摘要 背景/目的:9 价 (9v) 人乳头瘤病毒 (HPV) 疫苗于 2022 年 12 月在土耳其实施,刚刚开始应用。该疫苗旨在预防由人乳头瘤病毒 (HPV) 6、11、16、18、31、33、45、52 和 58 型引起的疾病。可以通过医生和卫生工作者的努力、社交媒体和其他沟通渠道提高土耳其对疫苗的认识。 方法:为了指导有关疫苗的提高认识工作,我们要求在 2023 年初申请 HPV 疫苗的患者回答一份问卷。准备该调查是为了反映申请 4v 和 9v HPV 疫苗的患者的疫苗相关意识水平。 结果:值得注意的是,申请疫苗的患者的月收入低于全国平均水平。对疫苗有效性的怀疑和对其副作用的焦虑程度仍然很高。不到一半的申请接种疫苗的人接受了妇科检查和定期的巴氏涂片检查。患者大多不知道有针对 HPV 的不同疫苗,9v HPV 疫苗比 4v HPV 疫苗提供更好的保护,并且每个人,无论男女,都可以接种疫苗并受益于 HPV 疫苗。结论:我们的研究结果揭示了提高整个土耳其疫苗意识水平所涉及的社会方面。总体而言,人们仍然对 HPV 疫苗接种存在疑虑和担忧,他们显然担心副作用。医生在提供临床咨询时可以考虑这些担忧,以抑制疾病的传播。关键词:疫苗接种、人乳头瘤病毒、意识
视觉和媒体人类学杂志,第1卷。6号1,2021,pp。2-8由人文部门MA计划在视觉和媒体人类学中发表,柏林,德国社交媒体行动主义和网络欲望。政治和基层和土著网络的表现。介绍。urte undinefrömming,丹尼尔·伍德(Daniel Wood)关键字:社交媒体行动主义;数字人类学;社交网络;网络欲望;政治人类学;在线研究;算法;非政府土著行动主义; 《视觉和媒体人类学杂志》的第六卷介绍了几篇书面文章和短片,这些文章和短片探讨了社交媒体行动主义和欲望的主题,如数字平台所介绍的那样。这个2021年版给我们的撰稿人和编辑带来了特别的挑战,因为这两部旨在出版的电影受到了审查。一部电影是出于政治原因进行了审查,并被电影制片人的祖国政府击倒,然后才能发行。另一个被标记并被YouTube算法删除,以备怀疑虚假信息。不幸的是,到目前为止,我们无法在这一卷中包括任何一部电影。由于对电影制片人的政治威胁,这部电影无法出版,他生活在媒体受到严格监视和控制的环境中。,即使电影制片人通过免责声明进行了修订,该项目澄清了该项目对COVID-19的错误信息进行了严格的研究,但第二部电影被反复从YouTube中删除。与第一部电影不同,后来是由私人算法审查的,而不是一个州,因此我们仍然可以参考电影并在本文中工作,而不会危及电影制片人的安全。
背景:同理心是我们与他人联系,我们的心理健康以及对挑战的韧性的推动力。随着生成人工智能(AI)系统,心理健康聊天机器人和AI社会支持伴侣的兴起,重要的是要了解人与人工智能叙述者对故事的发展以及透明度如何在用户情感中发挥作用。目标:我们旨在了解同理心如何在人写的故事与AI编写的故事中转移,以及这些发现如何为道德含义和以人为中心的方式设计,以将心理健康聊天机器人作为同理心的对象。方法:我们对985名参与者进行了众筹研究,他们每个人都写了一个个人故事,然后对2个检索的故事进行了同理心,其中一个是由语言模型写的,另一个是由人写的。我们的研究各种各样的揭示了一个故事是由人类还是人工智能系统撰写的,以查看透明作者信息如何影响对叙述者的同理心。我们进行了混合方法分析:通过统计测试,我们比较了用户对不同条件的故事的自我报告的同情。此外,我们定性地编码了有关对故事的反应的开放反馈,以了解透明度如何以及为什么影响人类对AI讲故事的人的同理心。结果:我们发现,在几乎所有情况下,参与者对AI写的故事都会显着同情,无论他们是否意识到(t 196 = 7.07,p <.001,cohen d = 0.60)或不知道(t 298 = 3.46,p <.001,p <.001,cohen d = 0.24),这是一个故事。我们还发现,当故事作者有透明度时,参与者报告了更大的意愿对AI写的故事表示同情(t 494 = –5.49,p <.001,Cohen d = 0.36)。
