XiaoMi-AI文件搜索系统
World File Search System引文
已发表版本的引文（APA）：Popenici, S., Catalano, H., Mestic, G., & Ani-Rus, A. (2023)。人工智能系统评价
本研究基于定量和定性分析方法构建的方法论框架，遵循 Pickering 和 Byrne (2014) 提出的步骤，进行系统的文献综述和文献收集设计，重点分析人工智能 (AI) 时代高等教育的想象未来。我们的研究旨在回答以下研究问题：（1）人工智能时代高等教育的想象未来是什么？（2）哪些因素影响高等教育教学过程与人工智能之间的联系？（3）学生和教师改进数据库和开发 ChatGPT 会产生什么影响？作者探讨了人工智能在西方世界当前大学治理安排和精神背景下的影响。深入分析与人工智能系统的出现相关的一些已确定的主要挑战、机遇和风险相一致，例如技术监控或学术界对人工智能和大型语言模型（如 ChatGPT）的普遍访问，并提出了在高等教育中明智地选择和使用人工智能解决方案进行学习和教学的论据。本研究采用的分析框架还用于总结该领域研究的新方向，以恢复大学的主导地位，提高学生、学者和公众的高等教育质量。
引文
糖尿病在具有并发症的高收入和低收入国家中越来越普遍（1-3）。它可能导致微血管（肾病，视网膜病和神经病）和宏 - 血管并发症（4-6）。除了管理高血糖外，糖尿病患者还需要临床监测和评估其他危险因素，并管理并发症的潜在预测因素（6-8）。糖尿病神经病的发病率正在增加，即使撒哈拉以南非洲人的现有病例相对降低（9）。糖尿病神经病（DNP）是糖尿病最常见的并发症（10，11）。根据在拉丁美洲进行的系统审查，其患病率在2型DM和1型糖尿病中的患病率在7.0％至34.2％之间的范围为34.5％（6）。尽管大约一半的糖尿病患者无症状对于DNP，但大多数患者都会出现麻木，刺痛，疼痛和无力，导致全世界造成残疾的残疾（12-15）。它会因慢性疼痛，跌倒，肢体截肢和足部溃疡而导致的生活质量。DNP的这些表现进一步导致睡眠障碍，焦虑和抑郁（6，10，15）。糖尿病神经病是低收入和高收入国家的全球医疗保健问题（16，17）。估计每30秒在世界某个地方，由于糖尿病神经病而进行下肢截肢（18）。糖尿病神经病是全球施加社会经济负担和残疾的糖尿病并发症的迅速增长（7，19 - 21）。IT占足迹溃疡的80％，50-60％的非创伤肢体截肢（15）。糖尿病患者中糖尿病神经病的汇总患病率在全球22％至46.5％（6）范围内。在非洲和埃塞俄比亚，它分别在22-66％至52.2 - 53.6％之间，分别患有糖尿病神经病（22-24）。由于诊断迟到，筛查和诊断资源的不足，对血糖的控制不佳，健康支出不足，医疗资源短缺以及缺乏质量糖尿病护理的增加，发展中国家的糖尿病神经病的患病率和发生率很高（20，22）。在黑狮医院进行的一项研究表明，糖尿病神经病是主要的糖尿病并发症，
引文 Liu J, Fu Q, Su R, Liu R, Wu S, Li K, Wu J 和 Zhang N (2024) 非传统脂质参数与 2 型糖尿病风险的关系
非酒精性脂肪性肝病 (NAFLD) 是代谢综合征在肝脏的一种表现，其病理特征是肝脏脂肪异常大量积聚，不包括饮酒和病毒性肝炎等其他病因。在过去的几十年中，NAFLD 已迅速成为最常见的肝脏疾病，影响到世界约三分之一的人口，是肝脏相关疾病高发病率和高死亡率的主要原因，给患者带来了严重的健康问题和经济负担 ( 1 )。2 型糖尿病 (T2DM) 是一种以高血糖、高胰岛素血症和胰岛素抵抗 (IR) 为特征的代谢性疾病，影响着全球数亿人，NAFLD 与 T2DM 之间的关联已得到充分证实 ( 2 , 3 )。一项对501 022名个体进行中位随访期为5年的荟萃分析显示，NAFLD可导致罹患2型糖尿病的风险增加约2.2倍（4）。Kanwalet等的研究显示，合并2型糖尿病的NAFLD患者罹患肝细胞癌或肝硬化的风险是非糖尿病患者的2倍以上（5）。