XiaoMi-AI文件搜索系统
World File Search System其相
用随机尿液 ACR 检测 2 型糖尿病患者糖尿病肾病的发生率及其相关危险因素
摘要 目的：利用随机尿液 ACR 比值确定 2 型糖尿病患者的糖尿病肾病发病率并确定其相关危险因素。 研究设计：描述性横断面研究。 研究地点和持续时间：本研究于 2023 年 2 月 1 日至 2023 年 7 月 31 日在巴基斯坦白沙瓦穆罕默德教学医院 (MTH) 医学部进行。 方法：共调查了 150 名 2 型糖尿病患者。样本量是使用 WHO 样本量计算器计算的，使用一项参考研究，2 型糖尿病患者糖尿病肾病的患病率为 10.8%；置信区间 = 95%，误差幅度为 5%。 结果：标准差 ± 5.146，平均年龄为 49 岁。有 87 名（58%）女性和 63 名（42%）男性。对 150 名受试者的随机尿液 ACR 进行了分析。其中，47 名（31%）患有微量白蛋白尿（少于 300 mg/m），28 名患者（19%）患有大量白蛋白尿（超过 300 mg/m），而 6 名（4%）患有终末期肾病，GFR < 30 ml/m -1.73 m2。对 150 名受试者进行了一项研究以确定糖尿病肾病的状况。其中，81 名（54%）患有糖尿病肾病，69 名（46%）没有。结论：使用随机尿液 ACR 比率，我们的研究表明 46% 的 2 型糖尿病患者患有糖尿病肾病。糖尿病病程 5-10 年的患者的发病率为 24%，糖尿病病程 11-15 年的患者发病率为 26%。糖尿病病程16至20年的患者发病率为50%。总之，糖尿病病程越长，患糖尿病肾病的风险就越大。
HIPATIA：一个旨在将螺旋等离子推进器及其相关技术发展到中高 TRL 的项目
HIPATIA（用于太空应用的 Helicon PlasmA 推进器）项目最近获得了欧洲委员会 H2020 拨款，用于开发 Helicon Plasma 推进器及其相关技术。HIPATIA 项目的目标是验证基于 HPT 技术的电力推进系统的功能和性能，以应用于非地球静止卫星星座和其他小型航天器。该联盟由 SENER Aeroespacial 牵头，马德里卡洛斯三世大学、空中客车防务与航天公司、法国国家科学研究中心和先进空间技术公司也参与其中。合作伙伴为 HIPATIA 带来了电力推进 (EP) 系统开发、集成和测试方面的坚实背景。 HPT 是一种射频等离子推进技术，有望提供良好的性能水平，同时消除迄今为止困扰 EP 系统的许多设计和制造问题（电极、高压电子设备和复杂制造）。鉴于 HPT 技术的设计相对简单而坚固（没有栅极和阴极），HIPATIA 有可能为大型小型卫星群提供经济高效的解决方案。除非完整的 EP 系统已证明其集成和操作一致性，否则高 TRL 中破坏性推力器的影响不会实现。HIPATIA 将把 HPT 的开发状态推进到 TRL6-7，但它也将面临完整 EP 系统的集成挑战，该系统由 HPT 推力器单元 (TU)、为其供电的射频和电源单元 (RFGPU) 和控制推进剂压力和质量流量的推进剂流量控制单元 (PFCU) 组成。该系统将根据市场需求进行集成和验证。开发活动将辅以研究和实验任务，以提出设计行动来提高 HPT 性能。本文回顾了小型平台太空推进的市场需求，分析了对基于 HPT 的推进子系统的需求和要求。将讨论 HIPATIA 项目中要开发和集成的技术的现状。从这一点开始，本文探讨了联盟在 2022 年将基于 HPT 的推进子系统提升到 TRL6 的研究和开发计划。关键词：螺旋等离子推进器、HIPATIA、H2020。
加纳初级保健医院糖尿病患者的胰岛素治疗依从性及其相关因素
