Background Risk of hyperuricemia (HU) has been shown to be strongly associated with dietary factors. However, there is scarce evidence on prediction models incorporating dietary factors to estimate the risk of HU. Objective The aim of this study was to develop a prediction model to predict the risk of HU in Chinese adults based on dietary information. Design Our study was based on a cross-sectional survey, which recruited 1,488 community residents aged 18 to 60 years in Beijing from October 2010 to January 2011. The eligible participants were randomly divided into a training set (n 1 = 992) and a validation set (n 2 = 496) in the ratio of 21. We developed the prediction model in three stages. We first used a logistic regression model (LRM) based on the training set to select a set of dietary risk factors which were related to the risk of HU. Artificial neural network (ANN) was then used to construct the prediction model using the training set. check details Finally, we used receiver operating characteristic (ROC) curve ana in our study is successful and valuable. Conclusions This study suggests that the ANN model could be used to predict the risk of HU in Chinese adults. Further prospective studies are needed to improve the accuracy and to generalize the use of model. © 2020 Jie Zeng et al.INTRODUCTION Electronic cigarettes (e-cigarettes) have rapidly become the most commonly used tobacco product among youth in the United States. Exposure to advertising, peer use, and household use, increases the risk of current e-cigarette use; however, the influence of these factors may be dynamic across adolescence. The aim of this study is to examine the age-varying associations between e-cigarette use and peer use, household use, and exposure to e-cigarette commercials among alternative high school students in Southern California. METHODS Using data previously collected for a tobacco marketing study, we examine the age-varying associations of current e-cigarette use and three risk factors (peer use, exposure to commercials, and household use) across ages 15 to 20 years using time-varying effect modeling (TVEM). Analyses include three waves of data from alternative high school students (N=1060 students; 2036 observations). RESULTS The probability of e-cigarette use gradually increased over the age of 15 years and then decreased by the age of 17 years for females and after the age of 18 years for males. Significant gender differences were observed between the ages of 17 and 19.5 years. Peer e-cigarette use was associated with higher odds of current e-cigarette use across all ages for females and after the age of 16 years for males. Exposure to e-cigarette commercials increased current use significantly for males between the ages of 16 and 18 years. Household use increased the odds of current use of e-cigarettes between the ages of 17 and 19 years for males and under 16.5 and over 18 years for females. CONCLUSIONS The findings highlight the utility of TVEM in understanding the risk factors of e-cigarette use and suggest that these factors are dynamic across adolescence. © 2020 Etim N. et al.in English, German Ziel Die systematische Identifikation von Patientinnen und Patienten, bei denen eine Verschlechterung des Gesundheitszustandes und das Versterben abzusehen sind, ist die Voraussetzung für die Einleitung einer Palliativversorgung. Diese Studie untersucht die Anwendung und Praktikabilität der deutschen Version des Supportive and Palliative Care Indicators Tool (SPICT-DE) bei der systematischen Identifikation dieser Patientinnen und Patienten in der hausärztlichen Versorgungspraxis.Methoden Anfang 2017 wurden zwölf Hausärztinnen und Hausärzte (weiblich n=6) zur Teilnahme an der Studie eingeladen, um SPICT-DE in einem Zeitraum von zwei Monaten bei Patientinnen und Patienten mit chronisch progredienten Erkrankungen anzuwenden. Sechs Monate nach der ersten Anwendung wurde in einer Nacherhebung erfasst, wie sich der Gesundheitszustand dieser Patientinnen und Patienten im Verlauf geändert hat und welche palliativmedizinischen Maßnahmen durch die Hausärztinnen und Hausärzte in der Zwischenzeit eingetivversorgung profitieren können. Sieben Hausärztinnen und Hausärzte gaben an, dass sie SPICT-DE auch zukünftig im Rahmen der hausärztlichen Versorgungspraxis nutzen würden.Schlussfolgerungen SPICT-DE scheint ein praktisches Instrument für die hausärztliche Versorgungspraxis zu sein, um schwerstkranke und sterbende Patientinnen und Patienten systematisch zu identifizieren.in English, German Hintergrund Die Qualität der aktuellen Behandlungsstrategie (Beatmungseinstellung, rescue-Maßnahmen, unterstützende Intensivtherapie) sowie die Vermeidung kritischer Ereignisse verbessern das Überleben von Patienten mit schwerem akuten Lungenversagen (ARDS). Es ist bisher wenig bekannt darüber, ob eine solche Behandlungsqualität auch einen Einfluss auf die gesundheitsbezogene Lebensqualität (health-related quality of life, HRQOL) und die Rückkehr in das Arbeitsleben (return to work, RtW) der Überlebenden hat. Wir untersuchten eine mögliche Beziehung zwischen akuter Behandlungsqualität, HRQOL und RtW ein Jahr nach Überleben eines ARDS.Methoden Die prospektiv-multizentrische Studie wurde in 61 Intensivstationen (ICUs) in Deutschland durchgeführt. Drei, sechs und zwölf Monate nach Verlegung von der ICU gaben 396 Überlebende über ihre HRQOL (Short-Form-12) und RtW Auskunft. Die Parameter der akuten Behandlungsqualität (lungenprotektive Beatmungseinstellung, Gradient zwischen endexpiratorischem Patienten nach ARDS von Bedeutung.The recent developments at microdiffraction X-ray beamlines are making microcrystals of macromolecules appealing subjects for routine structural analysis. Microcrystal diffraction data collected at synchrotron microdiffraction beamlines may be radiation damaged with incomplete data per microcrystal and with unit-cell variations. A multi-stage data assembly method has previously been designed for microcrystal synchrotron crystallography. Here the strategy has been implemented as a Python program for microcrystal data assembly (PyMDA). PyMDA optimizes microcrystal data quality including weak anomalous signals through iterative crystal and frame rejections. Beyond microcrystals, PyMDA may be applicable for assembling data sets from larger crystals for improved data quality. © Lina Takemarua et al. 2020.