直升机船上着陆是一项认知复杂的任务,对飞行员和机组人员都具有挑战性。有效的沟通、准确读取飞行仪表以及监控外部环境对于成功着陆至关重要。特别是,着陆的最后阶段至关重要,因为它们意味着在空间有限的不稳定环境中承受高工作负荷。在本定性研究中,我们使用应用认知任务分析方法采访了来自意大利海军的十名直升机飞行员。我们的目的是获得着陆程序的详细描述,并确定影响飞行员工作负荷、表现和安全的相关因素。根据对访谈内容的分析,我们确定了在甲板上进近和着陆的六个不同阶段和四类可能显著影响飞行员表现和着陆程序安全性的因素。与之前的研究一致,我们的研究结果表明,外部视觉提示对于成功着陆至关重要,特别是在着陆的最后阶段。因此,根据飞行员的陈述,我们提出了改进外部视觉提示的建议,以减少飞行员的工作量并提高着陆操作的整体安全性。
总结尽管患心血管疾病的风险较高(CVD),但目前在癌症幸存者中分层CVD风险的数据有限。这项研究的目的是发现癌症幸存者中主观步态速度与事件CVD的关系。这项回顾性观察队列研究分析了2005年至2021年之间JMDC声称数据库的数据,其中包括56,589例乳腺癌,结直肠癌或胃癌的史患者,但没有CVD病史。使用来自健康检查期间收集的自我报告的问卷的信息评估了步态速度。主要终点是复合CVD结果,其中包括心力衰竭,心肌梗死,心绞痛和中风。中位数(四分位数)年龄为54(48-61)年,男性为20,981(37.1%)。其中,有25,933例患者(45.8%)报告了步态速度的快速速度。在1002±803天的平均随访期间,记录了3,221个复合CVD结果。在多元COX回归分析中,与快速步态速度相比,步态速度缓慢的速度与发展CVD的风险更高(危险比,1.14,95%置信区间,1.06-1.22)。在各种灵敏度分析中,这种关联是一致的。我们证明了主观的步态速度与癌症幸存者之间CVD发展的风险更大有关。这表明步态速度评估对癌症患者的CVD风险分层的潜在价值以及维持癌症患者运动能力的临床重要性。(INT心脏J 2023; 64:672-677)关键词:心血管疾病,预防性心脏病学,流行病学
1俄亥俄州大学遗产骨病学院,雅典,俄亥俄州,美国,美国2号,俄亥俄州大学糖尿病研究所,俄亥俄州雅典,俄亥俄州,美国,美国,俄亥俄州河滨卫理公会3号,俄亥俄州哥伦布,俄亥俄州,俄亥俄州,美洲,美国哥伦比亚郡医疗机构,哥伦布,哥伦布,哥伦布,哥伦布,美国哥伦比亚4号,美国哥伦比亚郡。美国俄亥俄州,美国6号俄亥俄州,俄亥俄州大学J. Warren McClure新兴传播技术,俄亥俄州雅典,俄亥俄州,美国,美国7号,俄亥俄州大学游戏研究与沉浸式设计与实验室,俄亥俄州,俄亥俄州,俄亥俄州,美国,美国,8霍克学院,俄亥俄州8 Hocking College,俄亥俄州尼尔森维尔市,美国俄亥俄州,美国俄亥俄州9号,美国,俄亥俄州,美国俄亥俄州9号。俄亥俄州雅典,美利坚合众国
psilocybin是一种血清素能的迷幻药物(Nichols,2016),最近被探索为一种与其他迷幻物质一起的新型胸膜疾病治疗方法(Dos Santos和Hallak,2020; Johnson et el。来自一系列临床试验的结果,这些证据表明可以在治疗上使用psilocybin,例如重度抑郁症(Carhart-Harris等,2016,2016,2018),强迫性强迫症(Moreno等,2006)(2006年),焦虑和抑郁症,与生命繁重的癌症相关(Griffiths et and and and and and and。 Al。,2015年; Johnson等人,2014年)。中等剂量(即> 0.2 mg/kg), psilocybin induces an acute psychedelic experience, characterized by three experiential phases: (a) the onset of psy- choactive effects followed by (b) a peak plateau and (c) a gradual return to normal waking consciousness (i.e.研究参与者将其视为其典型的清醒意识状态,没有任何精神活性药物)(Madsen等,2019; Preller和Vollenweider,2018)。In contrast to normal waking consciousness, perceptual alterations and changes in sense of self, affect, meaning and cognition are typically experi- enced during the psilocybin psychoactive phases within a spec- trum of what users of psychedelic drugs and researchers have termed ‘peak' (Maslow, 1959), ‘mysticomimetic' (Nielson et al.,
