe health problems in newborns and young children. The protective role and limitations of serum maternal RSV antibodies in infants under 3 months remain controversial. A two-center prospective study from 2020 to 2023 recruited infants (n=286) admitted to the respiratory departments of two children's hospitals in southwestern and southeastern China during RSV epidemic. These infants were hospitalized with lower respiratory tract infections (LRTI). We evaluated the relationship between serum RSV Prefusion (Pre-F), postfusion (Post-F) IgG levels, subtype neutralizing antibodies, and the incidence of RSV infection, as well as the relationship between these maternal antibodies and severity of disease. Since this prospective study only included data from RSV epidemic, we retrospectively reviewed medical records from the Children's Hospital of Chongqing Medical University for the years 2019 to 2023 (n=3467) to analyze population characteristics during both RSV epidemic and non-epidemic periods, using the same inclusion and exclusion criteria. There were no significant differences in RSV Pre-F IgG, Post-F IgG, or RSV A or B neutralizing antibody levels between the RSV infected and non-infected groups during the epidemic. While RSV Pre-F IgG antibody was inversely correlated with disease severity, RSV Post-F IgG, and RSV A and B neutralizing antibodies did not show a similar correlation across the three illness severity categories. Additionally, there were no differences in age, gender, or illness severity distribution among hospitalized patients during epidemic and non-epidemic periods. Serum maternal antibody levels offer insufficient protection against RSV-associated LRTI in hospitalized infants aged 28 to 90 days.