XiaoMi-AI文件搜索系统
World File Search System登记的
生物农药登记的发展...
5 指从自然界衍生的物质的通用术语，例如微生物、植物或化学信息素，其配制和使用方式与传统化学农药相似，通常用于短期害虫防治 [改编自 ISPM Pub. No. 3, 1996 (IPPC, 2005)]。 6 用于植物保护和公共卫生的微生物、植物和化学信息素害虫防治剂的登记指南：粮农组织农药登记工具包 - 更好的决策，更好的生活 | 经济和社会事务部 (un.org)，粮农组织农药登记工具包旨在作为中低收入国家农药登记员的决策支持系统：农药登记工具包 | 联合国粮食及农业组织 (fao.org)，7 粮农组织电子学习学院：https://elearning.fao.org/
致长期护理机构关于医疗保险计划登记的备忘录
这同样适用于在护理机构或专业护理机构接受护理的受益人。无论参保或取消参保行为涉及不带 D 部分的 Medicare Advantage 计划（仅限 MA）、带 D 部分的 MA 计划（MA-PD）、作为财务协调倡议 1 或 PACE 组织下示威的一部分的医疗保险-医疗补助计划 (MMP)，这也同样适用。2 背景：CMS 收到了受益人及其代表的投诉，通常是在受益人已经从 LTC 机构出院后，指控他们在未经同意的情况下被取消了 Medicare 健康计划的参保资格。出院受益人在尝试访问服务和/或开始收到他或她认为 Medicare 健康计划应该承保或已经承保的服务账单时，发现他们的计划覆盖范围已终止。有时只有在此时，受益人才会得知他们的参保情况已发生变化。机构的责任：受益人医疗保险的变更通常必须由受益人或其代表发起。如果受益人或其法定代表人请求 LTC 机构协助变更受益人的医疗保险，则 LTC 机构应采取以下步骤，帮助确保受益人医疗保险的变更符合有关登记/取消登记和居民权利的规定：3
熵登记的均值变异投资组合优化...
摘要。是在增强学习中的剥削和勘探之间的权衡中的动机，我们研究了在跳跃存在下的连续时间熵调节的均值变化投资组合选择。我们为与表现出L'evy跳跃的多个风险资产相关的财富过程提供了探索性SDE。与现有文献相反，我们研究了与随机控制的财富过程的自然离散时间公式的限制行为，以得出连续的时间动力学。然后，我们表明，尽管处于跳跃模型中，但仍对连续时间熵进行的探索均值变化问题的最佳分布控制仍然是高斯。此外，各自的最佳财富过程求解了一个线性SDE，其表示明确获得。
预测急性缺血性中风早期结果影响因素的机器学习模型：基于登记的研究
背景：及时准确的结果预测在指导急性缺血性卒中的临床决策中起着至关重要的作用。急性期后的早期病情恶化和严重程度是长期结果的决定因素。因此，预测早期结果在急性卒中管理中至关重要。然而，解释预测并将其转化为临床可解释的概念与预测本身一样重要。目的：这项工作专注于机器学习模型分析在预测缺血性卒中早期结果中的应用，并使用模型解释技巧来解释结果。方法：招募 2009 年在长庚医疗系统卒中登记处 (SRICHS) 登记的急性缺血性卒中患者，对两个主要结果进行机器学习预测：出院时的改良 Rankin 量表 (mRS) 和住院期间病情恶化。我们将 4 种机器学习模型，即支持向量机 (SVM)、随机森林 (RF)、轻梯度提升机 (LGBM) 和深度神经网络 (DNN) 与受试者工作特征曲线的曲线下面积 (AUC) 进行了比较。此外，3 种重采样方法，即随机欠采样（RUS）、随机过采样和合成少数过采样技术，处理了不平衡数据。模型基于特征重要性排序和 SHapley 加性解释（SHAP）进行解释。结果：RF 在两种结果中均表现良好（出院 mRS：平均 AUC 0.829，SD 0.018；院内恶化：原始数据上的平均 AUC 0.710，SD 0.023，对于不平衡数据，使用 RUS 重采样数据上的平均 AUC 0.728，SD 0.036）。此外，DNN 在预测未重采样数据的院内恶化方面优于其他模型（平均 AUC 0.732，SD 0.064）。总体而言，重采样对使用不平衡数据预测院内恶化的模型性能的改善有限。从美国国立卫生研究院卒中量表 (NIHSS) 获得的特征、白细胞分类计数和年龄是预测出院 mRS 的关键特征。相反，NIHSS 总分、初始血压、是否患有糖尿病以及血象特征是预测住院期间病情恶化的最重要特征。SHAP 摘要描述了特征值对每个结果预测的影响。结论：机器学习模型在预测早期卒中结果方面是可行的。丰富的特征库可以提高模型性能。初始神经系统水平和年龄决定了出院时的活动独立性。此外，
使用3D/2D皮质血管的3D/2D非刚性登记的颅骨切开术的变形
摘要。术中脑移位是一种众所周知的现象，它描述了由于重力和脑脊液的丧失而在其他现象中描述了脑组织的非刚性变形。这对手术结果具有负面影响，这通常是基于不考虑大脑转移的术前计划。我们提出了一种新型的大脑意识到的增强现实方法，将术前3D数据与通过手术显微镜观察的变形大脑表面相结合。我们将非刚性登记作为形状结构化问题提出。术前3D线状可变形模型被注册到皮质容器的Single 2D图像上，该模型自动分割。此3D/2D登记驱动肿瘤等潜在的大脑结构，并弥补了亚皮质区域的大脑转移。我们评估了由6名材料组成的模拟和真实数据的方法。它实现了良好的定量和定性结果，使其适合神经外科指导。
