Background: Health-related quality of life (QOL) is an important measure of how disease affects patients’ lives. Dialysis patients have decreased QOL relative to healthy controls. Little is known about QOL in patients with chronic kidney disease (CKD) before renal replacement therapy. Methods: The Medical Outcomes Study Short Form-36 (SF-36), a standard QOL instrument, was used to evaluate 634 patients (mean glomerular filtration rate [GFR], 23.6 ± 9.6 mL/min/1.73 m2 [0.39 ± 0.16 mL/s/1.73 m2]) enrolled in a 4-center, prospective, observational study of CKD. SF-36 scores in these patients were compared with those in a prevalent cohort of hemodialysis (HD) patients and healthy controls (both from historical data). QOL data also were analyzed for correlations with GFR and albumin and hemoglobin levels in multivariable analyses. Results: Patients with CKD had higher SF-36 scores than a large cohort of HD patients (P < 0.0001 for 8 scales and 2 summary scales), but lower scores than those reported for the US adult population (P < 0.0001 for 7 of 8 scales and 1 of 2 summary scales). Patients with CKD stage 4 had lower QOL scores than patients with CKD stage 5, although differences were not significant. Hemoglobin level was associated positively with higher mental and physical QOL scores (P < 0.05) in all individual and component scales except Pain. Conclusion: SF-36 scores were higher in this CKD cohort compared with HD patients, but lower than in healthy controls. GFR was not significantly associated with QOL. Hemoglobin level predicted both physical and mental domains of the SF-36. Longitudinal studies are needed to define at-risk periods for decreases in QOL during progression of CKD. Background: Health-related quality of life (QOL) is an important measure of how disease affects patients’ lives. Dialysis patients have decreased QOL relative to healthy controls. Little is known about QOL in patients with chronic kidney disease (CKD) before renal replacement therapy. Methods: The Medical Outcomes Study Short Form-36 (SF-36), a standard QOL instrument, was used to evaluate 634 patients (mean glomerular filtration rate [GFR], 23.6 ± 9.6 mL/min/1.73 m2 [0.39 ± 0.16 mL/s/1.73 m2]) enrolled in a 4-center, prospective, observational study of CKD. SF-36 scores in these patients were compared with those in a prevalent cohort of hemodialysis (HD) patients and healthy controls (both from historical data). QOL data also were analyzed for correlations with GFR and albumin and hemoglobin levels in multivariable analyses. Results: Patients with CKD had higher SF-36 scores than a large cohort of HD patients (P < 0.0001 for 8 scales and 2 summary scales), but lower scores than those reported for the US adult population (P < 0.0001 for 7 of 8 scales and 1 of 2 summary scales). Patients with CKD stage 4 had lower QOL scores than patients with CKD stage 5, although differences were not significant. Hemoglobin level was associated positively with higher mental and physical QOL scores (P < 0.05) in all individual and component scales except Pain. Conclusion: SF-36 scores were higher in this CKD cohort compared with HD patients, but lower than in healthy controls. GFR was not significantly associated with QOL. Hemoglobin level predicted both physical and mental domains of the SF-36. Longitudinal studies are needed to define at-risk periods for decreases in QOL during progression of CKD.

Background. Malnourished children are at increased risk for death due to diarrhea. Our goal was to determine the contribution of specific enteric infections to malnutrition-associated diarrhea and to determine the role of enteric infections in the development of malnutrition. Methods. Children from an urban slum in Bangladesh were followed for the first year of life by every-other-day home visits. Enteropathogens were identified in diarrheal and monthly surveillance stools; intestinal barrier function was measured by serum endocab antibodies; and nutritional status was measured by anthropometry. Results. Diarrhea occurred 4.69 ± 0.19 times per child per year, with the most common infections caused by enteric protozoa (amebiasis, cryptosporidiosis, and giardiasis), rotavirus, astrovirus, and enterotoxigenic Escherichia coli (ETEC). Malnutrition was present in 16.3% of children at birth and 42.4% at 12 months of age. Children malnourished at birth had increased Entamoeba histolytica, Cryptosporidium, and ETEC infections and more severe diarrhea. Children who became malnourished by 12 months of age were more likely to have prolonged diarrhea, intestinal barrier dysfunction, a mother without education, and low family expenditure. Conclusions. Prospective observation of infants in an urban slum demonstrated that diarrheal diseases were associated with the development of malnutrition that was in turn linked to intestinal barrier disruption and that diarrhea was more severe in already malnourished children. The enteric protozoa were unexpectedly important causes of diarrhea in this setting. This study demonstrates the complex interrelationship of malnutrition and diarrhea in infants in low-income settings and points to the potential for infectious disease interventions in the prevention and treatment of malnutrition.

