XiaoMi-AI文件搜索系统
World File Search System原创
稿件编号 ZUMJ-2108-2312 DOI: 10.21608/zumj.2021.89280.2312 原创文章 叶酸补充对 2 型糖尿病患者的治疗作用
摘要背景：2 型糖尿病 (DM2) 与微血管和大血管合并症的高风险相关。许多微量营养素参与对抗 DM 及其并发症。本研究旨在调查叶酸对 DM2 白化大鼠模型的影响。材料和方法：30 只成年雄性白化大鼠随机分为 3 组：对照组、糖尿病组 (DM2)：通过 4 周高脂饮食诱导 DM2，然后链脲佐菌素 (25 mg/kg/ ip，一次)，叶酸治疗 DM2 (5mg/kg bw) 口服 8 周。分析血糖、胰岛素、血脂谱、CRP，计算 HOMA-IR 和血浆动脉粥样硬化指数 (AIP)。结果：与 DM2 组相比，叶酸治疗的 DM2 组血糖、HOMA-IR、胆固醇、甘油三酯、AIP、CRP 显著降低，血清胰岛素和高密度脂蛋白显著升高。结论：叶酸在 DM 大鼠模型中有效，因为它能减少糖代谢紊乱、具有抗氧化、抗炎作用。关键词：叶酸；2 型糖尿病。
原创调查 | 德国儿科儿童虐待特征和成人身体多重疾病
作者隶属关系：德国乌尔姆大学医院儿童和青少年精神病学-心理治疗系（Otten、Fegert、Jud、Clemens）；德国美因茨约翰内斯古腾堡大学大学医学中心心身医学和心理治疗系（Otten、Brähler）；德国乌尔姆合作站点德国精神卫生中心（Otten、Fegert、Jud、Clemens）；德国乌尔姆合作站点德国儿童和青少年健康中心（Otten、Fegert、Jud、Clemens）；德国慕尼黑联邦国防军大学人文科学系、心理学研究所（Schalinski）；德国莱比锡大学医学心理学和医学社会学系（Brähler）；瑞士巴塞尔大学巴塞尔大学精神病诊所儿童与青少年精神病学研究部 (Bürgin)；瑞士苏黎世大学雅各布生产力青年发展中心 (Bürgin)。
原创调查 | 糖尿病和内分泌学基线空腹血糖水平、年龄、性别和体重指数与美国糖尿病的发展
资金/支持：本研究由美国国立卫生研究院（Egan 博士）颁发的 DK092721 和 DK134767 奖资助；梅奥诊所罗伯特和伊丽莎白·斯特里克兰内分泌、代谢、糖尿病和营养职业发展奖（Egan 博士）；以及美国国立卫生研究院国家糖尿病和消化和肾脏疾病研究所（Vella 博士）颁发的 DK78646、DK116231 和 DK126206 奖资助。本研究使用罗切斯特流行病学项目医疗记录链接系统完成，该系统由美国国立卫生研究院国家老龄化研究所资助，资助编号为 R01 AG034676 和 AG052425。
原创文章 - 胆固醇估计与...之间的关联
低密度脂蛋白胆固醇（LDL-C）升高是ASCVD发展和进展的根本致病因素。 3,4 先前的研究表明，低 LDL-C 水平的个体 ASCVD 发病率低于高 LDL-C 水平的个体。 5-7 LDL 由几种大小和密度不同的颗粒子类组成，包括大浮力 (lb) 颗粒以及中密和小密 (sd) LDL。 8 然而，与其他亚型相比，sdLDL 可能是跨不同 LDL 亚型的 ASCVD 风险的更好的生物标志物。 9,10 据报道，sdLDL 与多种疾病有关，包括代谢紊乱、肥胖和 2 型糖尿病，并被认为是冠心病的危险因素。 11-13 因此，测量 sdLDL-C 水平对于监测 ASCVD 风险具有重要意义。测量 sdLDL-C 的传统方法依赖于复杂的超速离心或梯度凝胶电泳。 14 测量所需的特殊设备和较长的测定时间限制了 sdLDL 测量的临床应用。桑普森等人开发了一个基于标准脂质组结果估算 sdLDL-C 的新方程，其判定系数为 0.745。 15 但其配方仅在美国人群中建立，其在其他人群中的适应性和估计效果仍不清楚。
原创研究通过心率变异性评估房颤发作前的自主神经系统活动
