XiaoMi-AI文件搜索系统
World File Search System显著性
1 普通中学空间分布GIS...
摘要 我们获得了 Yola North 地方政府区域内所有初中以上的全球定位系统坐标，这些坐标用于创建显示研究区域内初中以上学校位置的数字地图。这些坐标用于确定特定单位区域内一个点到其最近邻点的距离。这些距离是使用 MATLAB 2009a 编程语言编写的计算机程序计算的。然后使用获得的距离确定这些学校的分布模式，使用最近邻分析统计工具，计算出最近邻指数 (R n ) 的值，结果为 R n =1.1124。得到的结果表明研究区域内存在随机分布模式。然后使用 Z 分布对 R n 值进行显著性检验，从获得的 Z 值可以看出，R n 值显著。使用学校的属性创建了一个数据库，并从创建的地理空间数据库中生成了不同的查询，如图 4.3 - 4.8 所示。分析表明，最近邻分析可以很好地用于确定初中以上学校和其他设施的空间分布模式，以实现有意义的发展。这项研究清楚地描述了使用最近邻分析确定初中以上学校空间分布模式的过程。这项研究揭示了学校在数字地图上的位置，R n 的值表明研究区域内存在随机分布模式。单位面积 (A) 使用的比例尺显示两所没有任何邻居的学校。建议使用最近邻分析来确定学校的空间分布模式，因为它清楚地显示了这些学校的分布情况。应该鼓励使用编程语言（尤其是 MATLAB）编写计算机程序来计算与坐标的距离。关键词：制图、全球定位系统、MATLAB、GIS。
1 普通中学空间分布GIS...
摘要 我们获得了 Yola North 地方政府区域内所有初中以上的全球定位系统坐标，这些坐标用于创建显示研究区域内初中以上学校位置的数字地图。这些坐标用于确定特定单位区域内一个点到其最近邻点的距离。这些距离是使用 MATLAB 2009a 编程语言编写的计算机程序计算的。然后使用获得的距离确定这些学校的分布模式，使用最近邻分析统计工具，计算出最近邻指数 (R n ) 的值，结果为 R n =1.1124。得到的结果表明研究区域内存在随机分布模式。然后使用 Z 分布对 R n 值进行显著性检验，从获得的 Z 值可以看出，R n 值显著。使用学校的属性创建了一个数据库，并从创建的地理空间数据库中生成了不同的查询，如图 4.3 - 4.8 所示。分析表明，最近邻分析可以很好地用于确定初中以上学校和其他设施的空间分布模式，以实现有意义的发展。这项研究清楚地描述了使用最近邻分析确定初中以上学校空间分布模式的过程。这项研究揭示了学校在数字地图上的位置，R n 的值表明研究区域内存在随机分布模式。单位面积 (A) 使用的比例尺显示两所没有任何邻居的学校。建议使用最近邻分析来确定学校的空间分布模式，因为它清楚地显示了这些学校的分布情况。应该鼓励使用编程语言（尤其是 MATLAB）编写计算机程序来计算与坐标的距离。关键词：制图、全球定位系统、MATLAB、GIS。
埃塞俄比亚东北部糖尿病患者的自我护理实践及其障碍：一项基于设施的横断面研究
通过自我护理实践预防和管理糖尿病对于减少糖尿病导致的严重并发症和死亡至关重要。有关自我护理实践流行程度的数据将帮助我们设计和实施预防和管理策略，以促进对干预措施的依从性和依从性。本研究旨在评估埃塞俄比亚东北部糖尿病患者的自我护理准备及其障碍。2021 年 3 月 10 日至 2021 年 4 月 10 日期间，在访问德布雷贝尔汉镇公共卫生机构的糖尿病患者中进行了一项基于设施的横断面研究。采用系统随机抽样技术选择了 392 个样本。数据是使用改编自《糖尿病自我护理活动措施摘要》的结构化问卷收集的。使用 Cronbach 的 alpha 检验进行可靠性分析，并且还使用 Hosmer 和 Lemeshow 检验检查模型适应度。进行了双变量和多变量二元逻辑回归以确定与饮食习惯相关的因素。对于所有统计学显著性检验，p-a 值 < 0.05 被用作截止点。受访者的平均年龄为 47.1 岁，标准差 (SD) 为 ± 13.4 岁。自我护理实践的平均依从率为 29.00 ± 10.37 SD。超过一半（218 名，61.1%）的研究对象自我护理实践不佳。在多变量逻辑回归分析中，政府工作人员（AOR = 7.06（1.61-30.9）和获得伴侣的社会支持（AOR = 5.83（3.01-11.3））与良好的自我护理实践有统计学意义。当前的研究表明，研究对象的自我护理实践总体水平较差。因此，医疗机构应提供足够的健康教育和促进活动，以提高患者的依从性。此外，应告知糖尿病患者的家人、伴侣或朋友他们在患者自我护理实践中的重要作用。
