XiaoMi-AI文件搜索系统
World File Search System回归分析
用JAK抑制剂治疗的韩国风湿关节炎患者的疱疹带状疱疹的危险因素：一种嵌套的病例 - 对照研究
抽象目标是确定接受Janus激酶抑制剂（Jakis）的类风湿关节炎（RA）患者的疱疹带状疱疹（Hz）的风险。方法，我们使用单一中心的前瞻性人群进行了1:10的性别和年龄匹配的嵌套病例对照研究。然后，我们进行了有条件的逻辑回归分析，以确定与生物疾病改良的抗疾病药物（BDMARD）使用相比，与Jaki使用相关的风险，并针对各种因素进行了调整。我们还使用逻辑回归分析来识别Jaki用户中Hz开发的其他风险因素。选择了总共1147例患者，61例和610例匹配对照的结果。在调整其他因素后，在条件逻辑回归分析中，Jaki的使用并没有增加Hz开发的风险（或1.35，95％CI 0.70至2.61）。相反，RA的持续时间少于10年（OR 0.54，95％CI 0.30至0.97），并且先前有三种或更多的靶向疗法（或5.29，95％CI 1.45至19.31）是Hz的危险因素。在Jaki使用者中，较高的疾病活动得分28千万粒沉积率（DAS28-ESR）（OR 1.44，95％CI 1.06至1.97）被确定为三种或多种先前的靶向疗法（OR 10.12，95％CI 1.92至53.49）。结论在现实环境中，韩国RA患者的Hz发育率是先前的靶向疗法的数量，但没有使用Jaki使用。高疾病活动是Jaki使用者的额外危险因素。
线粒体DNA异质分析中国患者
结果：mtDNA异质变体的分布显示非编码区域中杂质变体的数量最高，而COX3基因在蛋白质编码基因中的数量最高。比较蛋白质编码基因中杂质和同质非同源性变体数量的比较表明，KC病例和对照组之间没有显着差异（所有P> 0.05）。此外，在所有受试者中，异质变体的数量与年龄呈正相关（r = 0.085，p = 0.037）。逻辑回归分析表明，M.16180_ 16181DELAA的异质水平与KC相关（p <0.005）。线性回归分析表明，M.16180_16181DELAA和M.302A> c的异质水平与最薄的角膜厚度（TCT），陡峭的角膜法（TCT），陡峭的角膜法（ks）和浮动量（kf）（kf）（kf）（kf）（kf）（kf）分开kc和对照。
接受 JAK 抑制剂治疗的韩国类风湿关节炎患者带状疱疹的危险因素：一项嵌套病例对照研究
摘要 目的 确定接受 Janus 激酶抑制剂 (JAKis) 治疗的韩国类风湿关节炎 (RA) 患者罹患带状疱疹 (HZ) 的风险。方法 我们使用韩国单中心前瞻性队列中的接受靶向治疗的 RA 患者进行了一项嵌套病例对照研究，性别和年龄匹配率为 1:10。然后，我们进行了条件逻辑回归分析，以确定与使用生物制剂抗风湿药 (bDMARD) 相比，使用 JAKi 的风险，并调整了各种因素。我们还使用逻辑回归分析来确定 JAKi 使用者患上 HZ 的其他风险因素。结果 从总共 1147 名患者中，选出了 61 名病例和 610 名匹配的对照。在条件逻辑回归分析中，调整其他因素后，使用 JAKi 不会增加患 HZ 的风险（OR 1.35，95% CI 0.70 至 2.61）。相反，RA 持续时间少于 10 年（OR 0.54，95% CI 0.30 至 0.97）和曾接受过 3 次或以上靶向治疗（OR 5.29，95% CI 1.45 至 19.31）是 HZ 的危险因素。在 JAKi 使用者中，除了接受过 3 次或以上靶向治疗（OR 10.12，95% CI 1.92 至 53.49）之外，较高的疾病活动性评分 28-红细胞沉降率 (DAS28-ESR) (OR 1.44，95% CI 1.06 至 1.97) 也被确定为一个危险因素。结论 在现实世界中，曾接受过的靶向治疗次数，而不是 JAKi 使用次数，被确定为韩国 RA 患者发生 HZ 的风险因素。高疾病活动性是 JAKi 使用者的另一个风险因素。
DWD WDIS 证据计划 2024 年 7 月至 2025 年 6 月
主要组成部分是评估，更具体地说是纵向数据分析，以研究培训服务与就业结果之间的关系，控制人口统计和就业影响因素。评估人员将使用回归分析（如分层逻辑回归分析或类似分析）提取和分析数据，以衡量关系的强度。培训服务的三个特定兴趣领域是职业道路、基于工作的学习和证书获得。群组 1：2019 年 4 月至 2020 年 3 月退出的成年人接受的服务。群组 2：2022 年 1 月至 2022 年 12 月退出的成年人接受的服务。以及从 PROMISE 分析中吸取的教训的信息。在初步分析中，内部和外部研究人员分析了一个数据子集，其中包括残疾青少年，特别是领取补充保障收入 (SSI) 的青少年及其父母。回归分析旨在确定预测更高就业率和更高工资的人口、服务和培训因素。结果发表在《康复顾问和教育者杂志》(RCEJ) 上。这篇题为“人口统计和劳动力创新机会法案 (WIOA) 就业和培训服务对青少年就业结果的影响”的文章专门模拟了由劳动力创新机会法案 (WIOA) 资助的就业和培训服务对残疾青少年及其家庭的影响。本文强调了以就业为重点的协调服务在提高面临独特挑战的青年和家庭的就业结果方面发挥的关键作用，并强调了 WIOA 标题（I、III 和 IV）和合作伙伴（青年学徒）计划的共同注册如何与提高就业率和工资相关。
