Two-step postmortem angiography with a modified heart-lung machine: preliminary results.

OBJECTIVE: The purpose of this study was to adapt and improve a minimally invasive two-step postmortem angiographic technique for use on human cadavers. Detailed mapping of the entire vascular system is almost impossible with conventional autopsy tools. The technique described should be valuable in the diagnosis of vascular abnormalities. MATERIALS AND METHODS: Postmortem perfusion with an oily liquid is established with a circulation machine. An oily contrast agent is introduced as a bolus injection, and radiographic imaging is performed. In this pilot study, the upper or lower extremities of four human cadavers were perfused. In two cases, the vascular system of a lower extremity was visualized with anterograde perfusion of the arteries. In the other two cases, in which the suspected cause of death was drug intoxication, the veins of an upper extremity were visualized with retrograde perfusion of the venous system. RESULTS: In each case, the vascular system was visualized up to the level of the small supplying and draining vessels. In three of the four cases, vascular abnormalities were found. In one instance, a venous injection mark engendered by the self-administration of drugs was rendered visible by exudation of the contrast agent. In the other two cases, occlusion of the arteries and veins was apparent. CONCLUSION: The method described is readily applicable to human cadavers. After establishment of postmortem perfusion with paraffin oil and injection of the oily contrast agent, the vascular system can be investigated in detail and vascular abnormalities rendered visible.

Enquête sur la mode féminine : [plaquette de prestige] / High-Life Taylor ; [texte signé J.R.] ; [ill. de Bernard B. de Monvel, Maurice Leloir, L. Sabattier,...]

Mécénat texte imprimé : Cet ouvrage a été numérisé grâce à Myriam Lenourry

From caging to rouse dynamics in polymer melts with intramolecular barriers: a critical test of the mode coupling theory

By means of computer simulations and solution of the equations of the mode coupling theory (MCT),we investigate the role of the intramolecular barriers on several dynamic aspects of nonentangled polymers. The investigated dynamic range extends from the caging regime characteristic of glass-formers to the relaxation of the chain Rouse modes. We review our recent work on this question,provide new results, and critically discuss the limitations of the theory. Solutions of the MCT for the structural relaxation reproduce qualitative trends of simulations for weak and moderate barriers. However, a progressive discrepancy is revealed as the limit of stiff chains is approached. This dis-agreement does not seem related with dynamic heterogeneities, which indeed are not enhanced by increasing barrier strength. It is not connected either with the breakdown of the convolution approximation for three-point static correlations, which retains its validity for stiff chains. These findings suggest the need of an improvement of the MCT equations for polymer melts. Concerning the relaxation of the chain degrees of freedom, MCT provides a microscopic basis for time scales from chain reorientation down to the caging regime. It rationalizes, from first principles, the observed deviations from the Rouse model on increasing the barrier strength. These include anomalous scaling of relaxation times, long-time plateaux, and nonmonotonous wavelength dependence of the mode correlators.

Conceptes, notes i comentaris econòmics sobre la incertesa a mode de vocabulari bàsic i quadre síntètic

Gairebé han passat 20 anys d’ençà que vaig començar a reflexionar sobre la incertesa dela mà del Dr. Dídac Ramírez. Vaig presentar una tesi dirigida per ell l’any 2003, he fetarticles, he presentat comunicacions en seminaris i col·loquis. El tema de la incertesa ésmolt ampli; es relaciona amb el coneixement, l'aleatorietat, el caos, l'ètica, la psicologia,etc. En aquests 20 anys, a poc a poc, he anat lligant alguns caps i, en aquests moments,penso que pot tenir interès presentar al seminari IAFI del Departament de Matemàtiquesde la Facultat d’Econòmiques de la UB un esquema amb aquestes idees lligades enforma de vocabulari.Molts dels termes del vocabulari els proposo jo, per la qual cosa no m’he pogut limitar adonar una definició precisa i he necessitat posar explicacions i exemples per tal dejustificar el seu interès.

