XiaoMi-AI文件搜索系统
World File Search System使用情况
了解大纽约地区商业建筑的能源使用情况：建筑存量细分，用于改造规划
本作品是由美国政府某个机构赞助的工作记录。无论是美国政府还是其任何机构，或其任何雇员，或其承包商、分包商或其雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性，或任何第三方的使用或此类使用的结果做任何明示或暗示的保证，或承担任何法律责任或义务，或保证其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定的商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构或其承包商或分包商对其的认可、推荐或青睐。本文表达的作者的观点和意见不一定表明或反映美国政府或其任何机构、其承包商或分包商的观点和意见。
人工智能驱动的机场能源管理
® 系统可让您在一个地方跟踪所有商品使用情况，无需为水、空气、天然气、电力和蒸汽 (WAGES) 使用情况设立单独的系统。查看详细的使用情况和商品成本仪表板。查看建筑物内的商品使用趋势并比较机场建筑物之间的使用情况。借助独特的 Leak Detective™ 功能，可收到空气和水泄漏警报，从而及时采取行动以节省资源和金钱。生成所有 WAGES 商品使用情况的报告。
了解患者对上呼吸道感染抗生素的需求和使用情况：必要性-关注框架的定性应用
方法：采用探索性定性方法。对沙特阿拉伯利雅得初级保健中心使用目的抽样（基于年龄和性别）招募的参与者进行一对一、面对面或电话半结构化访谈。仅招募目前出现 URTI 症状并同意参与的成年患者。访谈招募持续到达到数据饱和点。访谈指南探讨了患者对抗生素的必要性信念和担忧、AMR 认知以及对 URTI 咨询的期望。访谈记录使用 QSR NVivo 12 进行编码，使用必要性-关注框架的框架分析来确定推动抗生素请求和咨询的关键动机。
使用 Affectiva 软件区分脑外伤患者和非脑外伤患者的面部表情使用情况：一项初步研究
摘要：本研究调查了使用自动面部编码引擎 Affectiva（集成在 iMotions，版本 8.2 中）评估创伤性脑损伤 (TBI) 后面部表情的可行性。根据 TBI 患者和对照组参与者的视频中的面部表情数据进行了一项观察性横断面研究。目的是比较 TBI 组和对照组，并确定影响数据分析的混杂因素。使用 Affectiva 分析了来自十名严重 TBI 参与者和十名无 TBI 的对照组参与者的两个叙事任务（个人事件和故事复述）的视频样本。在组间和组内对参与者的参与度、微笑和皱眉的自动数据进行了统计比较。还记录了每个样本的定性注释。Affectiva 检测到 TBI 参与者在两个任务上的参与时间百分比高于对照组参与者。TBI 参与者在一项任务中的微笑时间百分比也更高。在组内，两个叙事任务之间没有显着差异。 Affectiva 提供有关面部表情的标准化数据，可能对检测 TBI 后面部表情使用的变化很敏感。本研究还确定了在视频录制过程中应避免的因素，以确保为未来研究提供高质量的样本。
根据技术准备情况/使用情况/障碍、生活空间、驾驶习惯和认知预测老年司机对自动驾驶班车的接受程度
共享自动驾驶汽车服务（即自动穿梭巴士，AS）正在全球范围内部署，并可能提高老年人（> 65 岁）的流动性、独立性和社区参与度。但是，如果老年驾驶员要接受和采用这项技术，AS 必须易于使用并提供安全保障。目前，他们接受 AS 的潜在障碍包括对系统缺乏信任和不愿采用新兴技术。技术准备情况、感知到的易用性、感知到的障碍以及使用技术的意图是老年人在接受和采用 AS 时需要考虑的特别重要的结构。同样，个人因素，即年龄、生活空间流动性、驾驶习惯和认知可以预测老年驾驶员的驾驶安全性。但是，我们不确定这些因素是否以及如何预测老年人使用 AS 的意图。在本研究中，我们研究了 104 名老年司机（M 年龄 = 74.3，SD 年龄 = 5.9）的回答，他们在乘坐道路自动班车（EasyMile EZ10）之前和之后完成了自动驾驶汽车用户感知调查（AVUPS）。研究参与者还通过技术就绪指数、技术接受度测量、生活空间问卷、驾驶习惯问卷、路径开辟测试 A 部分和 B 部分（TMT A 和 TMT B）提供了信息。老年司机的年龄、认知分数（即 TMT B）、驾驶习惯（即碰撞和/或罚单、暴露和驾驶难度）和生活空间（即老年人离开主要住所多远）被输入到四个模型中，以预测他们对 AV 的接受度——根据子量表（即使用意向、感知到的障碍和幸福感）和 AVUPS 的总接受度分数进行操作。接下来，偏最小二乘结构方程模型 (PLS-SEM) 阐明了技术准备度、感知易用性、AV 接受障碍、生活空间、碰撞和/或罚单、驾驶暴露、驾驶难度、认知和使用 AS 的意图之间的关系。回归模型表明，年龄和认知能力 (TMT B) 都不能显著预测老年驾驶员对 AV 的看法；但他们自我报告的驾驶难度 (p = 0.019) 可以预测他们使用 AV 的意图：R2 = 6.18%，F (2,101) = 4.554，p = 0.040。因此，使用意图是后续 PLS-SEM 中的因变量。PLS-SEM 的结果 (R2 = 0.467) 表明，唯一具有统计意义的
