3 resultados para Osteoporosis. Neural networks. Antenna. Bone density
em Université de Montréal
Resumo:
Objective: To assess the effectiveness of 12 weekly physical therapy sessions for urinary incontinence (UI) compared with a control intervention, for reducing the number of UI episodes measured with the 7-day bladder diary, at 3 months and 1 year postrandomization. Methods: A single parallel-group randomized controlled trial was conducted at one outpatient public health center, in postmenopausal women aged 55 years and over with osteoporosis or low bone density and UI. Women were randomized to physical therapy (PT) for UI or osteoporosis education. The primary outcome measure was number of leakage episodes on the 7-day bladder diary, assessed at baseline, after treatment and at 1 year. The secondary outcome measures included the pad test and disease-specific quality of life and self-efficacy questionnaires assessed at the same timepoints. Results: Forty-eight women participated (24 per group). Two participants dropped out of each group and one participant was deceased before 3-month follow-up. Intention-to-treat analysis was undertaken. At 3 months and 1 year, there was a statistically significant difference in the number of leakage episodes on the 7-day bladder diary (3 mo: P = 0.04; 1 y: P = 0.01) in favor of the PT group. The effect size was 0.34 at 1 year. There were no harms reported. Conclusions: After a 12-week course of PT once per week for UI, PT group participants had a 75% reduction in weekly median number of leakage episodes, whereas the control group's condition had no improvement. At 1 year, the PT group participants maintained this improvement, whereas the control group's incontinence worsened.
Resumo:
Cette thèse contribue a la recherche vers l'intelligence artificielle en utilisant des méthodes connexionnistes. Les réseaux de neurones récurrents sont un ensemble de modèles séquentiels de plus en plus populaires capable en principe d'apprendre des algorithmes arbitraires. Ces modèles effectuent un apprentissage en profondeur, un type d'apprentissage machine. Sa généralité et son succès empirique en font un sujet intéressant pour la recherche et un outil prometteur pour la création de l'intelligence artificielle plus générale. Le premier chapitre de cette thèse donne un bref aperçu des sujets de fonds: l'intelligence artificielle, l'apprentissage machine, l'apprentissage en profondeur et les réseaux de neurones récurrents. Les trois chapitres suivants couvrent ces sujets de manière de plus en plus spécifiques. Enfin, nous présentons quelques contributions apportées aux réseaux de neurones récurrents. Le chapitre \ref{arxiv1} présente nos travaux de régularisation des réseaux de neurones récurrents. La régularisation vise à améliorer la capacité de généralisation du modèle, et joue un role clé dans la performance de plusieurs applications des réseaux de neurones récurrents, en particulier en reconnaissance vocale. Notre approche donne l'état de l'art sur TIMIT, un benchmark standard pour cette tâche. Le chapitre \ref{cpgp} présente une seconde ligne de travail, toujours en cours, qui explore une nouvelle architecture pour les réseaux de neurones récurrents. Les réseaux de neurones récurrents maintiennent un état caché qui représente leurs observations antérieures. L'idée de ce travail est de coder certaines dynamiques abstraites dans l'état caché, donnant au réseau une manière naturelle d'encoder des tendances cohérentes de l'état de son environnement. Notre travail est fondé sur un modèle existant; nous décrivons ce travail et nos contributions avec notamment une expérience préliminaire.
Resumo:
L’ostéoporose est une maladie caractérisée par une faible masse osseuse et une détérioration du tissu osseux. Cette condition entraîne une plus grande fragilité osseuse et des risques de fractures. Plusieurs études ont associé l’ostéoporose à la faible densité osseuse des mandibules, à la perte d’attache parodontale, à l’augmentation de la hauteur de la crête alvéolaire et à la chute des dents. Cette étude vise à comprendre les mécanismes sous-jacents cette perte osseuse. En effet, au cours du développement des souris, PITX1 joue un rôle clé dans l'identité des membres postérieurs et dans le bon développement des mandibules et des dents. Son inactivation complète chez la souris mène à un phénotype squelettique sévère. Tandis que, son inactivation partielle provoque des symptômes apparentés à l'arthrose avec une augmentation de la masse osseuse au niveau de l’os cortical et de l’os trabéculaire. Inversement, une étude antérieure chez des jumelles monozygotiques discordantes pour l’ostéoporose, montrent une augmentation d’environ 8.6 fois du niveau d’expression du gène Pitx1 chez la jumelle ostéoporotique. Collectivement, ces données nous ont poussés à investiguer sur le rôle du facteur de transcription PITX1 dans le métabolisme osseux normal et pathologique. Dans ce contexte, des souris transgéniques Col1α1-Pitx1 sur-exprimant Pitx1 spécifiquement dans le tissu osseux sous le promoteur du collagène de type-I (fragment 2.1kpb) ont été générées et phénotypiquement caractérisées. Ces résultats ont révelé que les souris transgéniques Col1α1-Pitx1 présentaient un phénotype similaire à celui des patients ostéoporotiques accompagné d'une perte de dents et des problèmes dentaires et parodontaux. De plus, cette étude a révélé que la surexpression de Pitx1 induit une altération de l’homéostasie osseuse via l’inactivation de la voie de signalisation Wnt/β-caténine canonique. Cette hypothèse a été appuyée par le fait que le traitement des souris transgéniques Col1α1-Pitx1 avec du chlorure de lithium, un activateur de la voie Wnt canonique, prévient le phénotype ostéoporotique chez ces souris. Finalement, cette étude établit un rôle crucial de PITX1 dans la régulation de la masse osseuse et une implication possible dans l’ostéoporose et les maladies parodontales via l’inactivation de la voie de signalisation Wnt/β-caténine canonique.