评估大学生对 2 型糖尿病的知识和风险
2 型糖尿病是全球范围内令人担忧的非传染性疾病之一，常见于 40 岁及以上的人群。最近的数据显示，青少年和年轻人中 2 型糖尿病的患病率正在上升。本研究旨在评估大学生的糖尿病相关知识，确定社会人口因素和糖尿病相关知识与糖尿病风险评分的关系，并评估糖尿病风险评分的预测因素。在马来西亚雪兰莪州一所公立大学的本科生中进行了一项横断面调查。问卷分为两部分，第一部分侧重于人口统计数据和使用改良亚洲芬兰糖尿病风险（ModAsian FIDSRISC）评分进行糖尿病风险评估，第二部分侧重于糖尿病相关知识。采用方便抽样方法，年龄≥18岁且目前正在攻读学士学位的大学生被纳入研究。无法给予同意、已被诊断患有糖尿病并且正在攻读学士学位以外其他学位的本科生被排除在外。使用了 Pearson-卡方检验和二元逻辑回归分析，显著性检验 p<0.005。共有来自不同院系的 462 名学生参与了这项研究。从学生那里获得的糖尿病相关知识平均得分为 10.99 ± 4.992，大多数知识水平为中等（53.2%）。大多数学生患糖尿病的风险较低（61.3%），只有 0.2% 的学生患糖尿病的风险较高。糖尿病风险与有糖尿病亲属（p < 0.001，OR = 0.065）和糖尿病相关知识（p = 0.029，OR = 1.074）之间存在显著关系。这项研究表明，患糖尿病风险较高的学生与良好的糖尿病相关知识有关，这可能有助于延迟预防和治疗。这些结果强调了大学课程中有针对性的教育干预对于提高年轻人（我们国家的未来一代）对糖尿病的认识的重要性。
用于 P300 解码的轻量级多尺度卷积神经网络：训练策略分析与网络决策揭示
卷积神经网络 (CNN) 可以自动从原始数据中学习特征以近似函数，这种网络越来越多地应用于脑电图 (EEG) 信号的端到端分析，尤其是用于解码脑机接口 (BCI) 中的大脑状态。尽管如此，CNN 引入了大量可训练参数，可能需要较长的训练时间，并且缺乏学习到的特征的可解释性。本研究的目的是提出一种用于 P300 解码的 CNN 设计，重点在于其在保证高性能的同时的轻量级设计、不同训练策略的影响以及使用事后技术来解释网络决策。所提出的设计名为 MS-EEGNet，以高效和优化（就可训练参数而言）的方式学习了两个不同时间尺度（即多尺度，MS）中的时间特征，并在三个 P300 数据集上进行了验证。使用不同的策略（参与者内和会话内、参与者内和跨会话、留一法、迁移学习）训练 CNN，并与几种最先进的 (SOA) 算法进行了比较。此外，分析了基线 MS-EEGNet 的变体，以评估不同超参数对性能的影响。最后，使用显着图来推导驱动 CNN 决策的相关时空特征的表示。尽管 MS-EEGNet 具有多个时间尺度，但它与测试的 SOA CNN 相比是最轻的 CNN，并且明显优于 SOA 算法。事后超参数分析证实了 MS-EEGNet 创新方面的优势。此外，MS-EEGNet 确实受益于迁移学习，尤其是使用少量训练示例，这表明所提出的方法可用于 BCI 中以准确解码 P300 事件，同时减少校准时间。从显著性图得出的表示与 P300 时空分布相匹配，进一步验证了所提出的解码方法。本研究通过专门解决轻量级设计、迁移学习和可解释性方面的问题，有助于推动基于 P300 的 BCI 深度学习算法的开发。
肠道细菌诱导红蜘蛛的异源免疫启动，包括体液和细胞免疫反应
