WFU

2024/06/13

胺基酸輸注：心臟術後的腎臟守護者


2024年6月12日發表於《新英格蘭醫學期刊》的研究《A Randomized Trial of Intravenous Amino Acids for Kidney Protection》，研究團隊針對接受心臟手術的成年患者，評估了靜脈輸注胺基酸對急性腎損傷（Acute kidney injury, AKI）的預防效果。在了解這篇研究的結論之前，讓我們來花點篇幅來介紹，為何胺基酸的輸注可能對於急性腎損傷是有幫助的。

胺基酸輸注有助於腎臟的機制探討


在腎臟生理學中，胺基酸輸注能增加腎元血漿流量，這一過程涉及多種複雜的生理機制。以下，我們將探討三個主要機制：降低入球小動脈阻力、減少腎小管腎絲球回饋的活化，以及增加皮質一氧化氮合成酶活性。

降低腎臟入球小動脈阻力

當輸注胺基酸時，腎臟入球小動脈的阻力會顯著降低，這直接導致了腎元血漿流量的增加。研究顯示，這種效應主要是由於胺基酸能夠誘導血管擴張，從而減少血管阻力，促進血液更順暢地流經腎元 [21]
閱讀更多 »
標籤： , ,

2024/05/24

[prompt] 實證初階工具坊 - Apply 4E



口語化解釋


    請用國中生能看懂的字句並用生活化的舉例，口語化解釋實證醫學有關的關鍵字。
    {關鍵字}。
    請用以下格式來解說:
    - 關鍵字:
    - 口語化意義:
    - 數值切點含意:


環境因素分析


請根據以下臨床情境，全面分析「臨床環境」(Environment) 因素。請從多個維度進行深入思考，並以表格形式呈現分析結果。

**臨床情境：**
###{臨床情境}###

**分析指引：**
請從以下8個環境維度進行全面分析，每個維度都要深入思考可能影響臨床決策的各種因素：

**輸出格式要求：**
請以表格形式呈現，包含以下欄位：
- 環境維度
- 具體因素
- 對決策的影響
- 需要考慮的問題
- 可能的應對策略

| 環境維度 | 具體因素 | 對決策的影響 | 需要考慮的問題 | 可能的應對策略 |
|---------|---------|-------------|---------------|---------------|
| **物理環境** | 地點、設備、空間等 | | | |
| **人力資源環境** | 團隊組成、專業能力、人員可得性等 | | | |
| **時間環境** | 緊急程度、決策時間窗、時間壓力等 | | | |
| **制度環境** | 醫院政策、臨床指引、法規要求等 | | | |
| **資源環境** | 藥物、設備、預算、後續照護等 | | | |
| **溝通環境** | 團隊溝通、病患/家屬溝通、跨科協作等 | | | |
| **文化環境** | 醫院文化、專業文化、病患文化背景等 | | | |
| **風險環境** | 醫療風險、法律風險、倫理風險等 | | | |

**分析重點：**
1. 識別情境中明確提及的環境因素
2. 推論隱含但重要的環境限制或優勢
3. 考慮這些環境因素如何影響Evidence的應用

請確保分析全面、具體，並與情境緊密結合。


情緒價緒分析

 
請扮演專業心理學家，閱讀以下內容，使用下列格式判斷文字中「每位人物」的情緒狀態。
輸出請用表格，寫出此人物的期待(expectation)與可能價值觀：
喜悅（Joy）: 1-10
憂傷（Sadness）: 1-10
憤怒（Anger）: 1-10
恐懼（Fear）: 1-10
驚訝（Surprise）: 1-10
厭惡（Disgust）: 1-10
**臨床情境：**
###{臨床情境}###


2024/05/02

STORM+Claude 產文章範例: 泡泡尿與腎臟健康


此篇文章，由 STORM_longform_writing_Claude_Contest (改寫中文版) 生成，原始Github連結

  • 文章為 Claude api 輸出
  • 使用 api model: claude-opus
  • token 使用量: input 19155 , output 8456。預估花費: US$0.92
  • 文章的文字沒有修改，只有去除額外產生的標題，另重新依照輸出的markdown格式排版。
  • 搜尋 Tavily API 使用次數: 3
  • 總字數: 3406字 (MS word計算)

以下正文開始 ☝
閱讀更多 »
標籤： ,

2024/04/20

RT&EBM - 投影片PDF檔

2024/03/19

向專家學習：ihower 「LLM 應用開發工作坊」課後心得

【初次】


第一次的課程開在11月，深深覺得講師 ihower 對於 LLM 真是是有「愛」。對於 LLM 各種不同的技巧，從初級入門的串接 API，到 prompt 技巧、CoT，然後 RAG 等，通通都有涉獵。非資訊本科生的我，如同劉姥姥進大觀園般，看著 ihower 快速講解每個 colab 程式。

說起來慚愧，11月後我自己在 LLM 的接觸面向減少許多，追了大半年的 AI 潮流，東碰一點、西碰一小塊，到最後真的累了，只想要躺平。

離上次的課程才隔四個月，謝謝主辦單位主動在課程群組歡迎大家「回訓」。

回訓，或許是重新讓自己再檢視看看，對於 LLM 這塊領域，哪些層面是自己有興趣的。


【回訓】


跟第一次上課的感想一樣，短短三堂加起來8小時的課，知識量真的很大。

三堂課，知識架構是一層層推上去的，也代表難度也是推疊上去的。

第一堂的重點放在 API的串接、prompt 基本知識(zero-shot, few-shot, CoT)。
第二堂的重點有 Chaining prompt , Embedding 和 RAG(檢索增強生成)
第三堂的重點是 Agent 及 functional calling。

非本科生的我，其實在第二堂的 RAG 開始，腦袋運轉就開始打結了，哈。
閱讀更多 »
標籤：