ABSTRACT There has been growing research interest in developing methodology to evaluate the health care providers' performance with respect to a patient outcome. Random and fixed effects models are traditionally used for such a purpose. We propose a new method, using a fusion penalty to cluster health care providers based on quasi‐likelihood. Without any priori knowledge of grouping information, our method provides a desirable data‐driven approach for automatically clustering health care providers into different groups based on their performance. Further, the quasi‐likelihood is more flexible and robust than the regular likelihood in that no distributional assumption is needed. An efficient alternating direction method of multipliers algorithm is developed to implement the proposed method. We show that the proposed method enjoys the oracle properties; namely, it performs as well as if the true group structure were known in advance. The consistency and asymptotic normality of the estimators are established. Simulation studies and analysis of the national kidney transplant registry data demonstrate the utility and validity of our method.

ABSTRACT We propose a novel regression tree method named “TreeFuL,” an abbreviation for ‘Tree with Fused Leaves.’ TreeFuL innovatively combines recursive partitioning with fused regularization, offering a distinct approach to the conventional pruning method. One of TreeFuL's noteworthy advantages is its capacity for cross‐validated amalgamation of non‐neighboring terminal nodes. This is facilitated by a leaf coloring scheme that supports tree shearing and node amalgamation. As a result, TreeFuL facilitates the development of more parsimonious tree models without compromising predictive accuracy. The refined model offers enhanced interpretability, making it particularly well‐suited for biomedical applications of decision trees, such as disease diagnosis and prognosis. We demonstrate the practical advantages of our proposed method through simulation studies and an analysis of data collected in an obesity study.

The inhibition of the fusion peptide (FP) of the spike protein of coronaviruses, which mediates interactions with the host cell membrane, plays a critical role in the membrane fusion process. In this study, we investigated the interactions between the FP and cell membranes and evaluated the effect of three drug molecules — neferine (Nef), glycyrrhetinic acid (GA), quercetin (Qct) on the membrane fusion process by combining molecular dynamic (MD) simulations and experimental methods. Our findings revealed that glycyrrhetinic acid exhibited strong binding ability towards the FP (residues 815‐828), with particularly interactions observed with key residues L821, L822, F823, and L828. Furthermore, we performed FITC fluorescence staining experiments on cells and assessed the inhibitory effects of glycyrrhetinic acid on FP. The results showed a significant reduction in fluorescence intensity in the FP‐FITC experiment group treated with glycyrrhetinic acid, indicating that glycyrrhetinic acid interferes with the binding ability of FP and disrupts its localization on the cell membrane. Overall, this research will contribute to a deeper understanding of the inhibition mechanism of FP’s membrane fusion process, which widely exists in the intrusion process between viruses and cells.

The brain functional connectivity can typically be represented as a brain functional network, where nodes represent regions of interest (ROIs) and edges symbolize their connections. Studying group differences in brain functional connectivity can help identify brain regions and recover the brain functional network linked to neurodegenerative diseases. This process, known as differential network analysis focuses on the differences between estimated precision matrices for two groups. Current methods struggle with individual heterogeneity in measuring the brain connectivity, false discovery rate (FDR) control, and accounting for confounding factors, resulting in biased estimates and diminished power. To address these issues, we present a two‐stage FDR‐controlled feature selection method for differential network analysis using functional magnetic resonance imaging (fMRI) data. First, we create individual brain connectivity measures using a high‐dimensional precision matrix estimation technique. Next, we devise a penalized logistic regression model that employs individual brain connectivity data and integrates a new knockoff filter for FDR control when detecting significant differential edges. Through extensive simulations, we showcase the superiority of our approach compared to other methods. Additionally, we apply our technique to fMRI data to identify differential edges between Alzheimer's disease and control groups. Our results are consistent with prior experimental studies, emphasizing the practical applicability of our method.