糖尿病目前是全球主要的死亡和残疾原因之一 [1-4]。据估计，2021 年全球有 5.37 亿人患有糖尿病，相关医疗费用为 9,660 亿美元，如果不加以解决，预计到 2045 年全球医疗费用将超过 10,540 亿美元 [2,5]。不断上升的患病率导致了医疗成本的增加，预计到 2045 年将上升 45%，达到 7.83 亿成年人，即每 8 个成年人中就有 1 个患有糖尿病 (6)。糖尿病是中低收入国家 (LMIC) 特别令人担忧的问题，这些国家目前占全球糖尿病人口的 75% 以上 [3,6]。这可能是由于生活方式的改变（身体活动减少、久坐习惯增多）、文化习惯和城市化进程加快 [7,8]。总体而言，由于人力资源和采购药品及设备的资金挑战，糖尿病对撒哈拉以南非洲地区的发病率和死亡率的影响比全球任何其他地区都要大 [9]。目前，加纳约有 240 万人患有糖尿病 [10]。虽然报告的加纳全国糖尿病患病率为 2.80% 至 3.95% 之间，但加纳不同地区和不同人群的患病率较高 [11-14]。在国家以下层面，一些地区的糖尿病患病率较高 [15]。例如，加纳 18 个行政区之一的阿散蒂地区报告的糖尿病患病率为 97 25.2% [16]。虽然绝大多数糖尿病患者患有 2 型糖尿病，其治疗可能包括胰岛素，但在加纳，有相当一部分 1 型糖尿病患者仅依靠胰岛素疗法进行治疗 [ 17 ]。然而，包括加纳患者在内的许多中低收入国家的患者存在药物供应和负担能力以及监测设备的问题，影响了药物的使用 [ 17 – 19 ]。这一点很重要，因为使用胰岛素实现最佳血糖控制与减少 1 型和 2 型糖尿病并发症以及降低全因死亡率有关 [ 20 – 24 ]。
乌干达参加 HIV 疫苗试验的成年人对 HIV 疫苗接种计划的遵守情况及其相关因素
• 在 508 名受试者中，80.9%（411 名）为女性，中位年龄为 25 岁（IQR 21-29）表 1 • 总体而言，疫苗接种计划的依从率为 74.8% • 与 18-24 岁年龄段的受试者相比，25 岁及以上的受试者良好依从疫苗接种计划的可能性高 1.6 倍 [调整后的优势比 (aOR)=1.57，95% 置信区间 (CI) 1.04 – 2.40]。 • 与男性相比，女性受试者依从疫苗接种计划的可能性较低（aOR=0.21，95% CI 0.09 – 0.47）（表 2）。
埃塞俄比亚西北部丹贝查地区 12-59 个月儿童发育迟缓及其相关因素：一项以社区为基础的横断面研究
儿童发育指儿童在社会和情感、认知、沟通和运动等所有人体功能领域的进步（1）。婴儿出生后的最初 1,000 天（从受孕到 2 岁）是大脑发育的关键时期（2）。包括神经系统在内的大多数器官发育发生在 5 岁之前。儿童大脑约 90% 的大小是在出生后 5 年内生长的（3）。因此，幼儿期是最容易出现发育迟缓的时期（4）。儿童发育迟缓是指儿童与同龄儿童相比，未达到其年龄所应达到的发育技能（5、6）。美国儿科学会建议使用标准化工具对 9、18 和 30 个月大的儿童进行发育迟缓筛查（7）。在埃塞俄比亚等低收入国家，广泛用于筛查儿童发育迟缓的标准化工具是丹佛发育筛查测试 II ( 8 )、第三版年龄和阶段问卷 (ASQ-3) ( 9 ) 和贝利婴儿发育量表 III ( 10 )。
产前抑郁及其相关因素
抽象背景孕妇和产后妇女由于荷尔蒙和生物学变化而面临抑郁症的高风险。静止抑郁症被研究不足，其预测因子仍然引起极大的争议。旨在估计妊娠期间抑郁症状的患病率，并研究科威特出生研究参与者中包括维生素D，叶酸和维生素B 12，包括维生素D，叶酸和维生素B 12。方法收集数据是科威特出生队列研究的一部分，其中在产前护理访问期间，在第二和第三学期招募了孕妇。使用爱丁堡产后抑郁量表（EPDS）收集产前抑郁症的数据，考虑到≥13的得分是抑郁症的指标。逻辑回归用于研究与孕妇抑郁症状相关的因素。科威特出生队列研究的1108名参与者的结果，1070（96.6％）完成了EPDS。分别为EPDS≥13和EPDS≥14的EPD指示，分散症状的患病率为21.03％（95％CI：18.62–23.59％）和17.85％（95％CI：15.60-20.28％）。 在多变量分析中，在家中被动吸烟，怀孕期间经历压力大的生活事件以及较低水平的维生素B 12被确定为诱发因素。 相反，渴望对水果和蔬菜的食用和消费量成反比抑郁症状。 具体来说，筛查工作应集中在意外怀孕，在家中被动吸烟以及最近的压力性现场活动上。分散症状的患病率为21.03％（95％CI：18.62–23.59％）和17.85％（95％CI：15.60-20.28％）。在多变量分析中，在家中被动吸烟，怀孕期间经历压力大的生活事件以及较低水平的维生素B 12被确定为诱发因素。相反，渴望对水果和蔬菜的食用和消费量成反比抑郁症状。具体来说，筛查工作应集中在意外怀孕，在家中被动吸烟以及最近的压力性现场活动上。结论大约是，五分之一的孕妇患有抑郁症状，表明需要在孕妇中实施筛查计划，这是科威特系统地实施的措施。