卵巢癌是妇科恶性肿瘤中死亡的主要原因,迫切需要新的疗法。在这里,我们报告了有关6B11-OCIK的潜在安全性和效率的初步发现,这是一种由人源化抗IDiotypic抗体6B11型抗体诱导的自体T细胞的收养细胞疗法,以及针对铂 - 抗性复发性或抗逆转癌症患者的树突状细胞和细胞因子和细胞因子和细胞因子,三分之二。我们发现6B11-OCIK治疗是安全且耐受性良好的静脉输注,初始剂量为1 - 2×10 9细胞和剂量攀爬策略。血红蛋白,血小板,白细胞计数,肌酐或肝酶值,凝结功能,肾脏和心脏功能在治疗期间没有显着影响。三名入学的患者中有两个显示出潜在的与药物相关的1级和2级弱点,并且未观察到其他不良事件。在三名入学的患者中,一名患有稳定的疾病,两名显示疾病进展。通过6B11-OCIK增殖能力,CD3+ CD8+肿瘤特异性细胞毒性T淋巴细胞和CD3+ CD3+ CD56+细胞因子诱导的杀伤细胞的激活能力和肿胀的细胞杀伤性,具有有利的临床效率患者的免疫反应更好。这项初步研究表明自体6B11-OCIK治疗是安全的,并且具有治疗后循环肿瘤细胞的变化与稳定疾病患者的血清CA125一致(均降低),而在两名患有疾病进展的患者中观察到差异(两者的CA125升高,CTC的CTC降低,并且在更好的免疫反应患者中的CTC降低),这表明循环肿瘤细胞的变化与免疫反应的差异更加一致。
学生指南 2023 年 9 月 29 日 目的 本文件为学生提供有关在评估/作业中使用生成人工智能的常见问题 (FAQ)。 生成人工智能工具(例如 ChatGPT)有什么作用? 这些模型也称为大型语言模型。它们基于根据问题或“提示”自动生成内容(例如文本、图像)的算法。这些内容听起来或看起来像是人类制作的。 提交全部或部分由人工智能工具创建的评估是否构成抄袭? 是的,如果您将其作为自己的作品提交,则属于抄袭。评估旨在帮助您学习和评估您所学到的知识,因此您的评估必须是您自己的作品。您必须通过正确引用来承认您所借鉴的任何信息或想法的来源。 DkIT 学术诚信政策和程序 (https://www.dkit.ie/about-dkit/policies-and-guidelines/academic-policies.html) 中对此有非常明确的规定:“在评估中使用生成人工智能工具(例如 ChatGPT)是一种抄袭行为,除非明确允许并得到适当承认” (第 4 页)。我可以使用生成人工智能工具(如 ChatGPT)来帮助我准备作业吗?您可以合乎道德地使用这些工具来帮助您学习。例如,您可以使用它们来帮助您制定学习计划、总结信息、帮助缩小主题范围或生成抽认卡或练习题。您不应不道德地使用它们来完成部分或全部作业。在某些情况下,您的讲师可能会允许甚至要求您将生成性 AI 作为学习活动或评估的一部分。例如,您可能会被要求批评 AI 生成的问题的答案。这将在您的评估简介中明确说明,并且在使用这些工具之前您应该始终与您的讲师核实。
人工智能 (AI) 系统越来越多地被用于临床试验。使用人工智能的试验必须遵守与所有人类参与者研究相同的风险评估和披露道德标准。所有临床人工智能系统,尤其是正在积极研究的系统,都存在新的风险,包括人机交互、可解释性和数据限制。由于临床人工智能整合仍处于起步阶段,因此尚不清楚这些风险的全部大小和范围。我们认为,鉴于这些风险及其不确定性,当患者的数据用于可能影响临床决策的人工智能临床试验时,即使不需要书面知情同意,披露也是最低标准。美国食品药品监督管理局 (FDA) 将人工智能系统归类为“软件即医疗设备”(SaMD),其血统来自风险计算器等更简单的决策支持工具 1、2。然而,人工智能算法具有独特的风险考虑因素(表 1),而新出现的风险的全部影响仍未完全了解。一些人工智能系统可以做出类似人类的预测和建议,因此风险评估的一个重要考虑因素就是临床监督的程度。目前,大多数人工智能系统都是以决策支持能力实现的,其中始终由人做出最终的临床决策 3 。作为决策支持实施可以通过要求人工检查来降低风险,但这会引入人机交互问题。例如,过度依赖人工智能的建议可能会导致临床医生技能下降和对人工智能错误的忽视,这可能会以未知的方式影响人机系统的性能 4 。人类监督降低风险的能力面临的另一个挑战是人工智能系统通常不透明或不可解释。开发人员和临床医生并不总是了解人工智能生成的输出是如何计算的,因此临床用户无法向患者解释输出,也无法轻松识别或理解人工智能错误 5 。
