XiaoMi-AI文件搜索系统
World File Search System背景因素
引用：CondéM，Lespessailles E，Wanneveich M等。营养补充对镰状细胞D
摘要目的是报告参与者在中风后进行基于家庭康复的神经芬太尼平台的经验。该平台由Neuroball设备和Neurofenix应用程序组成，是一种非弱化的虚拟现实工具，可在中风后促进上肢康复。最近通过非随机可行性试验（Rhombus）对该平台进行了评估并证明是安全有效的。使用半结构化访谈设计定性方法。采访记录，逐字记录并使用框架方法进行分析。设置参与者的家，英格兰东南部。参与者有目的的18名成年人（≥18岁），中风后至少12周，在菱形试验前未接受上肢康复，在Motricity指数（肘部和肩膀）上得分为9-25，具有足够的认知和交流能力。结果开发了五个主题，探讨了使用该平台的试验过程和经验。影响参与者决定参加试验的因素，他们对试验期间提供的支持的看法以及与研究团队的沟通是影响参与者整体经验的重要背景因素。围绕神经功能设备的可用性和舒适性的特定主题，激励持久性和干预效果的因素被强调为平台的可用性和可接受性至关重要。试验注册号ISRCTN60291412。结论本研究证明了该平台的总体可接受性，并确定了改善的领域，这是Neurofenix实施的。这些发现增加了有关虚拟现实系统与用户体验之间接口的发展文献。
一个新的实验范式来操纵人类自动化研究的风险
目的：两项研究可作为对新的实验多任务范式的操纵检查，该范式可以应用于人自动化研究（虚拟现实现实测试风险和自动化研究； VIRTRAS），在该研究中，可以将其作为虚拟现实环境的一部分操纵。背景：风险已被假定是影响人类自动化相互作用的重要上下文因素。然而，由于以道德方式进行了不同的操作风险，实验证据很少。在新范式中，风险因参与者执行任务的高度而异，包括在错误时实际上掉落的可能性。方法：使用主观的自我报告和客观措施，使用范式的关键组成部分来研究参与者在低（0.5 m）和高海拔（70 m）中的风险感知。结果：在高海拔条件下，风险感知显着较高，中等至较大的效应大小。此外，行为度量的结果表明，参与者的暴露时间习惯了。但是，在两个高度条件下，这种习惯似乎也同样发生。结论：操纵检查成功。新范式是自动化搜索的有前途的工具。它结合了风险的上下文因素，并创造了一种与现实生活中的经营者体验更可比的情况。此外，它还符合人类自动化研究中其他多任务环境的相同策略。应用：新的范式提供了改变人自动化研究中风险的背景因素的基础，该研究以前以前被忽略或以较低的方式进行操作。
人工智能将如何、为谁、在什么情况下应用于病理学？一项现实主义访谈研究
目的：人们越来越有兴趣在病理学中使用人工智能 (AI) 来提高准确性和效率。对临床医生对 AI 的看法的研究发现，其接受度仅为中等，这表明需要进一步研究将其融入临床实践的情况。本研究旨在探索利益相关者关于 AI 如何以及在何种情况下可能融入病理学的理论。材料和方法：文献综述提供了暂定理论，并通过对 20 名病理学家和 5 名病理学实习生的现实主义访谈研究对这些理论进行了修订。问题旨在了解暂定理论是否以及在何种方式符合受访者的看法和经验。分析的重点是确定可能支持或限制 AI 在病理学中应用的背景因素。结果：访谈强调了对 AI 的信任的重要性，受访者强调评估和病理学家熟悉 AI 的机会是建立信任的手段。受访者表示希望参与 AI 工具的设计和实施，以确保此类工具能够满足迫切的需求，但不同专科的需求各不相同。需要工作流程集成，但 AI 工具是否应该自动工作将根据任务和环境而有所不同。结论：不能假设在某一专科中提供益处的 AI 工具也会在其他专科中提供益处。病理学家应参与引入 AI 的决策，并有机会评估其优缺点。需要进一步研究有关让病理学家对 AI 的好处感到满意所需的证据。