根据背景揭示大脑功能、行为及其相互作用的决定因素
由于生物和遗传决定论的对立文化影响（Comfort，2018；Plomin，2019），以及量化经验引起的大脑变化的方法限制，情境在神经科学和精神病学中的作用直到最近才被人们忽视。然而，在上个世纪中叶，一些关键的实验和观察使其相关性开始显现。Donald Hebb 曾轶事地报告说，接触复杂的环境可以提高解决问题的行为能力（Hebb，1947）。Hubel 和 Wiesel 证明了早期感觉剥夺对视觉皮层解剖学和生理学的巨大影响（Wiesel & Hubel，1963）。 Rosenzweig 及其合作者的出色研究证明了环境作为可测试的科学变量的影响，并表明生活条件的质量在从形态到化学的多个层面上塑造大脑和行为（Rosenzweig，1966 年；van Praag 等人，2000 年）。最近，个人环境在塑造大脑活动方面的关键作用越来越受到重视，表明生活条件对大脑回路产生普遍影响并决定心理健康（Castegnetti 等人，2021 年，#9；Geng 等人，2021 年；Mason 等人，2017 年；Meyer-Lindenberg 和 Tost，2012 年，South 等人，2018 年；Tost 等人，2019 年）。环境的概念进一步演变为更广泛的情境概念，它涉及外部和内部条件（例如环境设置和心态），后者也取决于个人的历史（Benedetti，2008；Branchi，2022b；Di Blasi 等人，2001；Gilbody 等人，2006；Woltmann 等人，2012）。尽管进行了各种有价值的尝试（Zimmermann 等人，2007），但并没有普遍接受的情境操作定义，不同学科之间存在显著差异。在这里，情境被定义为个人对环境的体验。因此，它不仅包含体验的客观特征，还包括个体在接触该体验时的个性和心理状态（Klandermans 等人，2010 年；Wallsten 等人，1999 年）。从这个角度来看，心理学和精神病学通常通过问卷和访谈来评估情境（Danese 和 Widom，2020 年；Fakhoury 等人，2002 年；Kim 等人，2016 年）。大多数描述情境对大脑和行为影响的理论框架都假定情境因素对于在离散功能状态之间转变至关重要，例如从健康状态到病理状态。例如，早年或成年期的创伤或不良经历被解释为全有或无大脑功能的转换（Nutt 和 Malizia，2004 年；
利用计算机模拟研究玫瑰茄中芙蓉酸及其相关化合物的抗高血压作用
这种化合物。特别是，针对其治疗活性和作用方式的科学研究很少。然而，它的非对映异构体藤黄酸（从藤黄果中提取）是市售的并且得到了充分研究。关于芙蓉酸提取、性质和化学特性的最具代表性的证据已由 Zheoat 等人（2019 年）和 Portillo-Torres 等人（2019 年）[6- 7] 分析。晶体学分析和 X 射线光谱证实，芙蓉酸是一个五元内酯环，具有四个碳原子和一个氧原子。C3（sp2）具有双键氧原子，C1 具有 OH 基团和 COOH 基团，C2 具有 COOH 基团（图 1）[8]。除了藤黄酸和芙蓉酸外，我们的研究还包括从玫瑰茄中提取的其他相关化合物，如图 1 所示。
詹姆斯·卡梅隆·阿凡达（James Cameron Avatar）：电影的不同商业模式及其相互关系