在临床诊断2型糖尿病之前，很大一部分患者存在空腹血糖或糖耐量受损，即所谓的糖尿病前期，而这种状态也被认为与NAFLD密切相关（6），有进展为2型糖尿病的潜力（7）。因此，NAFLD患者早期糖代谢管理在临床上尤为重要，但目前尚无合适指标能有效揭示NAFLD患者的糖代谢，研发一种便捷的预测异常糖代谢生物代谢物的指标已势在必行。脂质代谢异常是 NAFLD 与糖代谢异常之间的纽带，而 NAFLD 与脂质异常密切相关（8），表现为甘油三酯 (TG) 水平升高和高密度脂蛋白胆固醇 (HDL-C) 水平降低。此外，NAFLD 患者的总胆固醇 (TC) 代谢发生显著改变，表现为胆固醇合成增加和吸收减少（9），胆固醇过量积聚会导致胰腺 b 细胞
引文 Kulmambetova G, Kurentay B, Gusmaulemova A, Utupov T, Auganova D, Tarlykov P, Mamlin M, Khamzina S, Shalekenov S 和 Kozhakhmetov A (2024)
具核梭杆菌是一种存在于口腔微生物群中的革兰氏阴性厌氧杆菌，与结直肠癌有关 ( 1 , 2 )。结直肠癌是全球第三大常见癌症，也是癌症相关死亡的第二大原因。近年来，具核梭杆菌因其在结直肠癌发展中的潜在作用而备受关注 ( 3 , 4 )。多种风险因素都会影响癌症的发展，包括年龄、家族病史、遗传基因（如林奇综合征和家族性腺瘤性息肉病）、炎症性肠病个人病史（如克罗恩病或溃疡性结肠炎）、肥胖、缺乏运动、吸烟、大量饮酒、富含红肉和加工肉类而纤维含量低的饮食。研究表明，饮食模式在结直肠癌的发展中起着重要作用 ( 5 )。通过经验性饮食炎症模式 (EDIP) 评估确定的某些饮食与肠道炎症增加和 F. nucleatum 阳性结直肠癌风险增加有关 (6)。饮食引起的肠道炎症会改变肠道微生物群，促进结直肠癌的发生。大量食用红肉和加工肉类与结直肠癌风险增加有关，这可能是由于硝酸盐、亚硝酸盐和杂环胺等致癌物所致 (7)。饮食习惯和抗生素使用等环境因素也可能影响 F. nucleatum 在结肠中的行为。另一方面，肠道微生物在启动和促进结直肠癌发展中的作用也越来越被人们所了解。肠道微生物群与结直肠癌之间存在复杂的关系。最近的研究已发现溶没食子酸链球菌、产肠毒素脆弱拟杆菌、具核梭杆菌和大肠杆菌是与结直肠癌相关的潜在病原体 (8)。尽管肠道菌群因人而异，但某些细菌种类一直与结直肠癌有关。据报道，溶没食子酸链球菌是一种革兰氏阳性球菌，是 CRC 的危险因素 (9)。产肠毒素脆弱拟杆菌 (ETBF) 会产生脆弱拟杆菌毒素 (BFT)，已知会引起腹泻并导致炎症性肠病 (IBD) (10)。类似地，研究发现，与健康个体相比，肠道共生菌大肠杆菌在结直肠癌患者的结肠中定植的水平更高 ( 11 , 12 )。然而，对这些风险因素的反应可能因种族和地理位置而异，从而影响 CRC 的分布和预后。尽管具核梭杆菌是人类口腔的常见菌，但其在 CRC 患者的结直肠肿瘤和邻近组织中的丰度较高 ( 13 , 14 )。一些研究表明具核梭杆菌与 CRC 之间存在潜在联系 ( 1 , 15 )。据报道，这种细菌在临床前模型中会促进炎症、削弱免疫反应、改变肿瘤微环境、促进化疗耐药性并促进肿瘤生长和转移 ( 16 , 17 )。此外，F. nucleatum 与 CRC 患者的预后不良有关 ( 18 )。F. nucleatum 在结直肠组织中的存在引起了人们对其作为诊断标记物或
原始发表论文的引文（记录版本）：Serafin, J., Dziejarski, B., Oindo Achieng, G. et al (2025)。综合分析
在过去的二十五年中，MAX 相及其衍生物 MXenes 已成为材料研究的焦点。这些化合物无缝融合了陶瓷和金属特性，具有高导热性和电导性、机械强度、低密度和耐极端条件性。它们的多功能性使其成为各种应用的有希望的候选材料，特别是在用于氢气释放的先进光催化和电催化中。此外，MAX 相和 MXenes 是潜在的储氢材料，具有独特的结构，可为高效的氢气储存和释放提供充足的空间，这对于燃料电池等清洁能源技术至关重要。本综述旨在全面分析它们在光催化、电催化和储氢中的作用，重点关注它们的层状晶体结构。MAX 相集成了优越的金属和陶瓷属性，而 MXenes 提供可调节的电子结构，可增强催化性能。持续探索对于充分发挥其潜力、推动清洁能源技术及其他领域至关重要。