原创研究美国亚裔美国人、夏威夷原住民和太平洋岛民退伍军人窒息自杀情况（2012 年至 2018 年）
摘要 背景 亚裔美国人、夏威夷原住民和太平洋岛民 (AANHPI) 退伍军人的自杀率大幅上升，他们比总体退伍军人更有可能使用窒息作为自杀方式。本研究调查了因窒息自杀而死亡的 AANHPI 退伍军人的人口统计、医疗保健和伤害特征，并研究了这些死亡的背景。分析进一步检验了死于窒息自杀的 AANHPI 和非 AANHPI 退伍军人之间是否存在差异。 方法 这种混合方法分析使用了来自 AANHPI (n=44) 和非 AANHPI (n=3090) 退伍军人的国家暴力死亡报告系统 (NVDRS) 数据（2012-2018 年）。 结果 几乎所有的窒息死亡都是上吊，尽管勒死的类型差别很大。与匹配的非 AANHPI 退伍军人样本相比，住宅是 AANHPI 退伍军人受伤和死亡的最常见地点，地下室是家中更常见的死亡地点。AANHPI 死者中女性比例明显更高。此外，与非 AANHPI 死者相比，AANHPI 死者获得紧急医疗服务的可能性明显较小。大多数 AANHPI 死者是被家人或亲密伴侣发现的。结论解决 AANHPI 退伍军人中的勒死自杀问题对于确保公平的自杀预防方法是必不可少的。对于这一人群，有必要采取考虑到显著背景因素（例如死亡地点、亲人发现）的致命手段安全举措和事后干预策略。考虑到勒死和勒死点的普遍性，解决自杀风险驱动因素的上游自杀预防方法对于预防 AANHPI 退伍军人自杀尤为重要。
生成式人工智能作为学习伙伴和教学助理
摘要 — 为了揭示在职前教师 (PST) 对生成人工智能 (GenAI) 应用程序的用户体验和看法，我们调查了 167 名加纳 PST 将 GenAI 作为学习伙伴和教学助理的具体用途以及他们对这些应用程序的态度。通过探索性因素分析 (EFA)，我们确定了影响 PST 对 GenAI 态度的三个关键因素，即教学、学习以及道德和倡导因素。这些因素的平均分数表明他们对 GenAI 的态度普遍积极，表明他们高度认同 GenAI 有潜力增强 PST 的内容知识和获取学习和教学资源，这反过来又减少了他们在学习和教学实践中对同事帮助的需求。研究结果特别表明，PST 使用 GenAI 作为学习伙伴来获取阅读材料、深入的内容解释和实际示例，并作为教学助理来增强他们的教学资源、制定评估策略和课程计划。回归分析表明，年龄、性别和学习年份等背景因素无法预测 PST 对 GenAI 的态度，但年龄和学习年份可以显著预测他们使用 GenAI 的频率，而性别则不能。这些发现表明，年龄较大的 PST 和在教师教育计划中学习较久的 PST 可能会更频繁地使用 GenAI，但他们对该应用程序的看法保持不变。然而，PST 担心 GenAI 应用程序提供的信息的准确性和可信度。因此，我们建议需要解决对 GenAI 准确性和可信度的担忧，确保 PST 可以在他们的教师培训计划中自信地依赖这些应用程序。此外，我们建议采取有针对性的策略，将 GenAI 更有效地整合到 PST 的学习和教学过程中。
特刊 - Energies