摘要 航空系统的安全水平极高,事故非常罕见,大多数坠机事件都会成为头条新闻。航空旅行不断扩大,航班数量的增加将需要大幅提高安全水平,以确保飞机事故的发生率保持在较低水平。正在研究数字数据链路和高级软件辅助操作员等新技术,以适应旅行的增长,同时将安全性提高到所需的水平。因此,人为错误的发生和预防是新技术应用设计和验证的主要和高度优先的问题。我们将简要回顾航空业所谓的“自动化”的经验教训以及该行业面临的挑战。数据链接新技术应用的研究和实验。将讨论空中交通管理和驾驶舱自动化。重点在于人类与未来技术之间的互动质量,这些互动在可能的操作应用的真实模拟过程中得到观察和测量。人类操作员的行为可以通过更先进的测量设备进行研究和记录,这些设备能够在使用这些系统时实现客观的性能和工作量测量。本文将说明和讨论对比主观和客观测量技术在“前进方向”决策中的作用和重要性,以及设计和验证过程。最后,将强调一些谬论以及对未来工作的启示。
摘要 主观证据民族志(SEBE)是数字民族志中发展起来的一系列方法,用于社会科学调查,基于第一人称视角的主观音频和视频记录。记录用于自我对质(收集主观经验、讨论发现和最终解释)。一些应用 SEBE 方法的研究提到“内省”是自我对质过程中发生的一个过程,并在没有提供其发生的证据的情况下对其进行了讨论。本文旨在阐明内省及其在 SEBE 中的发生。在回顾了有关内省的文献之后,通过案例研究分析、描述和说明了 SEBE 中的内省过程。提出了 SEBE 中发生内省的条件和相关机制:研究发现,间接内省实际上可能发生,但并不频繁,并且可以被忽视而不会降低分析的质量。在访谈期间或访谈后对内省的精细分析并未被认定为活动分析的附加值。
一个人理解情况的测量方法,经常用于评估依赖于人类行为的关键系统的安全性和有效性。虽然有客观的方法来测量 SA,但主观评估,如 SA 评级技术 (SART),仍然被广泛使用。然而,目前还不清楚 SART 测量的 SA 或其组成维度的测量水平是什么。这是一个很大的差距,因为测量水平决定了哪些数学和统计学可以有意义地用于合成和评估测量。本研究使用以前开发的确定心理测量评级测量水平的方法来评估 SART 及其元素的测量水平。结果表明,在大多数情况下,SA 的所有维度都可以视为区间,但每个维度都在单独的区间尺度上。这个结果使人们对 SART 用于从其子组件计算 SA 的公式的有效性产生了怀疑。我们最终讨论了我们的结果并探索了未来的研究方向。
在各种实验环境中,肌电图 (EMG) 信号已用于控制机器人。基于 EMG 的机器人控制需要控制的内在参数,这使得用户很难理解输入协议。当未提供适当的输入时,系统的响应时间会发生变化;因此,无论实际延迟如何,都应调查用户的主观延迟。在本研究中,我们调查了延迟的主观感知对大脑激活的影响。在受试者使用 EMG 信号控制机械手时进行脑部记录,这需要基本的处理延迟。我们使用肌肉协同作用来执行机械手的抓握命令。在通过抓握手来控制机器人后,每次试验都会应用四个额外延迟持续时间(0 毫秒、50 毫秒、125 毫秒和 250 毫秒)之一,并指示受试者回答延迟是自然的、额外的还是他们不确定。我们根据回答(“确定”和“不确定”)比较了大脑活动。我们的结果表明顶叶的 θ 波段存在显著的功率差异,并且这个时间范围包括受试者感觉不到延迟的间隔。我们的研究提供了重要的见解,在构建自适应系统并评估其可用性时应考虑这些见解。
可解释的人工智能 (XAI) 系统是社会技术系统的一部分,例如,负责做出决策的人机协同人工智能团队。然而,当前的 XAI 系统很少通过衡量人机协同人工智能团队在实际决策任务中的表现来评估。我们进行了两项在线实验和一项面对面的出声思考研究,以评估两种当前常用的评估 XAI 系统的技术:(1)使用代理、人工任务,例如人类根据给定的解释预测人工智能决策的准确性,以及(2)使用信任和偏好的主观衡量标准作为实际表现的预测指标。我们的实验结果表明,使用代理任务的评估并不能预测使用实际决策任务的评估结果。此外,对实际决策任务评估的主观衡量标准并不能预测这些任务的客观表现。我们的结果表明,通过采用误导性的评估方法,我们的领域可能会无意中减缓开发能够比单独的人类或人工智能表现更好的人类+人工智能团队的进程。
摘要 —主观认知衰退(SCD)是阿尔茨海默病(AD)的临床前阶段,比轻度认知障碍(MCI)更早。进行性SCD将转化为MCI,并有可能进一步发展为AD。因此,利用神经成像技术(如结构MRI)早期识别进行性SCD对于早期干预AD具有重要的临床价值。然而,现有的基于MRI的机器/深度学习方法通常存在样本量小和可解释性不足的问题。为此,我们提出了一种可解释的具有域迁移学习(IADT)的自编码器模型来预测SCD的进展。首先,该模型可以利用目标域(即SCD)和辅助域(如AD和NC)的MRI来识别进行性SCD。此外,它可以通过注意机制自动定位与疾病相关的感兴趣的大脑区域(在脑图谱中定义),显示出良好的可解释性。此外,IADT 模型在 CPU 上仅需 5 ∼ 10 秒即可轻松训练和测试,适用于小型数据集的医疗任务。在公开的 ADNI 数据集和私有的 CLAS 数据集上进行的大量实验证明了所提方法的有效性。