谷歌已删除 Android 的 COVID-19 接触史通知设置

谷歌已删除 Android 的 COVID-19 接触史通知设置 在 2020 年，谷歌和苹果公司合作迅速推出了Android 和 iOS 之间可互操作的 COVID-19 接触通知。 通过蓝牙，手机可以跟踪彼此何时靠近，然后使用政府官方应用，最终检测出 COVID-19 阳性的用户可以匿名通知在公共场合与之接触过的任何人。 现在，谷歌已从 Android 中删除了 COVID-19 接触史通知设置。该变化最初是在 10 月中旬的谷歌服务测试版中发现，但现在稳定版本中也被删除。“设置”>“Google”下该选项已消失。

根据 Google COVID-19 Community Mobility Reports 香港区的数据(更新至2月13日)，虽

根据 Google COVID-19 Community Mobility Reports 香港区的数据(更新至2月13日)，虽然政府已经宣布左在家工作， 但农历新年后的工作空间 (workspace) 人流实际上已经大幅回升，比较基准线只是微跌了22％ (新年假期因为人人放假，反而跌了73％)。 Google report: 大量香港人出街返工，交通／商场人流更只是下跌了29-32%左右，远远达不到政府收紧措施后预算的7成跌幅。 Google 数据说明，只要有公共交通工具仍然运作之下，香港人仍然出街返工逛商场，仍然有大量的不在家活动。 #武汉肺炎 #苛政猛于疫情 #暴力清零 #铁腕清零 #抗疫为名 #武汉肺炎 #支那病毒 #支共祸患 #祸港正苦 #港共落地狱 Posted by 香港综合资讯频道

突破性研究揭示 COVID-19 脑雾的潜在治疗方法

突破性研究揭示 COVID-19 脑雾的潜在治疗方法 记忆力减退和学习困难是COVID-19 患者在康复过程中出现的许多令人困惑的症状之一。然而，人们对造成这些认知障碍（俗称脑雾）的机制知之甚少。在一项新的研究中，伊利诺伊大学芝加哥分校的研究人员发现了导致感染SARS-CoV-2（COVID-19 背后的病毒）的小鼠出现神经系统问题的机制。研究人员还找到了一种有助于预防这些变化的治疗方法。医学院解剖学和细胞生物学助理教授莎拉-卢茨（Sarah Lutz）领导了这项发表在《大脑》（Brain）杂志上的研究。研究小组重点研究了血脑屏障，它在多发性硬化症等其他神经系统疾病中也发挥着作用。正常情况下，血脑屏障保护大脑免受血液中潜在有害细胞或分子的侵害。但研究人员发现，受感染的小鼠血脑屏障血管渗漏，记忆力或学习能力受损。为了了解原因，研究人员观察了受感染小鼠大脑中的血管，看看哪些基因发生了最大的改变。他们发现，一种名为Wnt/β-catenin的信号通路明显减少，而这种信号通路有助于维持血脑屏障的健康，保护大脑免受损伤。根据这些结果，研究小组探讨了刺激 Wnt/beta-catenin 通路的基因疗法能否防止感染 SARS-CoV-2 的小鼠脑损伤。事实上，它就是这样做的。Lutz说："他们的血脑屏障渗漏较少，免疫细胞对大脑的浸润也较少，从而改善了学习和记忆能力。"大脑中的血管内皮细胞（绿色）和基底膜（红色）。图片来源：Sarah Lutz由于年龄是感染 COVID-19 的人类出现认知障碍的一个风险因素，研究小组在研究中重点关注年龄较大的小鼠。他们特别追踪了小鼠的轻度感染情况。由于接种了疫苗，目前人类感染COVID-19的大多数病例都是轻度感染，而不是重度感染。然而，即使是轻度感染也会导致认知障碍，Lutz 说。虽然这项研究距离为人类确立一种预防感染后认知障碍的疗法还有很长的路要走，但这项研究是在这条道路上迈出的重要一步。任何时候，只要能确定一种导致疾病的分子机制，就能了解基础生物学和一般疾病的病因。这项研究表明，改善血脑屏障的完整性对预防COVID-19并发症有好处。本杰明-戈德堡（Benjamin Goldberg）教授、UIC 生物化学与分子遗传学系主任、该研究的合著者贾莱斯-雷曼（Jalees Rehman）博士解释说，从 COVID-19 大流行中得到的一个重要教训是，即使是轻微感染也会对包括大脑在内的器官产生深远影响。"有必要对可能影响大脑的呼吸道感染开展更多研究，"雷曼说。"好消息是，通过研究感染激活的分子信号以及随后免疫系统对感染做出反应时的炎症过程，我们可以开发出新的靶向疗法，防止大脑和其他器官受到进一步损害。"编译自:ScitechDaily ... PC版： 手机版：