Machine learning for geospatial data : algorithms, software tools and case studies

Résumé Cette thèse est consacrée à l'analyse, la modélisation et la visualisation de données environnementales à référence spatiale à l'aide d'algorithmes d'apprentissage automatique (Machine Learning). L'apprentissage automatique peut être considéré au sens large comme une sous-catégorie de l'intelligence artificielle qui concerne particulièrement le développement de techniques et d'algorithmes permettant à une machine d'apprendre à partir de données. Dans cette thèse, les algorithmes d'apprentissage automatique sont adaptés pour être appliqués à des données environnementales et à la prédiction spatiale. Pourquoi l'apprentissage automatique ? Parce que la majorité des algorithmes d'apprentissage automatiques sont universels, adaptatifs, non-linéaires, robustes et efficaces pour la modélisation. Ils peuvent résoudre des problèmes de classification, de régression et de modélisation de densité de probabilités dans des espaces à haute dimension, composés de variables informatives spatialisées (« géo-features ») en plus des coordonnées géographiques. De plus, ils sont idéaux pour être implémentés en tant qu'outils d'aide à la décision pour des questions environnementales allant de la reconnaissance de pattern à la modélisation et la prédiction en passant par la cartographie automatique. Leur efficacité est comparable au modèles géostatistiques dans l'espace des coordonnées géographiques, mais ils sont indispensables pour des données à hautes dimensions incluant des géo-features. Les algorithmes d'apprentissage automatique les plus importants et les plus populaires sont présentés théoriquement et implémentés sous forme de logiciels pour les sciences environnementales. Les principaux algorithmes décrits sont le Perceptron multicouches (MultiLayer Perceptron, MLP) - l'algorithme le plus connu dans l'intelligence artificielle, le réseau de neurones de régression généralisée (General Regression Neural Networks, GRNN), le réseau de neurones probabiliste (Probabilistic Neural Networks, PNN), les cartes auto-organisées (SelfOrganized Maps, SOM), les modèles à mixture Gaussiennes (Gaussian Mixture Models, GMM), les réseaux à fonctions de base radiales (Radial Basis Functions Networks, RBF) et les réseaux à mixture de densité (Mixture Density Networks, MDN). Cette gamme d'algorithmes permet de couvrir des tâches variées telle que la classification, la régression ou l'estimation de densité de probabilité. L'analyse exploratoire des données (Exploratory Data Analysis, EDA) est le premier pas de toute analyse de données. Dans cette thèse les concepts d'analyse exploratoire de données spatiales (Exploratory Spatial Data Analysis, ESDA) sont traités selon l'approche traditionnelle de la géostatistique avec la variographie expérimentale et selon les principes de l'apprentissage automatique. La variographie expérimentale, qui étudie les relations entre pairs de points, est un outil de base pour l'analyse géostatistique de corrélations spatiales anisotropiques qui permet de détecter la présence de patterns spatiaux descriptible par une statistique. L'approche de l'apprentissage automatique pour l'ESDA est présentée à travers l'application de la méthode des k plus proches voisins qui est très simple et possède d'excellentes qualités d'interprétation et de visualisation. Une part importante de la thèse traite de sujets d'actualité comme la cartographie automatique de données spatiales. Le réseau de neurones de régression généralisée est proposé pour résoudre cette tâche efficacement. Les performances du GRNN sont démontrées par des données de Comparaison d'Interpolation Spatiale (SIC) de 2004 pour lesquelles le GRNN bat significativement toutes les autres méthodes, particulièrement lors de situations d'urgence. La thèse est composée de quatre chapitres : théorie, applications, outils logiciels et des exemples guidés. Une partie importante du travail consiste en une collection de logiciels : Machine Learning Office. Cette collection de logiciels a été développée durant les 15 dernières années et a été utilisée pour l'enseignement de nombreux cours, dont des workshops internationaux en Chine, France, Italie, Irlande et Suisse ainsi que dans des projets de recherche fondamentaux et appliqués. Les cas d'études considérés couvrent un vaste spectre de problèmes géoenvironnementaux réels à basse et haute dimensionnalité, tels que la pollution de l'air, du