背景：神经调节已被证明可以提高心房颤动 (AF) 消融手术的疗效。然而，尽管它能够影响自主神经系统 (ANS)，但其确切的作用机制仍不清楚。ANS 通过心内神经系统 (ICNS) 的活动可以从心率变异性 (HRV) 推断出来。因此，本研究旨在通过分析大量新患者中 HRV 的演变来调查 AF 发作前 ICNS 变化的意义。方法：我们从 95,871 个 Holter 记录数据库中选择并注释了 AF 和心房扑动的记录。每条记录都包括窦性心律和一次或多次 AF 发作。我们计算了估计副交感神经活动的参数（连续 RR 间隔差异的均方根 (RMSSD) 和相差超过 50 毫秒的连续 RR 间隔的百分比 (pNN50)）以及 AF 发作前几分钟的 HRV 频率参数。为了能够逐分钟评估参数变化，我们从房颤发作前 35 分钟开始，计算了 5 分钟滑动窗口内的参数值。结果：整个患者组的平均年龄为 71.1 ± 11.3 岁（范围 35–99），570 名患者的 623 条记录中发作总次数为 1319 次，平均每次记录发作 2.1 ± 2.2 次（范围 1–17），每位患者发作 2.3 ± 2.6 次（范围 1–21）。房性早搏 (PAC) 的比例从房颤发作前 35 分钟的 4.8 ± 0.3% 增加到房颤发作前 5 分钟的 8.3 ± 0.4%。我们测量了 AF 发作前 35 分钟至 5 分钟之间极低频 (VLF)、低频 (LF)、高频 (HF)、RMSSD 和 pNN50 的统计显著增加。结论：我们的数据表明，在大多数 AF 事件发生之前，迷走神经活动会显著增加。在确定最佳神经调节策略时，可以考虑 HRV 参数的动态变化。
原创研究 中国护理实习生职场暴力管理能力相关因素
目的：近年来，护士和护生遭遇职场暴力 (WPV) 的案例数量高得惊人。然而，管理和发展护生 WPV 能力的报道仍然不足。因此，本研究调查了护理实习生管理职场暴力能力 (MWVC) 的现状，并确定了影响其 MWVC 的相关因素。参与者和方法：2023 年 7 月，来自中国湖南省六家三级医院的 817 名护理实习生参加了本研究。使用职场暴力管理能力量表 (MWVCS)、患者风险识别能力评估问卷和护生专业身份问卷 (PIQNS) 通过在线调查问卷收集数据。结果：在参与者中，91.1% 为女性（n=744），68.1%（n=556）年龄在 21 至 23 岁之间，54.1%（n=442）获得学士学位。工作场所暴力管理能力得分为 123.25（SD=11.06）。多元线性回归分析显示，学历（B=3.152，p<0.001，95%CI：2.087–4.217）、亲历医院职场暴力事件（B=4.274，p<0.001，95%CI：3.164–5.384）、接受过WPV预防技能培训（B=7.196，p<0.001，95%CI：6.007–8.386）、患者风险识别能力（B=1.006，p<0.001，95%CI：1.163–0.893）和职业认同（B=0.693，p<0.001，95%CI：0.571–0.815）是护理实习生MWVC的相关因素。结论：护理实习生的职场暴力风险评估处于中等水平。为提高职场暴力风险评估水平，建议加强对WPV预防和管理的培训，特别是针对具有大专以上学历、无目击WPV事件经验、未接受过WPV预防技能培训、患者风险识别能力和专业认同度较低的实习生。本研究结果可指导制定有针对性的培训计划和支持措施，提高实习生管理WPV的能力，促进其专业成长和心理健康，同时为护理教育者和管理者提供重要的见解和干预技术。关键词：护理实习生，管理职场暴力能力，患者风险识别能力，专业认同，相关因素
原创研究美国亚裔美国人、夏威夷原住民和太平洋岛民退伍军人窒息自杀情况（2012 年至 2018 年）
摘要 背景 亚裔美国人、夏威夷原住民和太平洋岛民 (AANHPI) 退伍军人的自杀率大幅上升，他们比总体退伍军人更有可能使用窒息作为自杀方式。本研究调查了因窒息自杀而死亡的 AANHPI 退伍军人的人口统计、医疗保健和伤害特征，并研究了这些死亡的背景。分析进一步检验了死于窒息自杀的 AANHPI 和非 AANHPI 退伍军人之间是否存在差异。 方法 这种混合方法分析使用了来自 AANHPI (n=44) 和非 AANHPI (n=3090) 退伍军人的国家暴力死亡报告系统 (NVDRS) 数据（2012-2018 年）。 结果 几乎所有的窒息死亡都是上吊，尽管勒死的类型差别很大。与匹配的非 AANHPI 退伍军人样本相比，住宅是 AANHPI 退伍军人受伤和死亡的最常见地点，地下室是家中更常见的死亡地点。