国家预印本平台

背景　甘油三酯（TG）水平升高与心血管疾病之间存在长期联系。在接受他汀类药物治疗且低密度脂蛋白胆固醇（LDL-C）水平控制良好的患者中，TG水平升高的患者患动脉粥样硬化性心血管疾病的风险高于TG水平较低的患者。因此，及早发现与高甘油三酯血症（HTG）进展相关的因子对于HTG相关疾病的防治意义重大。而硫氧还蛋白相互作用蛋白（TXNIP）在脂质代谢中起着关键的作用。目的　评估血清TXNIP水平与脂耐量减低（IFT）及HTG的相关性。方法　选择2019年2月—2020年2月河北省人民医院体检中心受检者235例为研究对象，均进行口服脂肪耐量试验（OFTT），根据OFTT结果将受检者分为脂耐量正常组（NFT组，75例）、IFT组（85例）和HTG组（75例）；并根据血清TG四分位数将受试者分为Q1~Q4组。检测空腹血糖（FBG）、2 h口服葡萄糖耐量试验（OGTT）血糖、空腹胰岛素（FINS）、血清尿酸（SUA）、载脂蛋白A1（ApoA1）、载脂蛋白B（ApoB）、空腹及高脂餐后4 h总胆固醇（TC）、TG、高密度脂蛋白胆固醇（HDL-C）、LDL-C。计算非HDL-C（Non-HDL-C）和富含TG的脂蛋白残留物（TRLRs），评估稳态模型胰岛素抵抗指数（HOMA-IR）及胰岛β细胞功能指数（HOMA-β）。采用酶联免疫吸附试验测定血清TXNIP，分析TXNIP与各指标的相关性。结果　IFT组和HTG组血清TXNIP水平较NFT组升高，且HTG组高于IFT组（P<0.05）；Q2、Q3、Q4组TXNIP水平高于Q1组，Q3、Q4组TXNIP水平高于Q2组，Q4组TXNIP水平高于Q3组（P<0.05）。血清TXNIP水平与SUA、FBG、FINS、HOMA-IR、HOMA-β、0 hTC、4 hTC、0 hTG、4 hTG、0 hLDL-C、4 h LDL-C、Non-HDL-C、TRLRs、ApoB呈正相关，与0 hHDL-C、4 hHDL-C呈负相关（P<0.05）。校正主要混杂因素后，多元线性回归分析结果显示，IFT和HTG是血清TXNIP水平的独立影响因素（IFT：β=0.184，P=0.006；HTG：β=0.441，P<0.001）。结论　血清TXNIP水平与脂耐量减低程度呈正相关，降低血清TXNIP可能会延缓HTG相关疾病的进展。

2024年10月在BMJ期刊发布的《SGLT-2抑制剂用于成人慢性肾脏疾病患者临床实践指南》基于估算肾小球滤过率（eGFR）与蛋白尿水平对慢性肾脏疾病（CKD）患者的并发症和进展风险进行分层，将其划分为低危、中危、高危和极高危4个层级。指南对不同风险层级患者使用钠-葡萄糖共转运蛋白2（SGLT-2）抑制剂的获益与风险进行了量化评估，提出了分层推荐策略，例如，对于CKD进展及并发症风险较低或中等的成年患者，可以考虑使用SGLT-2抑制剂（弱推荐）；而对于风险较高或极高的成年患者，则推荐使用SGLT-2抑制剂（强推荐）。为患者的个体化决策提供了依据，有助于全科医生在不同临床场景中合理规范使用SGLT-2抑制剂。此外，指南快速推荐的网页版提供了高度可视化的证据和推荐呈现工具，便于全科医生快速查询，并支持医患共同决策的实施。

扩散模型在图像生成领域应用广泛，但也带来了内容版权与溯源难题。然而当前扩散模型水印技术普遍存在鲁棒性与保真度的权衡困境，二者难以同时达到理想效果。因此，本文提出了一种通道交错卷积融合机制，进而设计了一种基于交错卷积的潜在空间水印模型，其中采用了一种基于图像域扰动重建的端到端训练范式。所提机制能够实现秘密信息与原始潜在特征的自适应局部感知深度融合，从而在特征层面增强了嵌入效率与表达能力。实验结果表明，所提模型生成的水印图像峰值信噪比高达42dB，优于当前主流基线方法。同时，在多种常见图像扰动条件下，该模型能够保持稳定的水印解码准确率，即在不牺牲鲁棒性的前提下提升了水印的视觉保真度，有效缓解了"鲁棒性-保真度权衡"问题，从而为生成内容版权保护提供了一种可行的解决方案。

辛弗林是一种在食品或食品原料中既天然存在（内源）又可能人为非法添加（外源）的成分，由于缺乏快速高效对辛弗林产品内外源区分，导致这类成分添加行为的合法性和非法性界限模糊。为了对减肥类产品中辛弗林的非法以及超限添加进行精准识别，本研究开发了一种对合成和天然辛弗林进行鉴别的同位素质谱分析方法，通过对比辛弗林样品二级碎片的重同位素比值与标准品二级碎片的重同位素比值之间的差异，建立OPLS-DA模型来判断减肥类保健品中辛弗林的来源。在OPLS-DA模型中，样本总预测准确率接近99％，可以实现对保健品实际样本中辛弗林的溯源研究。与常规方法相比，本方法准确率高、灵敏度高、操作简便，可以有效为安全监管提供技术支撑，提升食品质量安全水平，促进食品行业高质量发展。

针对现有方案中周转箱重复出库率高、系统负载波动大的突出问题，本文围绕高密度箱式库订单波次分配与周转箱选择的协同优化需求展开研究，提出一种层次化决策模型。该模型将优化问题拆解为两级决策：在系统层面，采用字典序多目标优化方法进行订单波次划分，以周转箱总出库量与单波次最大负载最小化为目标；在波次层面，基于既定订单集合约束开展独立选箱操作，以满足订单需求且降低周转箱出库距离为目标。据此，本文设计了大邻域搜索（LNS）启发式算法与贪心周转箱选择算法。通过不同订单规模、不同波次数组合的数值实验验证，结果表明所提方法在各类场景下均具备稳定的运行性能，可显著降低周转箱重复出库率并改善系统负载均衡性。本研究为高密度箱式库的上层波次规划，提供了兼具理论创新性与工程可实施性的决策支持方案。