XiaoMi-AI文件搜索系统
World File Search System探索性
在药物开发过程中探索性筛查的挑战和工具：更新的评论
摘要：利什曼尼亚人是由原生动物寄生虫Leishmania spp感染引起的一组媒介传播疾病。其中一些，例如地中海内脏利什曼病，是人畜共患病疾病，该疾病是通过毒性昆虫从脊椎动物传播到脊椎动物的，是沙质的。由于在全球90多个国家中有一个流行，因此这个复杂而重大的健康问题取决于所涉及的寄生虫物种不同，内脏形式是最令人担忧的，因为未经治疗时会致命。尽管如此，目前可用的抗精神经会疗法非常有限（低效率，毒性，不良副作用，耐药性，治疗时间和成本），因此迫切需要发现具有抗精性活动的新化合物，这是理想情况下是廉价的，并且具有少量副作用和新型副作用和新型动作。因此，最近在许多有趣的抗精神病药开发计划中采用了各种强大的方法。这篇评论的目的是关注开发潜在药物的第一步，并确定目前用于筛查体外命中率化合物的探索方法和所涉及的挑战，尤其是在协调不同研究团队进行的工作结果方面。本综述还旨在确定在药物开发过程中更广泛使用的创新筛查工具和方法。
Alex Gabriel、Rima Oulhaj、Laurent Dupont。开源点对点能源交易方法的探索性实施。第 27 届 ICE/IEEE 国际
二十多年来，控制电力行业的温室气体排放一直是欧盟 (EU) 关注的重点。气候变化限制了该行业大规模引入可再生能源。这些新能源主要是间歇性和局部性的。它给电网管理带来了额外的挑战。能源行业数字化的解决方案之一是部署智能电网。数字工具与电力公用事业的结合促成了新参与者和商业模式的出现，这些参与者和商业模式从经济上评估了减少温室气体排放和能源消耗的每一项贡献。十年来，欧盟各地的公司之间建立了一个新的能源市场，以促进商业竞争，并简化新型分布式发电的引入。2015 年，欧盟提倡自用 [1]，而 2019 年，一项新指令审查了内部电力市场的标准规则 [2]。
2型糖尿病患者随访期间的专业间通信：一项探索性研究
摘要。对2型糖尿病（T2DM）患者的随访涉及几名医疗保健专业人员。他们的交流质量对于优化护理至关重要。这项探索性工作旨在表征这些沟通及其问题。对全科医生（GP），患者和其他专业人员进行了访谈。数据分析，结果是通过人地图构建的。我们进行了25次访谈。GP，患者，护士，社区药剂师，医学专家和糖尿病学家是T2DM患者随访的主要参与者。发现了三个沟通问题：到达医院糖尿病学家的困难，接受报告的延迟以及患者传播信息的困难。根据工具，护理途径和新角色讨论了结果，以支持T2DM患者随访期间的通信。
2型糖尿病患者随访期间的专业间通信：一项探索性研究
摘要。对2型糖尿病（T2DM）患者的随访涉及几名医疗保健专业人员。他们的交流质量对于优化护理至关重要。这项探索性工作旨在表征这些沟通及其问题。对全科医生（GP），患者和其他专业人员进行了访谈。数据分析，结果是通过人地图构建的。我们进行了25次访谈。GP，患者，护士，社区药剂师，医学专家和糖尿病学家是T2DM患者随访的主要参与者。发现了三个沟通问题：到达医院糖尿病学家的困难，接受报告的延迟以及患者传播信息的困难。根据工具，护理途径和新角色讨论了结果，以支持T2DM患者随访期间的通信。
2022年ESTS成员资格探索性调查的结果涉及机器人辅助手术的当前趋势及其训练观点
心脏外科手术室，心胸外科系，圣乔治大学医院NHS基金会信托基金会，伦敦，英国B伦敦，B胸外科司，波塔德·希罗大学医院，西班牙Majadahonda，西班牙Majadahonda，胸外科，西班牙胸腔手术部，圣詹姆斯大学医院，索尔纳克斯医院，塞鲁克斯医学院，塞鲁奇，塞图尔，塞图尔，塞鲁希尔，塞鲁希尔郡。 Sciences, University of Bologna Medical School, Bologna, Italy f Division of Thoracic Surgery unit, IRCCS Azienda Ospedaliero-Universitaria, University of Bologna Medical School, Bologna, Italy g Division of Thoracic Surgery, University Hospital Leuven, Leuven, Belgium h Division of Thoracic Surgery, Biruni University School of Medicine, Istanbul, Turkey i Division of Thoracic Surgery, Insita vita e Salute San Raffaele大学，意大利米兰，J Cardiothoracic系，Rouen University Hospital，Inserm U1096，Univrouen，Normandy，Normandy，France K胸科外科司法院，都灵大学，多利诺里诺大学，意大利，意大利，心胸外科，詹姆斯·库克大学医院，詹姆斯·库克大学医院
REALSoCoc 任务的探索性研究
