XiaoMi-AI文件搜索系统
World File Search System流行病学
流行病学的即将到来的一年-2025
即将到来的流行病学一年 - 2025年，我们很高兴介绍我们的全球流行病学，生物统计学和公共卫生活动的年度日历。一如既往，这些活动被归类为会议/会议，短课程和夏季/冬季计划。该列表是根据赞助实体的提交，历史上列出的事件以及网络搜索以发现新事件以添加到列表中的。今年，我们重点介绍了全球20个国家/地区的活动，包括创纪录的30个夏季和/或冬季计划。我们的2025日历显示，社区终于从Covid-19反弹了，今年的最终赛事正在返回。随着我们扩大了生物统计学和公共卫生覆盖范围，今年我们在列表中有200多个活动，代表2024年增长50％。当我们共同努力发掘事件时，我们常常错过一些应该添加的事件。如果您托管了您希望在我们日历的基于Web的版本中包含的事件，请在此处提交，我们将其添加到我们的在线日历中。也将确保在明年建造2026日历时我们将搜索它。夏季计划的特别注释：虽然您的活动在此处列出，但我们的2月号将集中在您的计划上，我们需要您的其他信息。请联系michele@epimonitor.net，以便我们可以更新您的程序资料。期待在2025年与您见面！Katelyn Jetelina，博士，MPH编辑和出版商Epidemiology Monitor katelyn@epimonitor.netKatelyn Jetelina，博士，MPH编辑和出版商Epidemiology Monitor katelyn@epimonitor.net
遗传和流行病学因素在神经退行性疾病的发病机理中遗传和流行病学因素n
这项研究的目的是介绍有关神经退行性疾病的性病生成的当前知识，不仅将注意力集中在神经生理学和临床方面，而且最重要的是对这些疾病所基于的遗传和基因组疾病。医学和相关科学中知识和技术进步的动态发展导致人口人口（人口老龄化）的变化。这些变化的后果之一是神经退行性疾病的发生率增加。神经退行性疾病包括阿尔茨海默氏病，帕金森氏病和亨廷顿氏病。它们属于一组疾病，其共同特征是一种病理过程，导致通过细胞凋亡或坏死导致神经细胞的丧失。神经退行性疾病的病因是多因素的，除了基因组因素的参与外，还假定基因组机制参与了其性质病变。众多神经退行性疾病的病因仍未完全理解。因此，多年来，密集研究一直在进行，重点关注此类条件的原因和过程。研究神经退行性疾病发病机理的重要方向是评估其潜在的遗传方面。许多研究还集中在非基因组因素上，强调许多研究可能会对这些疾病的过程产生重大影响。
流行病学高级统计方法 mod spec 2024-25
模块代码 2412 模块名称 流行病学高级统计方法 模块组织者 Tim Clayton 和 Kate Walker 学院 流行病学与人口健康 FHEQ 级别 7 级 学分值 CATS：15 ECTS：7.5 HECoS 代码 101031：101335 授课期限 第 3 学期 授课方式 2024-25 年，此模块将通过面对面教学模式授课。如果本模块规范中注明了特定的教学方法（讲座、研讨会、讨论小组），则将通过面对面课程授课。授课将结合现场和互动活动（同步学习）以及录制或自主学习（异步学习）。学习模式 全日制 对于 LSHTM 研究生学位学生，此模块需要完全注册（全程参与） 学习语言 英语 先决条件 流行病学统计方法是此模块的先决条件，无论是面对面授课（2402）还是远程学习（EPM202）。 专业法定和监管机构认证
机器学习和人工智能：在医疗流行病学中的应用
人工智能 (AI) 是指通常与人类智能相关的机器执行的任务。机器学习 (ML) 是人工智能的一个子类型；它指的是计算机无需直接编程即可从数据中得出结论（即学习）的能力。ML 以传统统计方法为基础，由于其改善疾病预测和患者护理的潜力，引起了医疗流行病学的极大兴趣。本综述概述了医疗流行病学中的 ML，并提供了用于支持医院护理四个阶段的医疗决策的 ML 工具的实例：分诊、诊断、治疗和出院。示例包括协助急诊科分诊的模型构建工作、预测感染性休克发作前的时间、检测社区获得性肺炎以及对 COVID-19 处置风险级别进行分类。电子健康记录 (EHR) 数据可用性和质量的提高以及计算能力的提高为 ML 提供了提高患者安全性、提高临床管理效率和降低医疗成本的机会。
中国非酒精性脂肪性肝病流行病学
脂肪肝（脂肪变性）在中国非常普遍，而且与肥胖的关系比与酗酒的关系更密切。在中国较富裕地区，非酒精性脂肪性肝病（NAFLD）的社区患病率为 15%。随着肥胖症的日益流行，NAFLD 的患病率在过去十年中大约翻了一番。其危险因素与其他种族人群相似，但值得注意的是，针对不同种族人群的中心性肥胖、肥胖和代谢综合征的定义对评估中国人更为有用。中国患者已显示出 NAFLD 的各种组织学表现，但迄今为止，肝脏严重程度通常较轻。与慢性丙型肝炎相比，脂肪变性在慢性乙型肝炎患者中不太常见；它与代谢因素有关，而非病毒因素，而且似乎不会影响疾病严重程度。尽管NAFLD在中国人群中的长期结果尚不明确，但它可能是代谢紊乱、糖尿病和心血管疾病的预测因素。因此，公共卫生干预措施应阻止或扭转中国肥胖的全国趋势，以改善肝脏和代谢健康。2008年欧洲肝脏研究协会。由Elsevier BV出版，保留所有权利。
脑肿瘤信息流行病学：全球在线健康...