AANHPI 死者中女性比例明显更高。此外，与非 AANHPI 死者相比，AANHPI 死者获得紧急医疗服务的可能性明显较小。大多数 AANHPI 死者是被家人或亲密伴侣发现的。结论解决 AANHPI 退伍军人中的勒死自杀问题对于确保公平的自杀预防方法是必不可少的。对于这一人群，有必要采取考虑到显著背景因素（例如死亡地点、亲人发现）的致命手段安全举措和事后干预策略。考虑到勒死和勒死点的普遍性，解决自杀风险驱动因素的上游自杀预防方法对于预防 AANHPI 退伍军人自杀尤为重要。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创研究成人鼻出血复发性急诊就诊相关因素，两项横断面研究
简介和目的：本研究旨在调查急诊科 (ED) 成年患者复发性和活动性鼻出血的患病率，并探讨复发性鼻出血与成人鼻出血患者的人口统计学特征、合并症和药物以及紧急干预类型的关联。方法：对 2019 年 1 月至 2022 年 1 月三年间两家三级医院的急诊科数据进行了回顾性横断面研究。纳入所有年龄 ≥18 岁、通过按压鼻子或头部定位无法缓解活动性鼻出血的成年患者。从患者的电子病历中收集人口统计学数据、临床表现和临床管理的详细信息。结果：404 名患者中，73 名 (18.1%) 在 28 天内因鼻出血复发再次就诊。本研究中男性患者较多，平均年龄为 55.4 ± 18.03 岁。大多数患者有单侧（n = 328，81.2%）和前鼻（n = 376，93.1%）出血。心力衰竭作为一种合并症与复发性鼻出血风险显著增加相关（p = 0.001）。最常见的治疗方法包括可膨胀聚醋酸乙烯酯袋 (EPAP) (n = 198，49%)；外用赛洛唑啉 (n = 108，26.7%)；和化学烧灼 (n = 57，14.1%)。EPAP 控制初期出血与因鼻出血再次就诊 ED 显著相关（p = 0.033）。结论：复发性鼻出血大多发生在老年男性中。充血性心力衰竭可能是复发性鼻出血的一个未被充分认识的危险因素。对于鼻出血复发风险较高的患者，应寻求除可膨胀聚醋酸乙烯包以外的其他治疗方式，因为它们可能会增加再次出血的风险。关键词：鼻出血、复发、风险因素、合并症
在线可访问 http://www.tjpr.org http://dx.doi.org/10.4314/tjpr.v23i12.15 原创研究文章 评估医疗保健学生对人工智能 (AI) 的认识、看法和意见——沙特阿拉伯的一项横断面研究
目的：确定医疗保健学生 (HC) 对人工智能 (AI) 的看法、知识和意见。方法：2023 年 4 月至 6 月期间进行了一项横断面调查，旨在评估 HC 对 AI 的认识、看法和意见。一份经过预先测试和验证的结构化问卷以电子方式分发给沙特阿拉伯不同大学的 HC。使用 5 点李克特量表编制答复。Cronbach's alpha 分数 0.80 用于确定问卷的可靠性。通过计算编制的看法中的每一项来确定平均分数。结果：大多数 HC 对医疗保健中的 AI 持积极看法，并同意 AI 可以提高诊断准确性 (73.4%)、减少医疗实践中的错误 (65.2%) 并促进患者教育 (70.8%)。然而，一些人担心 AI 会对医疗保健从业者与患者的关系产生有害影响和潜在的伦理影响 (44.3%)，同时也会让患者增强对自己健康的控制 (51%)。大多数学生（85%）认为，如果将人工智能融入医疗保健，就会有失业的风险。多元线性回归分析表明，学习课程（B = 0.311；SE = 0.132；t = 2.360；p = 0.019；CI = 0.052 至 0.570）、对人工智能的认识（B = -1.822；SE = 0.785；t = -2.320；p = 0.021；CI = - 3.366 至 -0.279）是人工智能感知得分的预测因素。结论：医疗保健专业的学生对人工智能持积极态度，并同意人工智能有助于医疗保健的各个方面。然而，学生们也对人工智能表达了一些担忧。因此，解决与道德、劳动力影响和患者隐私相关的问题对于在医疗保健领域成功实施人工智能至关重要。关键词：人工智能、医疗保健、学生、看法、意识