通常建议将三种疫苗用于预防百日咳,脑膜炎球菌疾病和由人乳头瘤病毒(HPV)引起的癌症。CDC分析了2022年全国免疫调查的数据 - 16,043名ADO Lescents年龄为13-17岁,以评估疫苗接种覆盖率。出生队列分析,以评估到13岁(即13岁生日之前)和14岁(即14岁生日之前)的疫苗接种覆盖范围的趋势,这些青少年是在共同疫苗之前和期间进行常规疫苗接种的青少年。横截面分析用于评估13-17岁青少年的覆盖估计。在2022年,在2008年出生的Ado Lescents中,疫苗接种范围持续14岁,持续落后于早期出生队列的疫苗,并且与早期出生队列的覆盖范围相比,社会人口统计学因素和获得医疗保健的机会有所不同。在2009年出生的青少年的疫苗接种覆盖范围与13岁的年龄相似,类似于Covid-19- 19日大流行之前获得的覆盖范围估计。在所有13-17岁的青少年中,2022年的疫苗接种水平与2021年水平没有差异;但是,在受过医疗补助保险的人中,HPV疫苗接种系列的启动减少了。≥1剂量的破伤风,白喉和细胞百日咳疫苗的覆盖范围和≥1剂量的脑膜炎球菌结合物疫苗高且稳定(约90%)。提供者应审查青少年疫苗接种记录,尤其是在2008年出生的疫苗接种记录中,以及有资格获得儿童疫苗计划的人群中的疫苗接种记录,以确保青少年与所有推荐的疫苗保持最新。
不丹皇家政府1.简介本文件介绍了不丹皇家政府能源与自然资源部环境与气候变化部的参考条款(TOR)。它为在废物管理和循环经济中启动前瞻性策略设定了框架。该策略旨在应对不丹废物管理的日益严重的挑战,这会因快速的城市化,经济增长和不可生物降解废物的增加而加剧,并特别关注塑料废物。目标是通过增强意识,建立能力,提高数据收集并采用环保实践,最终促进可持续和循环经济,从而改变废物管理。2。不丹位于喜马拉雅山脉东部的背景和基本原理以其对环境保护的承诺而闻名,这一承诺源于其根深蒂固的保护价值,有远见的领导和积极主动的政府政策。尽管有这些优势,但不丹仍面临着由人口统计学,经济增长和不可持续发展模式的变化驱动的重大废物管理挑战,从而导致较高的废物量以及相关的环境和健康问题。尽管显着的进步和社区参与减少废物和回收工作,但引入了非生物降解废物,尤其是塑料,在废物管理中破坏了传统的消费模式,并在废物管理中提出了新的挑战。3。目标仅在thimphu中,每日废物产生约40.3吨,塑料占此卷的13%。在家庭废物管理方面至关重要的妇女扮演着至关重要的角色,强调了支持她们参与更广泛废物管理角色的倡议的需求。该计划旨在满足对塑料废物的全面数据的关键需求,并为政府官员提供促进可持续循环经济所需的工具和知识。
摘要。子宫内膜异位症是一种常见的妇科疾病,其特征是子宫内子宫内膜腺和基质的生长,会引起多种症状,例如痛经,超单性性痛和慢性腹痛。17β雌二醇(E2)刺激子宫内膜病变的生长。 尽管由人胎儿肝产生的estetrol(E4)也是一种天然雌激素,但它可能对子宫内膜细胞具有相反的影响。 我们研究了E4和E2对永生的人子宫内膜基质细胞(HESC)的侵袭和迁移的不同影响,并评估了E4是否影响Wiskott-Aldrich综合征蛋白(WASP)家族成员1(WASF-1)的表达。 我们通过矩阵腔室测定法测量了hESC的侵袭。 通过伤口愈合测定和细胞跟踪分析来测量细胞迁移。 通过独立的实时PCR分析证实了WASF-1的表达。 