尽管先前的研究表明一些社会认知的组成过程在正常衰老过程中会下降，但我们仍可以指出一些方法上的局限性。传统的社会认知任务分别评估各个过程，缺乏生态效度。在本研究中，主要目的是提出一种正常衰老中的综合社会认知评估，使用在非沉浸式虚拟现实中开发的原始计算机任务。45 名年轻人 (YA) 和 50 名老年人 (OA) 被要求在模拟城市环境中导航并判断他们遇到的几种情况。这些情况通过展示控制或（传统/道德）违法行为来调查社会规范。在每种情况之后，都会向参与者询问几个问题，以评估他们做出道德判断的能力、情感和认知心理理论、情绪反应和同理心，以及以社会适当或不适当方式行事的倾向。主要结果表明：(i) 随着年龄的增长，检测道德和传统违法行为的能力得以保留；(ii) 参与者的认知 ToM 能力得以保留； (iii) 情感理论与年龄相关衰退，当受害者年老时这种衰退就会消失；(iv) 正常衰老时情绪反应和情感共情会保留；(v) 正常衰老时不恰当的行为意图会增加。这项新任务提供了更自然的条件，是一种有趣的社会认知功能综合测量方法，可以更好地反映日常生活中的社会行为。
呼吁探索性研究项目，主题学校和早期研究人员迁移WP 5。通过Auror提高研究质量
1 Aurora 2030完整成员：冰岛大学，阿姆斯特丹Vrija大学，杜伊斯堡大学，杜伊斯堡大学，罗维拉大学和维吉利大学，巴黎大学 - 巴黎大学 - 帕里斯 - 帕尔基果尼佛罗里西亚大学，帕尔卡尼佛罗里西斯大学，哥伦比亚大学学校，哥伦斯语学校，大学，哥伦比亚大学商务学校那不勒斯的Federico II。2 Aurora相关成员：副合伙人PavolJozefšafárik大学位于Košice，V。N. Karazin Kharkiv国立大学，Tetov大学，西南大学Neofit Rilski。全球合作伙伴是明尼苏达大学。
前瞻性盲法评估 Thermalytix（一种人工智能增强型乳腺热成像软件）与放射科医生解释的乳房 X 光检查结果的相关性：赞比亚一项探索性研究的结果
背景：虽然乳房 X 线摄影通常用于乳腺癌检测，但在资源受限的国家广泛实施这一技术具有挑战性。基于人工智能的 Thermalytix 是一种低成本、便携、无辐射的自动化测试，可用于检测所有年龄段的女性乳腺癌。尽管在印度使用，但 Thermalytix 的有效性尚未在非洲人群中进行过测试。目标：在赞比亚三级护理人群中评估 Thermalytix 输出与放射科医生报告的乳房 X 线摄影的一致性和相关系数。方法：2023 年 10 月，卢萨卡 Maina Soko 军事医院对 169 名女性进行了 Thermalytix 和标准乳房 X 线摄影评估。Thermalytix 使用先进的机器学习算法来解释乳房热扫描并生成一个定量分数，表明恶性肿瘤的可能性。所有女性都接受了这两项测试，结果都是盲测的。随后计算了 Thermalytix 输出与放射科医生解释的乳房 X 线摄影的 BIRAD 评分之间的 Spearman 相关系数和一致性水平。结果：本报告分析了 144 名数据完整的女性，平均年龄为 50 岁（53.5% 为绝经后，65.3% 为无症状）。6 名女性被评估为乳房 X 线摄影阳性，138 名被评估为乳房 X 线摄影阴性；其中，使用 Spearman 等级相关检验，Thermalytix 与乳房 X 线摄影之间的相关性为 0.9 [非常强]，使用美国 FDA 推荐的一致性检验，阳性一致性为 83.3%。结论：Thermalytix 在之前的临床试验中表现出与乳房 X 线摄影非常强的相关性和一致性水平，以及良好的敏感性、特异性和阴性预测值，有潜力成为赞比亚乳腺癌早期检测的另一种工具。
探索性研究
在提供可能的适应性优势的意义上，从非编码DNA从非编码DNA中脱颖而出可能对细胞生理产生负面影响。在这里，我们采用了两种方法来研究人类细胞系中缺乏人类基因组同源物的随机序列和小鼠从头基因。我们表明，这两种AP都会导致细胞克隆的不同生长效应，取决于它们表达的序列。对于随机序列，在关节生长实验中，53％的克隆频率下降，频率增加约8％。降低了，频率增加了3个。单独分析时，每只小鼠基因基因都会触发人类细胞中独特的转录组反应，这主要指示特定的效应，而不是普遍的效应。从头基因开放式阅读框（ORF）的结构分析揭示了一系列内在的疾病得分和/或可折叠性在alpha-helices或beta板上，但这些范围与它们对细胞生长的影响无关。我们的结果表明，从头进化的ORF可以很容易地整合到细胞调节途径中，因为大多数与这些途径的组件相互作用，因此，如果一般条件允许，则可以直接受到正选择。
以数据为中心的绿色人工智能：一项探索性实证研究
摘要 — 随着大规模数据集的日益普及，以及经济实惠的存储和计算能力的普及，人工智能所消耗的能源正成为一个日益令人担忧的问题。为了解决这个问题，近年来，研究集中于展示如何通过调整模型训练策略来提高人工智能的能源效率。然而，对数据集的修改如何影响人工智能的能耗仍然是一个悬而未决的问题。为了填补这一空白，在这项探索性研究中，我们评估了是否可以利用以数据为中心的方法来提高人工智能的能源效率。为了实现我们的目标，我们进行了一项实证实验，通过考虑 6 种不同的人工智能算法、一个包含 5,574 个数据点的数据集和两个数据集修改（数据点数量和特征数量）来执行。我们的结果表明，通过专门对数据集进行修改，可以大幅降低能耗（高达 92.16%），而这通常以准确度几乎不会下降甚至不会下降为代价。作为额外的介绍性结果，我们展示了如何通过专门改变所使用的算法，实现高达两个数量级的节能。总之，这项探索性调查从经验上证明了应用以数据为中心的技术对提高人工智能能源效率的重要性。我们的研究结果呼吁制定以数据为中心的技术为重点的研究议程，以进一步实现绿色人工智能的民主化。索引术语 — 能源效率、人工智能、绿色人工智能、以数据为中心、实证实验