健康信息学的趋势是通过搜索词“大数据”来处理互联网使用情况，大数据越来越多地被用于近似疾病流行病学、医疗保健研究、公共知识和患者健康寻求行为的实时统计数据 (1、2)。医疗保健和医学领域的大数据分析是指处理来自数千份患者记录的信息以推断可能的相关性以及使用数据挖掘技术开发预测模型 (3)。从更大范围来看，“大数据”包含以互联网等开放获取格式发布的可用信息，这些信息加起来可能多达数百万个数据点。这导致了一门名为信息流行病学 (4) 的新兴研究学科的诞生。这个术语是信息和流行病学的组合，艾森巴赫将其定义为“研究电子媒体（特别是互联网）或人群中信息分布和决定因素的科学，最终目的是为公共卫生和公共政策提供信息”(5)。根据 2019 年的一篇评论文章，Google Trends 是使用从互联网中提取的数据解决健康问题和主题的最常用工具之一 ( 2 )。Google Trends 是 Google Inc. 的一项免费公共在线功能，可分析用户的搜索查询并生成用户特定术语搜索量的地理空间和时间模式 ( 1 , 2 )。Google Trends 存在某些高估和低估的缺陷，因此需要从 Wikipedia 等免费在线百科全书服务中补充大数据 ( 4 , 6 )。互联网在塑造公众意识和神经系统医疗保健服务方面的影响开始发生范式转变 ( 7 )。关于癫痫 (8-12)、中风 (13)、多发性硬化症 (14,15)、脊髓灰质炎 (16)、脑膜炎 (17)、阿尔茨海默病 (18)、运动障碍 (19)，甚至远程康复 (20) 和远程神经病学 (21) 的信息人口学研究表明，实际发病率与患病率之间并没有实质性的联系，但初步趋势反映了越来越多的人使用互联网在线寻找有关这些神经系统疾病的健康信息。根据 2019 年的最新数据，尽管脑和脊髓肿瘤的全球发病率相对其他神经系统疾病要低，但因地区和经济状况而异，东部和中低收入国家的发病率较低 (22)。然而，根据 2020 年全球互联网使用情况的统计数据，亚洲和非洲的份额最大，分别为 55.1% 和 17.2%，其中东亚的互联网用户数量最多，为 11 亿（23、24）。此外，“癌症”是与健康相关的三大互联网搜索之一，也是患者了解其疾病的最常见信息来源（25、26）。综合起来，大数据分析在评估脑肿瘤统计数据方面理论上很有用，部分由于脑肿瘤的流行病学程度相对较低而导致的数据收集空白可以通过评估在线数据来解决。因此，我们的研究使用 Google Trends 和维基百科文章浏览量评估和解释了与脑肿瘤相关的术语的互联网搜索查询。
迪卡尔布 COVID-19 流行病学报告
14 天周期 全部 迪卡尔布 177158 177339 100.0% 58 78 34.5% 30058 13935 13955 7.9% 8 7 -12.5% 30083 11878 11896 6.7% 5 <5 NA 30034 11758 11773 6.6% 8 8 0.0% 30032 10842 10858 6.1% <5 7 NA 30038 10585 10597 6.0% <5 6 NA 30319 9103 9115 5.1% <5 5 NA 30338 7860 7868 4.4% <5 5 NA 30341 7637 7640 4.3% <5 <5 不适用 30329 7141 7146 4.0% <5 <5 不适用 30033 7083 7088 4.0% <5 <5 不适用 30084 6579 6584 3.7% 5 <5 不适用 30030 6454 6459 3.6% <5 <5 不适用 30088 6224 6233 3.5% <5 5 不适用 30087 6072 6082 3.4% <5 6 不适用 30340 5715 5717 3.2% <5 <5 不适用 30316 5629 5632 3.2% <5 <5 不适用 30345 5453 5465 3.1% <5 <5 不适用 