引文 Tian J, Zhou T, Liu Z, Dong Y 和 Xu H (2024) 应激性高血糖与心脏病危重患者预后不良相关
心源性休克 (CS) 是一种高度致命的疾病，是发病率和死亡率的重要原因 (1)。根据美国最近的登记数据，估计每 100,000 例住院患者中约有 408 例因 CS 引起，平均住院死亡率为 37% (2)。无论 CS 患者是否患有糖尿病，都有许多因素导致他们易患高血糖症。炎症反应引起的交感神经刺激、心输出量减少导致的组织灌注不良、应激反应增加、血管加压素给药以及获得性胰岛素抵抗都会导致这种情况下血糖异常 (3)。应激性高血糖 (SIH) 是因急性疾病住院患者的一种暂时性疾病，在疾病消退后可自行缓解 (4)。无论重症患者入院时是否患有糖尿病，SIH 都很常见，并且似乎是疾病严重程度的一个标志 (5)。此外，关于 SIH 与预后的关系也一直存在争议（6，7）。尽管此前已证实应激性高血糖对心血管疾病的预后有害，但目前尚无证据表明应激性高血糖对 CS 患者，尤其是危重患者的预后具有相关性（8）。建议使用根据平均血糖状态进行调整的应激性高血糖比值（SHR）来评估实际血糖水平。先前的一些研究提出，SHR 可作为急性高血糖状态的指标，也可作为危重患者不良结局的预后指标（9-11）。因此，本研究旨在探讨 SIH 对重症监护病房内危重 CS 患者预后的影响，希望临床医生能够警惕危重 CS 患者的应激性高血糖，并能够意识到应激性高血糖可能带来的不良或伴随影响。
引文 Neidhöfer C, Klein N, Jürüktümen A, Hattenhauer T, Mispelbaum R, Bode C, Holderried TAW, Hoerauf A 和 Parc ˇ ina M (2025) 回顾性分析
尽管在 21 世纪可以使用各种各样的抗生素，但细菌性血流感染仍然是重症监护病房和诊断实验室面临的最重大的全球挑战之一，并导致大量发病率和死亡率（Retamar 等人，2012 年；Lillie 等人，2013 年；McNamara 等人，2018 年；Timsit 等人，2020 年）。除了对一线抗生素产生耐药性的病原体数量不断增加之外，一个重大挑战是缺乏及时的诊断检查和足够的灵敏度来识别病原微生物及其易感性（Retamar 等人，2012 年；Gutie ́ rrez-Gutie ́ rrez 等人，2017 年；Timsit 等人，2020 年）。这两个方面对于显著改善血流感染的临床结果都至关重要，因为及时给予适当的抗菌治疗对于治疗脓毒症至关重要（Gutie ́ rrez-Gutie ́ rrez 等人，2017 年；Timsit 等人，2020 年；Asner 等人，2021 年）。血培养仍然是检测脓毒症患者菌血症最受认可的微生物学检测；然而，这些可能需要几天才能提供结果（Loonen 等人，2014 年）。此外，它们容易受到污染或出现假阴性结果，主要是在抗生素治疗后采集时（Hall and Lyman，2006 年；de Prost 等人，2013 年；Loonen 等人，2014 年）。因此，脓毒症患者通常采用经验性的广谱抗生素（联合用药）治疗，这显著增加了抗生素过度治疗、抗生素诱导毒性和多重耐药病原体选择的风险（Takamatsu 等人，2020 年；Bruns 和 Dohna-Schwake，2022 年）。指示宿主对感染的内源性反应的生物标志物已经被广泛使用（Xie，2012 年；Cho 和 Choi，2014 年）。然而，这种方法只能说明感染的存在，而不能说明传染源。关于后者，已经开发了各种新技术来改进或补充传统方法，以便更早地识别血流感染（Liesenfeld 等人，2014 年，B）。全血样本循环 cfDNA（游离 DNA）的下一代测序最近已在临床上用于败血症诊断（Grumaz 等人，2016 年；Long 等人，2016 年；Grumaz 等人，2020 年）。虽然这种方法有可能为传统诊断提供有价值的补充输入，但其影响仍有待确定。从 2020 年开始，德国几家公共健康保险开始覆盖 Noscendo GmbH（德国杜伊斯堡）开发的基于 cfDNA 的病原体检测方法 DISQVER。重症监护医生和