sol et de l'eau par des produits radioactifs et des métaux lourds, la classification de types de sols et d'unités hydrogéologiques, la cartographie des incertitudes pour l'aide à la décision et l'estimation de risques naturels (glissements de terrain, avalanches). Des outils complémentaires pour l'analyse exploratoire des données et la visualisation ont également été développés en prenant soin de créer une interface conviviale et facile à l'utilisation. Machine Learning for geospatial data: algorithms, software tools and case studies Abstract The thesis is devoted to the analysis, modeling and visualisation of spatial environmental data using machine learning algorithms. In a broad sense machine learning can be considered as a subfield of artificial intelligence. It mainly concerns with the development of techniques and algorithms that allow computers to learn from data. In this thesis machine learning algorithms are adapted to learn from spatial environmental data and to make spatial predictions. Why machine learning? In few words most of machine learning algorithms are universal, adaptive, nonlinear, robust and efficient modeling tools. They can find solutions for the classification, regression, and probability density modeling problems in high-dimensional geo-feature spaces, composed of geographical space and additional relevant spatially referenced features. They are well-suited to be implemented as predictive engines in decision support systems, for the purposes of environmental data mining including pattern recognition, modeling and predictions as well as automatic data mapping. They have competitive efficiency to the geostatistical models in low dimensional geographical spaces but are indispensable in high-dimensional geo-feature spaces. The most important and popular machine learning algorithms and models interesting for geo- and environmental sciences are presented in details: from theoretical description of the concepts to the software implementation. The main algorithms and models considered are the following: multi-layer perceptron (a workhorse of machine learning), general regression neural networks, probabilistic neural networks, self-organising (Kohonen) maps, Gaussian mixture models, radial basis functions networks, mixture density networks. This set of models covers machine learning tasks such as classification, regression, and density estimation. Exploratory data analysis (EDA) is initial and very important part of data analysis. In this thesis the concepts of exploratory spatial data analysis (ESDA) is considered using both traditional geostatistical approach such as_experimental variography and machine learning. Experimental variography is a basic tool for geostatistical analysis of anisotropic spatial correlations which helps to understand the presence of spatial patterns, at least described by two-point statistics. A machine learning approach for ESDA is presented by applying the k-nearest neighbors (k-NN) method which is simple and has very good interpretation and visualization properties. Important part of the thesis deals with a hot topic of nowadays, namely, an automatic mapping of geospatial data. General regression neural networks (GRNN) is proposed as efficient model to solve this task. Performance of the GRNN model is demonstrated on Spatial Interpolation Comparison (SIC) 2004 data where GRNN model significantly outperformed all other approaches, especially in case of emergency conditions. The thesis consists of four chapters and has the following structure: theory, applications, software tools, and how-to-do-it examples. An important part of the work is a collection of software tools - Machine Learning Office. Machine Learning Office tools were developed during last 15 years and was used both for many teaching courses, including international workshops in China, France, Italy, Ireland, Switzerland and for realizing fundamental and applied research projects. Case studies considered cover wide spectrum of the real-life low and high-dimensional geo- and environmental problems, such as air, soil and water pollution by radionuclides and heavy metals, soil types and hydro-geological units classification, decision-oriented mapping with uncertainties, natural hazards (landslides, avalanches) assessments and susceptibility mapping. Complementary tools useful for the exploratory data analysis and visualisation were developed as well. The software is user friendly and easy to use.

