XiaoMi-AI文件搜索系统
World File Search System回归模型
使用韩国国家健康保险服务数据库
对他汀类药物在特发性肺纤维化（IPF）中使用他汀类药物的影响知之甚少。我们分析了国家健康保险局的数据库，以进一步研究他汀类药物对IPF患者中肺癌开发和整体Surcival（OS）的临床影响。分析包括9,182名被诊断为IPF的人，其中3,372名（36.7％）是他汀类药物使用者。与他汀类药物非用户相比，IPF诊断到肺癌开发的时间和OS的时间更长。 以COX比例危害回归模型，更高的他汀类药物的依从性，他汀类药物的使用和女性与肺癌的风险有反相关性，而IPF诊断和吸烟史的年龄较大，IPF患者的肺癌风险较高。 用于OS，他汀类药物，女性，较高的体育活动频率和糖尿病与较长的生存有关。 相比之下，IPF诊断和吸烟史的诊断年龄与IPF患者的OS较短有关。 来自大量人群的这些数据表明，他汀类药物与IPF患者的肺癌发展和凡人具有独立的保护性关联。与他汀类药物非用户相比，IPF诊断到肺癌开发的时间和OS的时间更长。以COX比例危害回归模型，更高的他汀类药物的依从性，他汀类药物的使用和女性与肺癌的风险有反相关性，而IPF诊断和吸烟史的年龄较大，IPF患者的肺癌风险较高。用于OS，他汀类药物，女性，较高的体育活动频率和糖尿病与较长的生存有关。相比之下，IPF诊断和吸烟史的诊断年龄与IPF患者的OS较短有关。来自大量人群的这些数据表明，他汀类药物与IPF患者的肺癌发展和凡人具有独立的保护性关联。
制药行业面临着智能化的挑战......
统计技术和系统AI基于生成能够处理大量数据并提取相关信息的系统和算法的思想。为此，它使用了各种统计技术和系统，其中最重要的是：•机器学习模型：一般来说，它们允许通过经验来改进某项任务，而不是明确地进行编程。使用算法和统计模型来分析和学习数据，他们可以根据数据中识别出的模式做出预测或决策。这些模型例如用于识别图像或做出个性化推荐，包括回归模型：预测连续值；分类模型：预测某个对象所属的类别或范畴；聚类模型：根据相似的对象的特征对其进行分组；神经网络模型：解决复杂问题；决策树模型：
血小板与高密度脂蛋白胆固醇比率与糖尿病和糖尿病前期风险之间的关联：2005 - 2018 年 NHANES 的最新发现
方法：本研究分析了 2005-2018 年全国健康和营养检查调查 (NHANES) 的数据。糖尿病和糖尿病前期的患病率以及 HDL-C 水平和血小板计数均来自横断面调查。PHR 通过将血小板计数除以 HDL-C 浓度计算得出，并根据既定的临床标准对糖尿病或糖尿病前期进行分类。我们使用多元逻辑回归分析来估计比值比 (OR) 和 95% CI。逻辑回归模型分为分类模型和连续模型。使用受限三次样条函数 (RCS) 和两段线性回归评估潜在的非线性关系以确定任何拐点。此外，还进行了亚组和相互作用分析以确定不同人群之间的差异。
GOMP：伽马型特征选择算法
描述伽马 - 正交匹配追踪（伽马型）是最近建议对OMP特征选择算法的修改，用于广泛的响应变量。包装提供了许多替代回归模型，例如线性，健壮，生存，多元等，包括K折叠的交叉验证。参考文献：Tsagris M.，Papadovasilakis Z.，Lakio-taki K.和Tsamardinos I.（2018）。``````''sub-sion数据的有效特征选择：要使用哪种算法？''Biorxiv。。Tsagris M.，Papadovasi Lakis Z.，Lakiotaki K.和Tsamardinos I.（2022）。``用于针对基因表达数据的功能分配的伽马型算法''。IEEE/ACM关于计算双学和生物信息学的交易19（2）：1214---1224。。
印尼经济社会基础设施对经济增长的影响分析
摘要 本研究旨在分析经济和社会基础设施对印度尼西亚经济增长的影响。本研究使用的独立变量是道路基础设施、电力基础设施、卫生基础设施和教育基础设施。数据处理采用面板数据分析，根据本研究中数据的特点，采用最佳回归模型，即固定效应模型。结果表明，经济和社会基础设施同时对经济增长产生显著影响。在印度尼西亚，部分道路基础设施、电力基础设施、卫生基础设施对经济增长有正向显著影响，而教育基础设施对经济增长有正向但不显著的影响。 关键词：道路基础设施、电力基础设施、卫生基础设施、教育基础设施、经济增长 引言
抑制TERT抑制慢性髓样白血病细胞的增殖和诱导的凋亡
分类变量表示为计数和百分比，而连续变量则为标准偏差（SD）或具有四分位间范围（第25％和第75个百分位数）的中位数表示为手段。p值，并将卡方检验应用于分类变量。使用多元逻辑回归和平滑曲线拟合探索了DR和HDL-C之间的关联，并调整了相关的临床协变量。使用递归算法确定拐点。在检测非线性时，构建了一个加权的两型逻辑回归模型。使用EmpowerStats软件（http://www.empowerstats.com）和R版本4.1.1进行统计分析。p值小于0.05被认为具有统计学意义。
在国家健康和营养检查调查中，美国贫血与糖尿病下肢溃疡之间的关联：回归
方法：从1999年至2004年对1673名国家健康和营养检查调查（NHANES）的参与者进行了回顾性横断面研究。开发了三个逻辑回归模型，以评估贫血与糖尿病下肢溃疡之间的关系。模型1针对人口统计和社会经济变量（年龄，性别，种族和种族，教育水平，家庭收入和婚姻状况）进行了调整。模型2包括其他与健康相关的因素（BMI，心血管疾病，中风，糖尿病家族史，高脂血症，酒精和吸烟状况）。模型3进一步包括临床和实验室变量（HBA1C，CRP，总胆固醇和血清铁蛋白水平）。基于年龄，性别，HBA1C水平，体重指数（BMI）和血清铁蛋白水平的分层分析。
人工智能系统不透明度的分类
可解释人工智能（XAI）研究项目旨在提供减少不透明性和使人工智能系统更易于人类理解的工具和方法。不幸的是，大多数 XAI 学者实际上是通过将一个系统与传统的人工智能系统（如线性回归模型或基于规则的系统）进行比较，将一个系统归类为或多或少不透明的，而这些系统通常被认为是透明系统的原型。在这样做的过程中，不透明度的概念仍然无法解释。为了解决这个问题，我们将不透明度视为一个概念，其含义取决于应用的环境以及用户的目的和特征。基于此，在本文中，我们区分了访问不透明度、链接不透明度和语义不透明度，从而为人工智能系统不透明度概念的分类奠定了基础。
a16.3.full.pdf
将机器学习分类器的性能与基线逻辑回归模型进行了比较。研究人群中有564名患者，其中307例LOS大于三天，而105例LOS大于7天。使用7天的阈值 - 最佳模型是随机森林，其AUC为0.785，并且正确分类为42.9％的长LOS患者。使用三天的阈值，最佳模型是多层感知器，其AUC为0.737，并且正确分类为85.7％的长LOS患者。机器学习模型的性能是可变的，并且它们没有一致超过基线模型。结论机器学习模型在预测长LOS方面的表现很差。需要进一步的工作来评估操作环境中深度学习方法的临床实用性和价值。