HPGE检测器的校准和及时伽玛射线的使用情况，以扩展检测器效率曲线以上2 MEV范围
准确校准高纯晶也（HPGE）检测器对于在各种科学和工业应用中精确测量γ辐射至关重要。在本文中，对HPGE探测器的校准进行了研究，从能量，分辨率和效率方面进行了研究。校准源（例如Europium-152和133）用于建立能力和分辨率校准，结果显示出高线性和令人满意的分辨率性能。效率校准最初覆盖了1.4 meV的能量，通过包括及时的γ射线测量值扩展到7.65 MeV。使用六阶多项式方程对效率数据进行建模，这与观察到的值很好地一致。这项研究证实，提示γ测量值可以有效地将HPGE检测器的校准范围扩展到更高的能量。但是，它还强调了需要改进的实验设置和更长的测量时间，以进一步提高高能量效率校准的准确性和可靠性。结果为准确的γ射线测量提供了坚实的基础。
将 BCI 转化为实际应用的综合评估方法：可用性、用户满意度和在线 BCI 系统的使用情况
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
管理 1 型和 2 型糖尿病成人患者的糖尿病困扰的应对策略：关于使用情况和感知有用性的横断面研究
一旦被诊断出患有糖尿病等慢性病，人们就面临着需要调整的新生活。正如 De Ridder 及其同事 (1) 所描述的，调整是指人们对新环境的健康重新平衡，涉及身体、心理和社会领域 (2)。糖尿病调整的例子包括管理日常习惯，例如全天监测血糖水平、调节饮食和注射胰岛素，以及应对与糖尿病相关的情绪挑战、处理人际关系和寻求支持。与糖尿病共存的要求会造成沉重的负担，并转化为情绪困扰 (3)。大约 30% 的糖尿病成年人报告有糖尿病患者的情绪困扰，也称为糖尿病困扰 (4-6)。糖尿病困扰加剧与饮食、运动和药物依从性方面的自我管理不善有关，会对血糖结果产生负面影响 (7-10)。较低水平的糖尿病困扰与更好的糖尿病自我管理和血糖结果相关 (11)，但其中的因果关系很难辨别。健康应对在适应糖尿病等慢性病的生活需求方面发挥着重要作用。多年来，大量研究检验了包括糖尿病在内的慢性病 (1、12、13) 的应对策略。特别是在糖尿病方面，研究表明，健康应对与较低水平的困扰 (14)、增强的糖尿病自我护理 (15) 和改善的血糖结果 (16) 相关。糖尿病护理和教育专家协会 (ADCES) 将健康应对定义为“对糖尿病和自我管理的积极态度、与他人的积极关系和生活质量”(11)。他们提出了有效自我管理所必需的七个关键自我护理行为。 ADCES 强调健康应对是掌握其他六种行为（健康饮食、积极活动、服药、监测、降低风险和解决问题）的基石。Lazarus 和 Folkman 的压力应对理论提供了一个框架来理解慢性病适应结果的差异（17）。Lazarus 和 Folkman 认为，个人对压力的体验因他们对事件的解释方式而异。根据这一框架，当某一事件被视为威胁或有害时就会产生压力，而应对是指个人如何管理压力源带来的威胁。应对被认为是压力源感知（评估）和适应之间的中介变量（18）。Lazarus 和 Folkman 区分了应对的两个主要维度。以问题为中心的应对包括直接积极应对压力源，例如在糖尿病的情况下，重点是管理血糖调节（监测血糖水平、注射胰岛素），或寻求有关糖尿病的信息，并获得医疗保健专业人员的支持。以情绪为中心的应对旨在解决压力事件造成的情绪困扰。这种方法需要广泛的策略，包括抑制策略，如抑制情绪或接受，以及
胰高血糖素样肽 1 受体激动剂在 MASLD 患者中的实际使用情况：TARGET-NASH 横断面分析
结论 • 在 TARGET-NASH 中，11% 的参与者被处方了 GLP-1 RA • 大多数使用者是 40-64 岁的白人女性；尽管存在药物获取方面的担忧，但使用者和非使用者之间的保险类型并无差异 • 到目前为止，在这个现实世界的队列中，GLP-1 RA 的使用似乎主要是在那些患有 2 型糖尿病的人身上 • 这个现实世界的人群有明显的合并症，GLP-1 RA 使用者和非 GLP-1RA 使用者之间存在明显差异 • 尽管如此，GLP-1 RA 的耐受性良好，大多数停药都是由于非医疗原因
文章引用信息：Kurek, A., Macioszek, E. 动态停车收费区停车位使用情况的每日变化
摘要。目前，越来越多的居民使用汽车出行。道路交通量增加的后果是道路状况恶化、道路安全水平下降、空气污染加剧以及寻找停车位的问题。本文分析了 COVID-19 大流行之前和期间格利维采动态停车信息 (DPI) 覆盖的付费停车区 (PPZ) 停车位使用情况的每日变化。在工作的第一阶段，分析了 COVID-19 大流行之前和期间 DPI 覆盖的 PPZ 停车位中停车位使用情况和轮换指标的每日变化。进行了 Wilcoxon 检验以验证差异是否具有统计显著性。结果表明，COVID-19 大流行导致 PPZ 停车位使用率和轮换指标下降。此外，研究表明，收取停车位停车费会增加空间使用率和轮换指标。因此，可以为更多驾驶员提供停车位。