XiaoMi-AI文件搜索系统
World File Search System一中
霍奇金淋巴瘤患者及其在东北半岛马来西亚的预后因素的短期结局：单一中心体验
预定的临床评估，监视成像研究和实验室评估。采取了这些措施来评估治疗反应，监测疾病进展或复发以及管理与治疗相关的并发症。这项研究包括在指定期内被诊断出患有HL的患者，年龄在12岁以上，他们在诊断后至少接受了一个诱导化疗周期。在HL诊断之前患有同时发生恶性肿瘤或其他类型的恶性肿瘤，在研究期内未接受或拒绝任何治疗的患者，以及那些缺少三个以上变量的基线评估的患者。在医院USM，2006年1月1日至2018年12月31日之间进行了138例HL患者，其中126名患者符合资格标准。因此，没有采用抽样方法，并且所有合格的患者均纳入研究。使用社会科学（SPSS）版本26.0的IBM统计软件包输入和分析数据。对于分类变量，计算了观测和百分比的频率。生存分析被选择为统计检验，因为研究目标包括事件的时间，即HL的死亡或复发/进展。总生存期（OS）定义为从诊断日期到死亡日期的持续时间。生存时间的事件是在研究期间HL患者的死亡，无论死亡原因如何。对OS的审查观察结果是在研究结束时还活着的患者，或者在研究期间因随访而丧生的患者。无进展生存期（PFS）定义为从诊断日期到疾病复发/进展日期的持续时间。该研究的事件是疾病复发/进展的时候。对PFS的审查观察结果是在研究期间关闭时获得完全反应（CR）的患者，或者在研究期间因随访而失去了随访的患者。对选定的自变量进行了简单的COX比例危害模型，以提供潜在预后重要性的初步概念（P <0.25）。显着水平是从WALD统计数据中获得的。随后，使用多个COX比例危害模型来识别与OS和PF相关的死亡和疾病复发/进展的预后因素。在单变量COX回归分析中，对p值小于0.25的变量执行了两个统计分析：向前逐步（WALD）和向后逐步（WALD）。第二个分析基于模型的统计意义包括模型中的所有自变量。提出了具有调整危险比（HR）和95％置信区间的最终模型，WALD统计量和相应的P值。p值小于0.05被认为具有统计学意义。在126例HL患者中的结果，男性占主导地位，有70名男性（55.6％）和56名女性（44.4％）。中位年龄为28岁（范围12-78岁）。大多数患者不到45岁（84.9％），主要是马来人（97.6％）。
婴儿癫痫痉挛综合症儿童自闭症谱系障碍的风险：巴西单一中心的回顾性研究
摘要目的：本研究旨在研究自闭症谱系障碍的患病率及其与巴西单个中心婴儿癫痫痉挛综合征综合征患者的临床特征的可能相关性。方法：这项回顾性横断面研究检查了53名儿童在自闭症谱系障碍评估之前诊断为婴儿癫痫痉挛综合征。参与分为两组。使用Mann Whitney U或Chi-square检验比较了可用的变量（性，药物，中位年龄，在婴儿癫痫痉挛综合征和合并症的存在）。结果：在纳入的患者中，有12名（23％）被诊断出患有自闭症谱系障碍，相对风险为0.29（95％的补充间隔为0.174 0.492）。首次癫痫发作的年龄为3到15个月，平均为6.65个月。这个年龄在自闭症谱系障碍（10.58个月）的参与者和没有（5.43个月）的参与者之间显着差异，p <0.001。
免疫检查点抑制剂诱导的肌无力的预后：单一中心体验和系统评价
结果：确定了110名患者，我们的机构有9名患者，案件报告中有101例。在我们的机构中，中位年龄为66岁（范围：49-79岁）。6是男性。最常见的是肺癌（n = 4）。所有患者都没有MG的史，并且接受了PD-1或PD-L1抑制剂。从ICI启动到首次毫克症状的中位时间为4周（范围：2-15周）。ICI均在所有患者中停产。大多数患者最初接受高剂量皮质类固醇，症状得到改善。一些患者通过皮质类固醇维持治疗排出。此外，在肌炎和/或心肌炎组中，有55例（50％）患有肌炎和/或心肌炎和MG诱导的死亡率更为常见（10.9％vs. 34.5％，P = 0.016）。与Mg（OR = 3.148，P = 0.009）和抗ACHR抗体阳性（OR = 3.364，P = 0.005）的肌炎重叠均与不良预后显着相关。
三菱日联金融集团将进行重组，作为下一中期业务计划的一部分
三菱日联金融集团将作为下一个中期经营计划的一部分进行重组 东京，2024年3月7日 --- 三菱日联金融集团和三菱日联金融集团合并子公司三菱日联银行今天宣布，将从2024年4月1日起更改组织结构。 1.重组概要 三菱日联金融集团和三菱日联银行将重组数字服务业务集团和零售及商业银行业务集团，如下所示。 零售及数字业务集团负责个人客户（财富管理除外），将在“真实（面对面）×远程×数字”的概念下，通过最佳地混合三种渠道来扩大其接触点，并提供让客户认为“我很高兴选择了三菱日联金融集团”的客户体验。 三菱日联金融集团将通过最大化客户的终身价值来进一步加强其零售业务。商业银行与财富管理业务集团 负责企业和财富管理客户，该集团将增强三菱日联提供人力解决方案的能力，并进一步加强基于业务继承和资产继承的业务模式，为解决社会问题做出贡献。 此外，目前由数字服务业务集团管理的集团范围的数字化转型 (DX) 功能将转移到企业中心，并与数据功能整合，创建数字战略部门，该部门将致力于加强三菱日联的企业基础设施，加速生成式人工智能的利用，并加强基于数字技术的业务创造和功能开发。 2. 重组背景 三菱日联于 2021 年 4 月（即当前中期经营计划的第一年）成立了数字服务业务集团，旨在利用数字技术提高客户便利性。同时，零售和商业银行业务集团一直在加强其咨询能力，以解决客户的挑战。