30035 5130 5133 2.9% <5 <5 不适用 30294 4918 4922 2.8% <5 <5 不适用 30021 4354 4357 2.5% <5 <5 不适用 30317 3176 3178 1.8% <5 <5 不适用 30360 3068 3071 1.7% <5 <5 不适用 30307 2707 2710 1.5% <5 <5 不适用 30306 1684 1685 1.0% <5 <5 不适用 30346 1322 1323 0.7% <5 <5 不适用 30002 1219 1220 0.7% <5 <5 不适用 30324 1118 1118 0.6% <5 <5 不适用 30322 864 864 0.5% <5 <5 不适用 30288 848 848 0.5% <5 <5 不适用 30079 787 789 0.4% <5 <5 不适用 30350 561 561 0.3% <5 <5 不适用 30328 323 323 0.2% <5 <5 不适用 30039 190 190 0.1% <5 <5 不适用 30072 152 152 0.1% <5 <5 不适用 30094 113 114 0.1% <5 <5 不适用 30012 78 78 0.0% <5 <5 不适用30315 32 32 0.0% <5 <5 NA 未知 4566 4563 2.6% <5 <5 NA
患者指标 - 核心 - 综合癌症流行病学
CancerLandscape 将美国、欧盟和日本的试验注册中心与其他数据源相结合并加以标准化，从而按公司、肿瘤、药物和靶标提供对肿瘤试验前景的直观和详细了解。用户可以筛选详细的临床和商业变量、进行快速比较、发现趋势并评估试验时间和入组情况。通过每周更新的简单界面详细了解肿瘤学前景。Oracle Life Sciences 肿瘤学支持团队提供临床和科学支持。
流行病学高级统计方法 mod spec 2024-25
（伦敦 LSHTM 理科硕士或研究生如需咨询远程学习模块，请发送电子邮件至 distance@lshtm.ac.uk） 院系 流行病学与人口健康院系 伦敦卫生与热带医学院 http://www.lshtm.ac.uk/eph/ FHEQ 级别 7 级 学分值 CATS 15 ECTS 7.5 HECoS 代码 101335 : 101030 : 100962 授课方式 远程学习 学习方式 通过虚拟学习环境的在线材料进行定向自学 学习语言 英语 先决条件 流行病学学生必须通过 EPM101 流行病学基础和 EPM102 流行病学统计学，并且应该学习并了解 EPM103 实用流行病学、EPM105 流行病学论文写作和审阅以及 EPM202 流行病学统计方法在学习本模块之前，必须先学习流行病学。如果学生希望在同一年学习 EPM202 和 EPM304，建议他们在 EPM102 中至少取得 3 级。流行病学学生可以选择学习 CTM208 临床试验中的进一步统计方法代替 EPM304，但必须向项目主任申请批准，并且
抗 COVID-19 疫苗接受度的流行病学...
结果：在 1053 人中，58.02% (611/1053) 的参与者居住在城市，41.98% (442/1053) 的参与者居住在农村。与农村地区相比，城市地区对 COVID-19 的良好了解程度明显更高 (97.55% vs. 85.07, p < 0.000)。城市地区有意接种抗 COVID19 疫苗的受访者比例明显高于农村地区 (42.55% vs. 33.26, p = 0.0047)。相反，认为疫苗会诱发疾病而不愿接种新冠疫苗的受访者比例在农村地区明显高于城市地区（54（35.07 vs. 8.84，p < 0.0001）。农村地区抗击新冠疫情接受度的重要决定因素是教育水平（p = 0.0001）和职业（p ≤ 0.0001），而城市地区仅是职业（p = 0.0046）。