图 1：肠道细菌促进 R. prolixus 的免疫启动，抵御细菌感染。（A）在血腔中注射 10 6 CFU 的大肠杆菌、M. luteus 或无菌盐水后，Rpro Axn、Rpro Ec 和 Rpro Rr 的存活曲线。无论使用何种细菌进行攻击，Rpro Rr 和 Rpro Ec 的存活率都明显高于 Rpro Axn（p < 0.0001，对数秩检验），而注射无菌盐水的虫子的存活率没有差异（p 0.15，对数秩检验），这表明肠道微生物的存在在昆虫防御病原体中起着至关重要的作用。当用大肠杆菌进行攻击时，Rpro Rr 和 Rpro Ec 之间的存活率存在显著差异（26.8%）（p = 0.018，对数秩检验）。 Rpro Rr 和 Rpro Ec 之间的存活率差异较小（18%），在受到 M. luteus 攻击时接近但未达到显著性（p = 0.072，对数秩检验）。用不同字母连接的线表示显著不同（p < 0.05，对数秩检验）。（B）Gnotobiotic R. prolixus 限制血腔中大肠杆菌的生长。在 1 和 5 DPI 收集的 R. prolixus 血淋巴中大肠杆菌 CFU 的箱线图。点代表单个虫子。Rpro Rr 虫在 1 和 5 DPI 时的大肠杆菌 CFU 都少于 Rpro Ec 或 Rpro Axn。Rpro Ec 在 1 和 5 DPI 时的大肠杆菌 CFU 都少于 Rpro Axn（** p < 0.002，* p < 0.05，Wilcoxon 检验）。 (C) Rpro Rr 虫的血淋巴比 Rpro Ec 虫或 Rpro Axn 虫更能抑制大肠杆菌和 M. luteus 的体外生长。***p < 0.001，Tukey 的 HSD。
高血压、血脂异常和 C 反应蛋白升高与心血管疾病和死亡率之间的关联：对美国老年人代表性队列的横断面和纵向分析
摘要 目的 高血压和血脂异常是心血管疾病 (CVD) 的已知危险因素，但它们本身往往不足以预测 CVD。炎症也会导致 CVD，但关于炎症、高血压和血脂异常与 CVD 风险同时发生的研究有限。了解炎症状态以及其他危险因素对于临床医生正确评估患者的 CVD 风险至关重要。方法 使用来自健康与退休研究的前瞻性数据，该研究是美国 50 岁以上成年人的代表性队列 (n=7895)。参与者平均年龄为 68.8 岁，54.9% 为女性。80.7% 为非西班牙裔白人，10.1% 为非西班牙裔黑人，9.2% 为西班牙裔。高血压、血脂异常和 C 反应蛋白 (CRP) 升高用于创建 CVD 风险评分：低（0-1 个因素）、中（2 个因素）或高（所有 3 个因素）。这些变量的测量和定义指南在方法部分有详细说明。加权逻辑回归模型估计了 (1) 中高危组与低危组的 CVD 患病率和发病率以及 (2) 调整协变量后的 4 年死亡率的 OR。结果横断面分析显示，高危参与者 (n=1706) 的 CVD 患病率明显高于低危参与者 (n=3107)（调整后的 OR 1.54，95% CI：（1.29 至 1.84））。中危（n=3082）参与者的 CVD 患病率更高，但这并不达到显著性。前瞻性研究显示，与低风险人群相比，中风险和高风险人群的 4 年 CVD 发病率显著升高（中风险校正 OR 1.57，95% CI（1.18 至 2.09）；高风险校正 OR 1.67，95% CI（1.19 至 2.36））。与低风险人群相比，高风险人群（OR 2.12，95% CI（1.60 至 2.8））的 4 年死亡率更高，而中风险人群的 4 年死亡率不显著升高。结论高血压、血脂异常和 CRP 升高同时发生与 CVD 患病率增加、CVD 发病率增加和
基于混合神经网络的运动想象信号分类数据增强
摘要：运动想象作为自发性脑机接口的重要范式，被广泛应用于神经康复、机器人控制等领域。近年来，研究者提出了多种基于运动想象信号的特征提取和分类方法，其中基于深度神经网络（DNN）的解码模型在运动想象信号处理领域引起了广泛关注。由于对受试者和实验环境的严格要求，收集大规模高质量的脑电图（EEG）数据非常困难，而深度学习模型的性能直接取决于数据集的大小。因此，基于DNN的MI-EEG信号解码在实践中被证明是非常具有挑战性的。基于此，我们研究了不同的数据增强（DA）方法在使用DNN对运动想象数据进行分类的性能。首先，我们使用短时傅里叶变换（STFT）将时间序列信号转换为频谱图像。然后，我们评估并比较了不同 DA 方法对该频谱图数据的性能。接下来，我们开发了一个卷积神经网络（CNN）来对 MI 信号进行分类，并比较了 DA 后的分类性能。使用 Frechet 初始距离（FID）评估生成数据（GD）的质量和分类准确率，使用平均 kappa 值探索最佳的 CNN-DA 方法。此外，使用方差分析（ANOVA）和配对 t 检验来评估结果的显著性。结果表明，深度卷积生成对抗网络（DCGAN）比传统 DA 方法：几何变换（GT）、自动编码器（AE）和变分自动编码器（VAE）提供了更好的增强性能（p < 0.01）。使用 BCI 竞赛 IV（数据集 1 和 2b）的公共数据集来验证分类性能。经过 DA 后，两个数据集的分类准确率分别提高了 17% 和 21%（p < 0.01）。此外，混合网络 CNN-DCGAN 的表现优于其他分类方法，两个数据集的平均 kappa 值分别为 0.564 和 0.677。