摘要。但是，电影制作是多年来盛行的研究方面，但尚未在学术领域进行彻底研究。必须在科学文献中制作电影的制作。本文将重点关注各种商业电影方法组织，重点关注詹姆斯·卡梅隆（James Cameron）著名的电影《阿凡达》（Avatar）。电影业务可以分为两种型号：业务和工作室模型。例如，阿凡达（Avatar）是一部新的3D电影，在商业和录音室模型中盛行。仍然，这部电影提供了工作室模型和技术利用的绝佳视角。最初制作的大片电影是为了满足感知到的观众的最佳价值观；也就是说，无论电影将花费多少，消费者愿意花多少钱。确切地说，必须确保在生产方面负担得起的电影制作，同时符合消费者的期望并获得利润。
![为了有效解决人类所面临的日益复杂的问题，最新的发展趋势是应用大量不同类型的传感器收集数据，从而基于深度学习和人工智能建立有效的解决方案[1-4]。这不仅对传感器产生了巨大的需求，带来了商机，也为传感器设备及其相关应用的开发带来了新的挑战[5,6]。这些将人工智能与传感器相结合的技术发展正被积极地应用于医疗保健、制造业、农业和渔业、交通运输、建筑、环境监测等各个应用领域。例如，在环境监测方面，集成深度学习和人工智能算法的传感器能够快速分析大量数据集，实时识别模式、异常和趋势[7,8]。以天气预报为例，由人工智能驱动的传感器可以从卫星、气象站和无人机等各种来源收集数据，从而更精确地预测天气模式。通过深度学习模型，传感器可以动态调整和整合新数据，从而随着时间的推移提高预测准确性。此外，在工业环境中，通过人工智能增强的传感器在监控设备健康状况、预测潜在故障和安排维护方面发挥着优化制造运营的关键作用。](/simg/f/f35968dfeaed06f5c0286399ab4f1fb8e15e2e87.png)
为了有效解决人类所面临的日益复杂的问题，最新的发展趋势是应用大量不同类型的传感器收集数据，从而基于深度学习和人工智能建立有效的解决方案[1-4]。这不仅对传感器产生了巨大的需求，带来了商机，也为传感器设备及其相关应用的开发带来了新的挑战[5,6]。这些将人工智能与传感器相结合的技术发展正被积极地应用于医疗保健、制造业、农业和渔业、交通运输、建筑、环境监测等各个应用领域。例如，在环境监测方面，集成深度学习和人工智能算法的传感器能够快速分析大量数据集，实时识别模式、异常和趋势[7,8]。以天气预报为例，由人工智能驱动的传感器可以从卫星、气象站和无人机等各种来源收集数据，从而更精确地预测天气模式。通过深度学习模型，传感器可以动态调整和整合新数据，从而随着时间的推移提高预测准确性。此外，在工业环境中，通过人工智能增强的传感器在监控设备健康状况、预测潜在故障和安排维护方面发挥着优化制造运营的关键作用。
为了有效解决人类所面临的日益复杂的问题，最新的发展趋势是应用大量不同类型的传感器来收集数据，以便建立基于深度学习和人工智能的有效解决方案[1-4]。这不仅对传感器产生了巨大的需求，提供了商业机会，也为传感器设备及其相关应用的开发带来了新的挑战[5,6]。这些将人工智能与传感器相结合的技术发展正被积极地应用于医疗保健、制造业、农业和渔业、交通运输、建筑、环境监测等各个应用领域。例如，在环境监测中，集成了深度学习和人工智能算法的传感器能够快速分析大量数据集，实时识别模式、异常和趋势[7,8]。以天气预报为例，人工智能驱动的传感器可以从卫星、气象站和无人机等各种来源收集数据，从而更精确地预测天气模式。通过深度学习模型，传感器可以动态调整和整合新数据，从而随着时间的推移提高其预测准确性。此外，在工业环境中，人工智能增强的传感器在优化制造运营方面发挥着至关重要的作用，可以监测设备健康状况、预测潜在故障并提前安排维护 [ 9 – 12 ]。这种方法减少了运营停机时间并提高了整体效率。在此背景下，“传感器和应用中的人工智能和深度学习”特刊收集了关于人工智能（特别是深度学习）和传感器技术在各个领域的新发展的高质量原创贡献，以及分享想法、设计、数据驱动的应用程序以及生产和部署经验和挑战。本期特刊征文主题包括制造、机械和半导体的应用和传感器；建筑、施工、楼宇、电子学习的智能应用和传感器；推荐系统；自动驾驶汽车、交通监控和运输的应用和传感器；物体识别、图像分类、物体检测、语音处理、人类行为分析；以及其他相关传感应用 [ 13 , 14 ]。