Soil compaction by machine traffic and least limiting water range related to soybean yield

The research aimed to evaluate machine traffic effect on soil compaction and the least limiting water range related to soybean cultivar yields, during two years, in a Haplustox soil. The six treatments were related to tractor (11 Mg weight) passes by the same place: T0, no compaction; and T1*, 1; T1, 1; T2, 2; T4, 4 and T6, 6. In the treatment T1*, the compaction occurred when soil was dried, in 2003/2004, and with a 4 Mg tractor in 2004/2005. Soybean yield was evaluated in relation to soil compaction during two agricultural years in completely randomized design (compaction levels); however, in the second year, there was a factorial scheme (compaction levels, with and without irrigation), with four replicates represented by 9 m² plots. In the first year, soybean [Glycine max (L.) Merr.] cultivar IAC Foscarim 31 was cultivated without irrigation; and in the second year, IAC Foscarim 31 and MG/BR 46 (Conquista) cultivars were cultivated with and without irrigation. Machine traffic causes compaction and reduces soybean yield for soil penetration resistance between 1.64 to 2.35 MPa, and bulk density between 1.50 to 1.53 Mg m-3. Soil bulk density from which soybean cultivar yields decrease is lower than the critical one reached at least limiting water range (LLWR =/ 0).

Fonder un nouveau mode de redistribution des aides sociales sur une philosophie de la personne?

Cet article présente un nouveau modèle de redistribution des aides sociales en France, le mécanisme de "l'allocation personnelle", fondé sur une nouvelle conception des mutuelles auxquelles est assigné un rôle de redistribution. L'enjeu de ce papier est de mettre en avant les fondements philosophiques qui sous-tendent cette nouvelle conception de la redistribution, en particulier la philosophie personnaliste.

Itinéraire clinique en traumatologie, une mode ou un besoin [Clinical pathway in traumatology, a fashion or need?].

A clinical route is defined as a "set of methods and instruments to members of a multidisciplinary and Interprofessional team to agree on the tasks for a specific patient population. This is a program of care to ensure the provision of quality care and efficient realization". The University Hospital is not immune to this phenomenon. In the Department of the musculoskeletal system, a first project of this kind concerns the fracture of the proximal femur in the elderly.

Entre résistance et contestation. La genèse du squat comme mode d'action

Cette contribution vise plusieurs objectifs théoriques : questionner les implicites du concept de répertoire d'action pour proposer une typification des modes d'action, indiquer des pistes pour une analyse conjointe des répertoires instrumentaux et discursifs mis en oeuvre par les organisations, reconsidérer les ruptures historiques mises au jour par Charles Tilly, et enfin réfléchir aux conditions organisationnelles et contextuelles favorisant l'usage de formes d'actions directes. Elle se fonde empiriquement sur l'étude de la genèse d'un mode d'action spécifique, le squat, entre 1880 et 1914, au moyen d'un travail d'archives et d'un travail d'étymologie. On montre notamment que le passage de la « résistance » à la « contestation », dans laquelle prédomine le « revendiqué », suppose une forme particulière de rapport au politique qui, au début de ce siècle, constituait en soi un enjeu de luttes important entre différents groupes.

Structural Insight into the Mode of Action of a Direct Inhibitor of Coregulator Binding to the Thyroid Hormone Receptor.

The development of nuclear hormone receptor antagonists that directly inhibit the association of the receptor with its essential coactivators would allow useful manipulation of nuclear hormone receptor signaling. We previously identified 3-(dibutylamino)-1-(4-hexylphenyl)-propan-1-one (DHPPA), an aromatic β-amino ketone that inhibits coactivator recruitment to thyroid hormone receptor β (TRβ), in a high-throughput screen. Initial evidence suggested that the aromatic β-enone 1-(4-hexylphenyl)-prop-2-en-1-one (HPPE), which alkylates a specific cysteine residue on the TRβ surface, is liberated from DHPPA. Nevertheless, aspects of the mechanism and specificity of action of DHPPA remained unclear. Here, we report an x-ray structure of TRβ with the inhibitor HPPE at 2.3-Å resolution. Unreacted HPPE is located at the interface that normally mediates binding between TRβ and its coactivator. Several lines of evidence, including experiments with TRβ mutants and mass spectroscopic analysis, showed that HPPE specifically alkylates cysteine residue 298 of TRβ, which is located near the activation function-2 pocket. We propose that this covalent adduct formation proceeds through a two-step mechanism: 1) β-elimination to form HPPE; and 2) a covalent bond slowly forms between HPPE and TRβ. DHPPA represents a novel class of potent TRβ antagonist, and its crystal structure suggests new ways to design antagonists that target the assembly of nuclear hormone receptor gene-regulatory complexes and block transcription.