引文 Abouzed M, Salama B, Gabr A, Elag KA, Soliman M, Elsaadouni N 和 Elzahab NA (2024) 智能技术使用对个人睡眠质量的影响
自闭症谱系障碍 (ASD) 是一种神经发育疾病，其特征是持续存在社交沟通和互动障碍，以及行为、兴趣或活动模式受限且重复 (1)。ASD 患者面临的常见并发问题之一是睡眠障碍，表现为入睡困难、夜间频繁醒来和睡眠质量差 (2,3)。ASD 患者的睡眠问题与一系列负面后果有关，包括核心自闭症症状加剧、白天功能受损以及患者及其家人的生活质量下降 (4,5)。近年来，智能手机、平板电脑和电脑等智能技术的普及在日常生活中越来越普遍，包括 ASD 患者。虽然这些设备可以提供教育和娱乐价值，但人们担心它们的使用可能会影响睡眠质量，尤其是蓝光发射和刺激内容 (6-8)。初步研究表明，睡前过度看屏幕和接触蓝光可能会扰乱自然的睡眠-觉醒周期和褪黑激素的产生，导致入睡困难和睡眠片段化（9-11）。我们可以通过时间生物学和认知行为框架的视角来理解智能技术对睡眠质量的影响。根据时间生物学理论，接触电子设备屏幕发出的蓝光会阻碍褪黑激素的分泌，扰乱调节睡眠-觉醒周期的昼夜节律（9）。褪黑激素是由松果体产生的一种激素，在启动睡眠和确保睡眠质量方面起着至关重要的作用。接触蓝光，尤其是在晚上，会延缓褪黑激素水平的上升，使入睡变得更加困难（11-17）。此外，失眠的认知行为模型 (18) 表明，睡前从事刺激或唤醒活动（如玩游戏或浏览社交媒体内容）可增强认知和生理唤醒，从而使入睡更加困难。该模型提出，失眠症患者会形成与睡眠相关的不良习惯和思维模式，从而使睡眠障碍持续存在 (19)。对于患有自闭症谱系障碍 (ASD) 的人来说，智能科技对睡眠质量的影响可能尤其显著。许多 ASD 患者在感觉处理方面面临挑战 (20)，这可能使他们对蓝光和电子内容的刺激作用更加敏感。此外，当科技扰乱睡前常规时，ASD 的核心症状（如过渡困难和坚持常规）可能会加剧 (2)。事实上，初步研究表明，自闭症儿童和青少年的屏幕时间增加与睡眠质量较差之间存在关联（12、13）。尽管自闭症患者的睡眠障碍患病率很高，且影响深远，但关于智能技术对这一人群睡眠质量的具体作用的研究却很少。虽然有少数研究发现了儿童屏幕时间增加与睡眠质量较差之间的关联，但
引文 Sendilraj V、Pilcher W、Choi D、Bhasin A、Bhadada A、Bhadadaa SK 和 Bhasin M (2024) DFUCare：糖尿病足溃疡深度学习平台
糖尿病足溃疡 (DFU) 是影响糖尿病患者的一种严重并发症，超过一半的 DFU 都有感染风险。在这些感染中，约 20% 需要截肢 (1、2)。这是一个值得关注的重要问题，因为因 DFU 而截肢的患者的死亡率很高，预计超过一半的患者会在五年内死亡 (3)。此外，治疗和管理 DFU 及其并发症的经济负担超过了五大癌症，仅在美国，每年的费用就超过 110 亿美元 (4)。随着糖尿病 (DM) 患病率的持续上升，DFU 预计将成为全球卫生系统的更大负担，并且可能是最昂贵的糖尿病并发症之一 (5)。尽管在确定 DFU 治疗的新疗法方面取得了显着进步，但对 DFU 的根本病因和管理的早期诊断仍然具有挑战性。 DFU 愈合受损是一种复杂的发病机制，由多种因素引起，包括糖尿病足部感染、伤口缺血、免疫系统衰竭和血糖控制不佳（6-8）。DFU 管理需要在多个时间点评估感染和缺血情况以便更好地管理，但由于其侵入性，目前这种方法受到限制。