ℹ「COVID-19实名制快筛试剂地图」一键查询家里附近哪些药局有库存#

ℹ「COVID-19实名制快筛试剂地图」一键查询家里附近哪些药局有库存# 随著近期台湾疫情变严重，身体只要有一点点症状，或被通知跟确诊者有接触，为了安全，很多人都会去买快筛试剂检测，而今天快筛实名制终于正式上路，...

实测COVID-19脑雾使智商下降3-6个百分点 持续时间超过一年

实测COVID-19脑雾使智商下降3-6个百分点 持续时间超过一年 新发表的研究报告的第一作者亚当-汉普郡解释说："COVID-19对认知功能的潜在长期影响一直是公众、医疗保健专业人员和政策制定者关注的问题，但到目前为止，还很难在大样本人群中客观地测量这些影响。"这项研究是世界上规模最大、持续时间最长的 COVID 研究之一，被称为 REACT（社区传播实时评估）。该项目于 2020 年 4 月启动，对英格兰近三百万人进行了跟踪调查。其目标是更好地了解哪些人患有长期的 COVID 症状，以及这些症状究竟是什么。这项 REACT 调查以约 112000 人为对象，他们完成了在线评估，这些评估是专门为测量已知受 COVID 影响的认知领域而开发的。每位参与者还提供了 COVID 感染史，以便研究人员将认知结果与症状持续时间和严重程度进行比较。在所有人群中，有 3% 到 4% 的人属于长期 COVID 患者，他们报告的症状持续时间超过 12 周。大多数长期 COVID 患者在一年后仍有症状。研究人员认为，在这些长期感染 COVID 的患者中，他们的认知评估结果显示，与无感染史的患者相比，他们的智商下降了约 6 个百分点。这些缺陷主要出现在与记忆、空间规划和语言推理相关的认知领域。汉普郡说："通过使用我们的在线平台大规模测量认知和记忆的多个方面，我们能够发现认知任务表现中微小但可测量的缺陷。我们还发现，根据病程、病毒变种和住院情况等因素，人们可能会受到不同程度的影响。"更有趣的是，研究人员发现，短期感染 COVID 后迅速恢复的人与没有感染史的人在认知能力上存在微小但有统计学意义的差异。认知评估结果与大约三个智商点的差异相关。虽然在普通人的日常生活中，轻微的、过量的 COVID 感染导致的 3 点智商下降并不特别明显，但对这项研究发表评论的专家认为，考虑到这一流行病的规模，这类缺陷可能与人群水平相关。牛津大学的精神病学家马克西姆-塔凯（Maxime Taquet）说："即使COVID-19导致的认知障碍平均程度较小，但仍有相当一部分人的认知障碍更为严重，这很可能会影响他们的工作和生活能力。考虑到这一流行病的规模和受影响的人数，这一点尤其令人担忧。"长期从事艾滋病研究的专家 Ziyad Al-Aly 和 Clifford Rosen 就发表在《新英格兰医学杂志》上的这项研究发表了评论，称研究结果令人担忧。他们指出，大流行病已经影响了全球数百万人，病毒造成的认知障碍即使很小，也可能造成更大的长期影响。"例如，智商下降 3 分会产生哪些功能性影响？"他们在评论中问道："是否有一类人受到的影响比其他人更严重，目前还不清楚。这些认知缺陷是否会持续或缓解，以及恢复的预测因素和轨迹都应加以研究。COVID-19相关的认知缺陷是否会导致日后罹患阿尔茨海默病或其他形式痴呆症的风险增高？"不过，研究结果也并非全是坏消息。随着时间的推移，Long-COVID症状缓解的参与者仅表现出轻微的认知障碍，这与短期轻症患者的情况相似。该研究的资深作者保罗-埃利奥特（Paul Elliot）说，这表明Long-COVID患者有可能随着时间的推移而好转。埃利奥特补充说："此外，COVID-19对认知的影响似乎自大流行初期就有所减轻，患持续性疾病的人越来越少，在Omicron为主要病毒株期间感染的人中，认知受到的影响也较小。然而，鉴于感染人数众多，继续监测 COVID-19 大流行的长期临床和认知后果非常重要。"这项研究发表在《新英格兰医学杂志》上。编译来源：ScitechDaily ... PC版： 手机版：