PRESTIGIO 登记处登记的多重耐药 HIV-1 患者对多拉韦林的残留表型敏感性
请以以下方式引用本文：Francesco SALADINI、Federica Giammarino、Franco Maggiolo、Micol Ferrara、Giovanni Cenderello、Benedetto M. Celesia、Ferdinando Martellotta、Vincenzo Spagnuolo、Giulio M. Corbelli、Nicola Gianotti、Maria M. Santoro、Stefano Rusconi、Maurizio Zazzi、Antonella Castagna，来自 PRESTIGIO 登记处受试者的多药耐药 HIV-1 对多拉韦林的残留表型敏感性，国际抗菌剂杂志 (2023)，doi：https://doi.org/10.1016/j.ijantimicag.2023.106737
包括 V-REPP 在内的 COVID-19 疫苗皮肤反应的临床与病理相关性：一项基于登记的研究
来自波士顿哈佛医学院麻省总医院皮肤病学系 a ；费城宾夕法尼亚大学皮肤病学系 b ；纽黑文耶鲁 - 纽黑文医院皮肤病学系 c ；波士顿麻省总医院蒙根研究所医疗实践评估中心 d ；波士顿麻省总医院病理学系 e ；达拉斯德克萨斯大学西南医学中心皮肤病学系 f ；普莱诺创新皮肤病学 g ；底特律亨利·福特医疗系统皮肤病学系 h ；查尔斯顿南卡罗来纳医科大学皮肤病学和皮肤外科系 i ；圣路易斯大学皮肤病学系 j ；慕尼黑路德维希马克西米利安大学医院皮肤病学系 k；菲利普·弗罗斯特博士，迈阿密大学米勒医学院皮肤病学和皮肤外科系，迈阿密 l ；麻省总医院医学部风湿病学、过敏学、免疫学分部，波士顿 m ；加州大学旧金山分校皮肤病学系，旧金山。n
健康大脑项目中的无监督认知评估：对基于网络的阿尔茨海默病风险个人登记的影响
1. Jack CR, Jr.、Knopman DS、Jagust WJ 等人。阿尔茨海默病病理级联动态生物标志物的假设模型。Lancet Neurol。2010；9：119-128。2. Langbaum JB、Fleisher AS、Chen K 等人。开启临床前阿尔茨海默病的研究和治疗。Nat Rev Neurol。2013；9(7)：371-381。3. Sperling RA、Aisen PS、Beckett LA 等人。定义阿尔茨海默病的临床前阶段：美国国家老龄研究所-阿尔茨海默病协会工作组关于阿尔茨海默病诊断指南的建议。Alzheimers Dement。 2011；7：280-292。4. Insel PS、Weiner M、Mackin RS 等人。确定临床前阿尔茨海默病中具有临床意义的衰退。神经病学。2019；93：322-333。5. Buckley RF、Mormino EC、Amariglio RE 等人。性别、淀粉样蛋白、APOE ε 4 与临床前阿尔茨海默病中的认知衰退风险：来自三个特征明确的队列的发现。阿尔茨海默病痴呆症。2018；14：1193-1203。6. Ellis KA、Bush AI、Darby D 等人。澳大利亚衰老成像、生物标志物和生活方式 (AIBL) 研究：阿尔茨海默病纵向研究中招募的 1112 名个体的方法和基线特征。 Int Psychogeriatr。2009；21：672-687。7. Petersen RC、Aisen PS、Beckett LA 等人。阿尔茨海默病神经影像学计划（ADNI）：临床特征。神经病学。2010；74：201-209。8. Bauer RM、Iverson GL、Cernich AN、Binder LM、Ruff RM、Naugle RI。计算机化神经心理学评估设备：美国临床神经心理学学会和美国国家神经心理学学会联合立场文件。临床神经心理学史。2012；27：362-373。9. Feenstra HEM、Vermeulen IE、Murre JMJ、Schagen SB。在线认知：促进可靠的在线神经心理学测试结果的因素。临床神经心理学。 2017；31：59-84。10. Rolbillard JM、Illes J、Arcand M 等人。阿尔茨海默病英语在线测试的科学性和伦理性特征。阿尔茨海默病。2015；1：281-288。11. Weiner MW、Nosheny R、Camacho M 等人。脑健康登记处：一个基于互联网的平台，用于招募、评估和纵向监测神经科学研究参与者。阿尔茨海默病。2018；14(8)：1063-1076。12. Feenstra HEM、Vermeulen IE、Murre JMJ、Schagen SB。在线认知：促进可靠的在线神经心理学测试结果的因素。临床神经心理学。2016；31：59-84。 13. Crump MJ、McDonnell JV、Gureckis TM。评估亚马逊的 Mechanical Turk 作为实验行为研究工具的作用。PLoS One。2013；8(3)：e57410。