用siRNA进行细胞的转染,以击倒hESC中WASF-1的表达。 e4显着抑制了E2诱导的进入hESC的侵袭和迁移。 WASF-1被发现是基于转移PCR阵列的潜在介体。 WASF-1被E2上调,并被E4下调。 敲低WASF-1抑制迁移。 我们的结果表明E4可能抑制E2诱导的子宫内膜损伤的生长。 WASF-1的下调参与E4对迁移的抑制作用。 使用E4与孕激素一起用作口服避孕剂可能会导致子宫内膜异位症女性的子宫内膜损伤。17β雌二醇(E2)刺激子宫内膜病变的生长。尽管由人胎儿肝产生的estetrol(E4)也是一种天然雌激素,但它可能对子宫内膜细胞具有相反的影响。我们研究了E4和E2对永生的人子宫内膜基质细胞(HESC)的侵袭和迁移的不同影响,并评估了E4是否影响Wiskott-Aldrich综合征蛋白(WASP)家族成员1(WASF-1)的表达。我们通过矩阵腔室测定法测量了hESC的侵袭。细胞迁移。通过独立的实时PCR分析证实了WASF-1的表达。用siRNA进行细胞的转染,以击倒hESC中WASF-1的表达。e4显着抑制了E2诱导的进入hESC的侵袭和迁移。WASF-1被发现是基于转移PCR阵列的潜在介体。 WASF-1被E2上调,并被E4下调。 敲低WASF-1抑制迁移。 我们的结果表明E4可能抑制E2诱导的子宫内膜损伤的生长。 WASF-1的下调参与E4对迁移的抑制作用。 使用E4与孕激素一起用作口服避孕剂可能会导致子宫内膜异位症女性的子宫内膜损伤。WASF-1被发现是基于转移PCR阵列的潜在介体。WASF-1被E2上调,并被E4下调。 敲低WASF-1抑制迁移。 我们的结果表明E4可能抑制E2诱导的子宫内膜损伤的生长。 WASF-1的下调参与E4对迁移的抑制作用。 使用E4与孕激素一起用作口服避孕剂可能会导致子宫内膜异位症女性的子宫内膜损伤。WASF-1被E2上调,并被E4下调。敲低WASF-1抑制迁移。 我们的结果表明E4可能抑制E2诱导的子宫内膜损伤的生长。 WASF-1的下调参与E4对迁移的抑制作用。 使用E4与孕激素一起用作口服避孕剂可能会导致子宫内膜异位症女性的子宫内膜损伤。敲低WASF-1抑制迁移。我们的结果表明E4可能抑制E2诱导的子宫内膜损伤的生长。WASF-1的下调参与E4对迁移的抑制作用。 使用E4与孕激素一起用作口服避孕剂可能会导致子宫内膜异位症女性的子宫内膜损伤。WASF-1的下调参与E4对迁移的抑制作用。使用E4与孕激素一起用作口服避孕剂可能会导致子宫内膜异位症女性的子宫内膜损伤。
背景:我们的实验室每年分析超过 100,000 个样本,分析多种分析物。使用靶向 MS/MS 分析正确注释和量化分析物对于大多数实验室来说至关重要。因此,质谱仪器制造商提供能够自动检测和积分色谱峰的软件,用于大多数常规应用。虽然这通常效果很好,但诸如意外选择附近的基质峰或绘制错误基线等错误相对常见。特别是当结果用于执行时,仍然需要耗时的手动审查每个积分峰才能获得可靠的结果。这项工作旨在提供一种工具,可以显著减少审查峰值积分的手动工作量,从而减少手动审查所用的时间,同时确保自动积分所犯的错误可以由人类专家纠正。结果:峰值评估和自动审查工具或 PEAR 审查是一种机器学习类型的工具,可以读取来自各种品牌 MS 设备的自动积分,并将它们与存储在与分析类型相关的分析师提供的正确峰值积分数据库中的一组示例进行比较。此外,自动审查过程会检查目标化合物的所有可用离子转换。有了这些要素,该工具可以自主决定如何量化峰值或是否应该由人工专家审查它。我们使用广泛使用的供应商特定软件处理的常规数据对开发的工具进行了测试,发现 85% 的色谱图都由该工具自动处理。只有剩下的 15% 需要“常规”人工审查。PEAR 工具的定性和定量性能与专家人工积分相当,强调了它的可靠性。意义:我们的研究结果表明,使用 PEAR 可以跳过 85% 的手动积分检查。这减少了审查多个色谱图中的所有峰值的繁琐工作量,同时提供与完全人工干预相同的质量。