由于农村地区无法接触到 DFU 伤口中心和临床专家，这个问题更加严重。因此，临床对用于分析伤口感染和缺血检测的非侵入性工具的需求尚未得到满足，这两个关键因素是伤口愈合受损。近年来，深度学习算法在疾病的检测和诊断方面表现出巨大的潜力，特别是在医学成像、放射学和病理学方面（9-11）。这导致了深度学习图像分析作为一种辅助工具的出现，它支持临床医生进行决策，提高疾病诊断和治疗的效率和准确性（12）。深度学习在糖尿病足溃疡的分类和定位方面也显示出了良好的效果。它在缺血和感染分类方面取得了很高的准确率，分别为 87.5% 至 95.4% 和 73% 至 93.5%（13-16）。此外，研究人员在糖尿病足溃疡定位方面也取得了重大进展，平均精度 (mAP) 值在 0.5782 至 0.6940 之间，F1 分数在 0.6612 至 0.7434 之间（17、18）。尽管取得了这些进展，但其中许多工具仍处于开发的早期阶段，缺乏预测感染、缺血和其他对糖尿病足溃疡伤口管理至关重要的身体特征的自动分析能力。此外，目前的伤口分析平台依赖于专有硬件附件，例如热扫描仪（例如 Pod Metrics 的 SmartMat）、使用结构光或激光的 3D 扫描仪（例如 Ekare.ai 的 Insight 3D 和 Swift Medical 的 Ray 1），和光学相干断层扫描 (OCT) 用于可视化和量化与糖尿病足溃疡形成相关的微血管结构 ( 19 , 20 )。这些专门附件的需求可能会限制普通人群获得糖尿病足溃疡治疗的机会。为了解决这些限制，开发一种非侵入性和自动化的工具至关重要，即使在资源有限的地区，也可以全面分析伤口组织。本研究旨在
引文 Khalid S, Bashir S, Mehboob R, Anwar T, Ali M, Hashim M, Waseem H 和 Basharat S (2024) 补充镁和钾对
糖尿病是一种代谢紊乱，以血液中葡萄糖水平持续升高而闻名。它是影响全球个人的代谢紊乱之一 ( 1 )。当胰腺 β 细胞因体内胰岛素不敏感而无法分泌任何或极少的胰岛素时，可能会发生糖尿病。众所周知，糖尿病有三种类型，即 1 型糖尿病、2 型糖尿病和妊娠期糖尿病。除了这三种类型外，还有另外两种罕见的糖尿病类型：继发性糖尿病和单基因糖尿病 ( 2 )。1 型糖尿病通常是由于遗传性疾病、自身免疫功能障碍或毒素和病毒感染等环境因素引起的。它在儿童和年轻人中发病率很高，但它可能发生在任何年龄。最常见的糖尿病类型是 2 型。90% 的糖尿病患者患有这种疾病 ( 3 , 4 )。根据国际糖尿病基金会 (IDF) 的数据，全世界有 81% 的人未确诊患有糖尿病，而发展中国家的糖尿病负担更大，这些国家的糖尿病人口占总人口的 75% ( 5 )。由于多种医学影响和相关问题，糖尿病患者的生活水平较低 ( 6 )。这些人的睡眠条件更差，这并不出人意料。由于生理失衡和相关睡眠问题，糖尿病患者可能难以入睡和保持清醒 ( 7 )。睡眠是身心自然的习惯状态。睡眠与意识污染、感觉活动改变或减少、肌肉运动减弱、所有随意肌沉默以及与周围环境互动减少有关。地球上所有生物，包括动物、昆虫、人类等，都表现出睡眠这种共同行为 ( 8 , 9 )。全世界大约有 15% 到 20% 的人患有慢性失眠症，表现为失眠持续 1 个月以上，除此之外，另有三分之一的人口患有短暂性失眠症 (10)。睡眠困难和睡眠质量差会加重糖尿病症状。多项研究发现，糖尿病患者睡眠质量差与失眠发作的时间长短有直接关系 (11)。镁是人体内含量第四丰富的阳离子，也是细胞内含量第二丰富的阳离子。镁能够诱导深度睡眠，也能起到肌肉松弛剂的作用。生活方式导致昼夜节律不规律，从而导致镁从体内排出，造成镁缺乏 (12)。2 型糖尿病患者通常会出现镁状态改变。研究表明，2 型糖尿病患者缺镁的几率更高，尤其是那些血糖控制不佳的患者，患病时间较长，并存在慢性微血管和大血管问题（13）。钾是细胞内最丰富的阳离子，在神经和肌肉组织的细胞功能中起着重要作用。临床实践中经常观察到钾缺乏或运动障碍。电解质异常，尤其是低钾血症和高钾血症，是