产前皮质类固醇对妊娠糖尿病血糖变异的影响：一项单一中心观察性研究
目的：该研究评估了预防性产前皮质激素（ACS）对孕妇血糖（MBG）变化和胰岛素需求对妊娠糖尿病（GDM）的影响。材料和方法：GDM患者接受了常规的ACS方案。粉刷前葡萄糖水平确定胰岛素或剂量滴定的开始，如果已经使用胰岛素。在第一次剂量的ACS之后，对所有人进行了72小时的监测。从第3天开始，评估了空腹血糖，一小时的圆环葡萄糖水平。血糖监测持续了五天。结果：在52例患者中，首次需要12例胰岛素，在ACS之前已经进行了14例胰岛素，其余的是通过医疗营养疗法（MNT）管理的。母体血糖从第3天开始下降，在第4天达到了葡萄糖状态，并在第5天维持。在ACS后的前两天，平均MBG没有显着变化，但是从第3天开始逐渐下降。平均MBG变化与持续时间无关。平均胰岛素需求之间存在显着差异。没有胎儿损失。结论：产前皮质类固醇引起的高血糖增加了胰岛素的需求，或增加口服降血糖药。单独使用MNT或与药物治疗结合在继续监测下，可以实现良好的血糖状态。关键词：产前皮质类固醇，妊娠糖尿病，胰岛素治疗，医学营养疗法。临床意义：连续监测，满足增加营养需求，而不是同时提高MBG水平，并且应包括在治疗策略中添加药物治疗。南亚妇产科联合会杂志（2023）：10.5005/jp-journals-10006-2305
2021年3月，摘要澳大利亚的国家电力市场在世界上最长，最弦的传输网络之一中运营。 2016-
2021年3月，摘要澳大利亚的国家电力市场在世界上最长，最弦的传输网络之一中运营。2016 - 2020年的投资超级循环（其中有13,000兆瓦的可再生能源）逐渐揭示了可再生工厂网络托管能力的限制。在本文中，分析了由超级循环引起的副作用。可再生投资失败的大多数来源与系统强度恶化有关，即。相关的连接滞后，补救和削减成本。尽管一个多区域市场，但NEMS的位置投资信号仍然明显强大。更改节点安排可能会提高调度效率，但更大的政策问题正在迅速降低网络托管能力的新可再生能源，不完善的调节和与增强相关的监管滞后。市场参与者寻求比监管框架允许的更快。可再生能源区（REZ）通过i）进行了检查。由消费者资助的监管模型和II）。可再生发电机资助的市场模型。“超大规定的夹层”设施被视为REZ资本资金的关键要素。它构成了优化基于市场的REZ传输增强和中等赞助商瞬态不足的风险的手段。关键词：电力，可再生能源区，传输投资，位置投资信号。JEL分类：D25，D80，G32，L51，Q41。该工作文件的同行评审版本随后发表为：Simshauser，P。（2021），“澳大利亚国家电力市场的可再生能源区”，《能源经济学》，第101卷，第105446页。
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测
通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区，工程与建筑学院，工业工程系，创新与技术发展组，Q 区拉努比亚校区，马尼萨莱斯，170001 - 哥伦比亚。 （电子邮件：odcastrillong@unal.edu.co；wasarachec@unal.edu.co；sruizhe@unal.edu.co） 五月收到。 9，2019； 2019 年 7 月 8 日接受；最终版本 2019 年 8 月 12 日，2020 年 2 月发布 摘要 本文的目的是利用人工智能技术（分类器）根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析，但仍然提供了使用人工智能提供的工具进行研究的机会，特别是在预测学业成绩方面。通过定义的因素（教育、家庭、社会经济、习惯和风俗等），设计了一种方法，可以训练一个系统，该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此，可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键词：学业成绩；人工智能;分类器；成功；使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术（分类器）来预测高等教育学生的学业成绩，考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析，但它们仍然代表了使用人工智能工具的研究机会，特别是在学业成绩预测方面。通过定义影响因素（教育、家庭背景、社会经济、习惯和风俗等），设计了一种方法，以训练一个系统，该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解，该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本，成功率达到 91.7%。关键字：学业成绩；人工智能；分类器；成功；预测