人工智能和数据科学-IIT孟买
在本课程中，您将通过图和摘要措施来学习基本的统计概念，在数据分析和解释方面发展技能，理解概率，概率分布，估计，假设的测试，基础矩阵理论和回归分析。您还将获得将这些概念应用于实际应用和统计发现的经验。
映射定量性状基因座
摘要现在可以使用完整的遗传连锁图来定位染色体区域上的主要定量性状基因座（QTL）。QTL映射的当前方法（例如，一次使用一对或两对侧翼标记时进行映射的间隔映射）可能会受到其他链接的QTL对染色体的影响，因为遗传背景不受控制。结果，QTL的映射可能是偏差的，并且映射的分辨率不是很高。理想情况下，当我们测试QTL标记间隔时，我们希望我们的测试统计量独立于染色体其他区域可能的QTL的影响，以便可以将QTL的效果分开。可以通过使用一对标记来定位测试位置，同时使用其他标记来通过多个回归分析来控制遗传背景。理论是在本文中开发的，旨在通过多元回归分析探讨条件测试的概念。研究了有关QTL图的多种回归分析的各种概述。理论分析表明，构建用于映射QTL的测试程序是有利的，并且这种测试可能会大大提高QTL映射的精度。
埃塞俄比亚西南部托查地区麻疹疫情调查：一项无与伦比的病例对照研究
方法：我们在 2023 年 4 月至 5 月期间进行了 1:2 不匹配病例对照研究。我们对在线列表中注册的所有 147 个病例进行了描述性分析。我们总共使用了 74 个随机选择的病例和 147 个对照作为病例对照部分。托恰区任何经实验室确认的麻疹 IgM 抗体的人；或任何与 2023 年 3 月 23 日至 4 月 26 日确诊的麻疹病例有流行病学关联的疑似人员均被纳入病例。不符合此标准病例定义的社区被纳入对照。使用部署在 Kobo Collect 上的标准化问卷收集数据。使用 Epi info 版本 7.2.5.0 进行描述性分析。分析使用社会科学统计软件包 (SPSS) 版本 26 进行。使用二元逻辑回归分析来选择候选变量。我们进行了多元逻辑回归分析，以确定 p 值 ≤ 0.05 且置信区间为 95% 的麻疹感染决定因素。
对刻板印象脆弱性的认知... - CORE
I. 变量的均值、偏度和峰度………...………………………………………………....37 II. 参与者的人口统计特征………………………………………………………………....39 III. 主要变量的相关性总结………………………………………………………………41 IV. 层次回归分析总结……………………………………………………………………..42 V. 刻板印象脆弱性、校园氛围和归属感之间的性别差异的 MANOVA 总结…………………………………………………………………………………..43
慢性阻塞性肺疾病：恶化和死亡率
背景：慢性阻塞性肺疾病（COPD）是发病率和死亡率的主要原因。COPD与全身性炎症有关，合并症很常见。一个特征是急性加重（AECOPDS），即症状恶化的发作。AECOPD与死亡率的增加有关。目的：寻找COPD死亡率和AECOPD的预后风险因素，重点是合并症和炎症生物标志物。方法：在论文I中，合并症，药理治疗和死亡率之间的关联在现实世界中的近18,000名初级保健COPD患者中进行了分析。通过COX比例危害回归分析了医疗记录和国家记录的数据。论文II – IV是基于识别出从三个瑞典地区初级和二级护理中招募的572名COPD患者的病毒（TIE）研究的工具。参与者被邀请参加三年的访问，包括静脉切开术，肺活量测定法和健康问卷。在第二篇论文中，用混合效应的逻辑回归分析了血液中性粒细胞与淋巴细胞比（NLR）和嗜酸性粒细胞（B- EOS）预测AECOPD的能力。在论文III中，用顺序的逻辑回归分析了C反应蛋白（CRP），纤维蛋白原，血清细胞（B-LEU）和四个血细胞指数预测AECOPDS的能力。在论文IV中，研究了一种用于预测死亡率的临床表型算法。结果：几种合并症，包括心脏病，与死亡率增加有关。用COX比例危害回归分析了该算法预测AECOPD和死亡率的能力；此外，分析了有关血液基炎性生物标志物差异的鉴定表型。一些药理治疗与死亡率升高或降低有关（论文I）。nlr，B-EOS，CRP，纤维蛋白原和B-Leu（Papers II – III）预测混杂因子调整后的AECOPD，而其他血细胞指数的价值有限（论文III）。临床表型算法预测了AECOPD和死亡率，并且表型具有不同的炎症生物标志物模式（论文IV）。结论：合并症，尤其是心脏病是COPD死亡率的实质性风险因素，应该是COPD患者管理不可或缺的一部分。nlr，b- EOS，CRP，纤维蛋白原和B-Leu是AECOPDS的独立预测指标，应进一步研究为例如风险预测工具的一部分。先前开发的用于临床表型的算法预测死亡率和AECOPD。