根据转录组学与转移性实体肿瘤患者生存期的相关性识别关键预后基因的中心网络枢纽
摘要背景：癌症中失调的通路可能对枢纽依赖。识别这些失调的网络并加以靶向可能会带来新的治疗选择。目标：考虑到中心枢纽与致死率增加相关的假设，识别中心网络中的关键枢纽靶标可能有助于开发出对晚期转移性实体瘤疗效更高的新型药物。设计：探索 WINTHER 试验（N = 101 名患有各种转移性癌症的患者）的转录组数据（22,000 种基因产物），其中肿瘤和正常器官匹配的组织均可用。方法：对转录组中的所有基因进行回顾性计算机模拟分析，以识别肿瘤和正常组织之间表达不同的基因（配对 t 检验），并使用生存分析（Cox 比例风险回归算法）确定它们与生存结果的关联。根据已识别基因的生物学相关性，然后确定中心网络内感兴趣的枢纽靶标。根据这些基因的表达水平对患者进行分组（ K 均值聚类），并检查这些组与生存期的关联（Cox 比例风险回归算法、森林图和 Kaplan-Meier 图）。结果：我们确定了四个关键的中心枢纽基因 - PLOD3、ARHGAP11A、RNF216 和 CDCA8，与类似的正常组织相比，它们在肿瘤组织中的高表达与较差的结果具有最显著的相关性。这种相关性与肿瘤或治疗类型无关。这四种基因的组合显示出最高的显著性和与较差结果的相关性：总体生存率（风险比（95% 置信区间 (CI)）= 10.5（3.43–31.9）p = 9.12E-07 在 Cox 比例风险回归模型中的对数秩检验）。在独立队列中验证了结果。结论：PLOD3、ARHGAP11A、RNF216 和 CDCA8 的表达结合起来可构成一种预后工具，与肿瘤类型和既往治疗无关。这些基因是拦截各种癌症中枢网络的潜在靶点，为新型治疗干预提供了途径。
Formatted_Abstracts 11-27 Without Embargoed.pdf
背景：PHILA 试验 (NCT03863223) 的中期分析显示，与安慰剂联合曲妥珠单抗和多西他赛 (HT) 相比，吡咯替尼 (一种针对 EGFR、HER2 和 HER4 的不可逆酪氨酸激酶抑制剂) 联合曲妥珠单抗和多西他赛 (PyroHT) 显著改善了未经治疗的 HER2 阳性 mBC 患者的 PFS (Ma 等人，BMJ，2023)。然而，当时的总生存期 (OS) 数据尚不成熟。在这里，我们展示了 PHILA 试验在额外 2 年随访后的 PFS 的预定最终分析以及长期疗效和安全性结果。方法：PHILA 研究是一项随机、双盲、多中心、3 期试验，在中国 40 个中心进行。符合条件的患者按 1:1 的比例随机分配接受口服吡咯替尼（400 mg，每日一次）或安慰剂治疗，均联合静脉注射曲妥珠单抗（第一个周期 8 mg/kg，后续周期 6 mg/kg）和多西他赛（75 mg/m2），每个 21 天周期的第 1 天给药。主要终点是研究者评估的 PFS。本次 PFS 最终分析的数据截止日期为 2024 年 4 月 30 日。结果：2019 年 5 月至 2022 年 1 月期间，590 名符合条件的患者被随机分配并接受了分配的治疗（PyroHT 组 297 名患者，HT 组 293 名患者）。PyroHT 组的中位随访时间为 35.7 个月，HT 组的中位随访时间为 34.3 个月。与 HT 组相比，PyroHT 组的研究者评估的 PFS 获益在最终分析中得以维持（22.1 个月 [95% CI 19.3–27.8] vs 10.5 个月 [95% CI 9.5–12.4]，HR 0.44 [95% CI 0.36–0.53]；单侧 P<0.0001），符合方案预先规定的统计学显著性标准。PFS