数学家利用人工智能和新型聚类算法识别新出现的COVID-19变种

数学家利用人工智能和新型聚类算法识别新出现的COVID-19变种 叠加在冠状病毒插图上的 CLASSIX 聚类结果的风格化图像。资料来源：曼彻斯特大学、疾病预防控制中心/MSMI 的 Alissa Eckert；MAMS 的 Dan Higgins本周发表在《美国国家科学院院刊》（PNAS）上的这项研究可以支持传统的病毒进化追踪方法，如系统发育分析，目前这种方法需要大量的手工整理。曼彻斯特大学研究员、论文第一作者和通讯作者罗伯托-卡万齐（Roberto Cahuantzi）说："自从COVID-19出现以来，我们已经看到了多波新的变种、传播性增强、免疫反应逃避和疾病严重性增加。科学家们现在正加紧努力，以便在α、δ和Ω等这些令人担忧的新变种出现的最初阶段就将其定位。如果我们能找到一种快速有效的方法，就能更积极地采取应对措施，比如开发有针对性的疫苗，甚至有可能在变异体形成之前就将其消灭。"拟议的 COVID-19 变异识别方法步骤示意图。资料来源：曼彻斯特大学与许多其他RNA病毒一样，COVID-19 的变异率很高，而且两代之间的间隔时间很短，这意味着它的进化速度极快。这意味着识别未来可能出现问题的新毒株需要付出巨大的努力。目前，GISAID 数据库（全球共享所有流感数据倡议）提供了近 1600 万个序列，该数据库提供了流感病毒的基因组数据。从这些数据中绘制出所有 COVID-19 基因组的进化和历史，目前需要耗费大量的计算机和人力时间。所述方法实现了此类任务的自动化。研究人员只用了一到两天时间，就用一台标准的现代笔记本电脑处理了 570 万个高覆盖率序列；这是现有方法无法做到的，由于减少了资源需求，更多研究人员掌握了识别相关病原体菌株的能力。曼彻斯特大学数学科学教授托马斯-豪斯（Thomas House）说："大流行期间产生了前所未有的大量基因数据，这要求我们改进方法，对其进行彻底分析。数据仍在快速增长，但如果不显示出整理这些数据的益处，这些数据就有可能被移除或删除。""我们知道，人类专家的时间是有限的，因此我们的方法不应该完全取代人类的工作，而应该与他们并肩工作，以便更快地完成工作，并将我们的专家解放出来，从事其他重要的开发工作"。拟议方法的工作原理是通过计数将 COVID-19病毒的基因序列分解成以数字表示的较小"词"（称为 3-mers）。然后，它利用机器学习技术，根据单词模式将相似的序列分组。曼彻斯特大学应用数学教授斯特凡-居特尔（Stefan Güttel）说："与传统方法相比，我们开发的聚类算法CLASSIX对计算的要求要低得多，而且是完全可解释的，也就是说，它能对计算出的聚类提供文字和视觉上的解释"。Roberto Cahuantzi 补充说："我们的分析是一个概念验证，证明了机器学习方法作为一种预警工具的潜在用途，可用于早期发现新出现的主要变种，而无需依赖生成系统发育。虽然系统发生学仍然是了解病毒祖先的'黄金标准'，但这些机器学习方法能够以较低的计算成本容纳比当前系统发生学方法多几个数量级的序列"。编译自:ScitechDaily ... PC版： 手机版：