摘要：本文介绍了定量能源平衡评估框架的目标和组成部分，以在三个重要的背景下表达阳性能源区（PED）的定义：该地区密度和当地可再生能源供应（RES）潜力，区域的上下文，一个地区的环境以及诱导的行动性和未来环境的环境以及其未来环境和碳化的环境或供应量或富含碳化的环境的背景。首先要引入这种定义方法的实际目标：可实现但有足够的雄心勃勃，与大多数城市和农村奥地利地区类型的巴黎2050年隔绝。继续确定定义定义的主要设计部分 - 系统边界，平衡权重和平衡目标 - 并论证如何将它们详细链接到定义目标。特别是，我们指定了三个级别的系统边界，并论证了它们的个人必要性：操作，流动性和体现的能量和排放。认为，当使用精心设计的，精心设计的，依赖时间的转换因子时，可以用一单位能量平衡的单一度量来评估所有三个PED支柱，能量效率，现场可再生能源和能量的能力。最后，讨论了如何将平衡目标解释为周围能源系统的信息和要求，我们将其视为“背景因素”。最后，提议的定义框架应用于奥地利的七个不同地区类型，并根据其设计目标进行了讨论。列出了这些上下文因素的三个示例，每个示例与先前定义的系统边界之一的平衡目标相对应，呈现：密度（作为操作的上下文），部门能量平衡和位置（作为移动性的背景）以及对个人排放预算的外观（作为实施情况的上下文）。
肯尼亚西部的糖尿病和高血压管理
慢性病初级卫生综合护理 (PIC4C) 试点项目于 2018 年启动，旨在加强肯尼亚西部初级卫生保健层面对四种非传染性疾病的预防和控制。我们进行了一项定性研究，从接受护理者的角度探讨 PIC4C 综合服务在多大程度上支持高血压和/或糖尿病患者及时诊断和转诊、治疗、随访和坚持治疗。我们在两个时间点对有针对性抽样的患者队列进行了半结构化访谈，旨在捕捉随时间的变化（总计 (n) = 43，完成两次访谈 (n) = 37）。我们提取了现有的调查数据来描述社会人口统计学特征，并按主题分析了定性数据。我们确定了两个相互关联的背景因素：个人的经济资源和社会状况，它们塑造了他们与 PIC4C 服务互动的每个阶段。PIC4C 模式成功地让人们参与到筛查服务中，以便及时诊断并将他们转诊到接受护理机构。免费社区筛查服务和将护理分散至基层医疗机构降低了患者的医疗成本障碍。然而，PIC4C 运营所处的更广泛系统环境影响了患者的护理保留率和治疗依从性，包括药物供应的不一致性以及患者有限的经济能力。医护人员针对这些挑战提供的个性化建议支持了患者的自我管理策略。该服务的进一步发展应侧重于支持医护人员
呼吁利用健康平等镜头加速人类神经科学研究
在人类神经科学中倾向于研究健康不平等的研究，作为个体水平的生物学因素。实际上，健康不平等很大程度上是由于结构上的深层结构因素。结构性不平等是指与与之共存的其他社会群体相比，一个社会群体的系统性劣势。一词涵盖了政策，法律，治理和文化，与种族，种族，性别或性别认同，阶级，性取向以及其他领域有关。这些结构性不平等包括但不限于社会隔离，殖民主义的代际影响以及随之而来的权力和特权分配。在神经科学的子场（即文化神经科学）的子场中，解决不平等的原则越来越普遍。文化神经科学表达了研究参与者周围的生物学与环境背景因素之间的双向关系。但是，这些原理的运作可能对大多数人类神经科学的溢出作用可能没有预期的影响：这种限制是本文的总体重点。在这里，我们提供了我们的观点，即在所有人类神经科学子学科中都缺少这些原则，以加速我们对人脑的理解。此外，我们还提供了实现人类神经科学研究公平的健康公平镜头的两个关键原则的概述：健康框架的社会决定因素（SDOH）框架以及如何使用反事实思维与混杂者打交道。我们认为，这些原则应在未来的人类神经科学研究中优先考虑，而这样做是进一步了解与人脑相互交织的情境背景的途径，从而改善了人类神经科学研究的严格和包容性。
哪些巴西老年人会接受 COVID-19 疫苗？...
摘要 目的 对疫苗犹豫不决可能是有效开展 COVID-19 免疫接种运动的障碍。本研究评估了在具有全国代表性的巴西老年人样本中与 COVID-19 疫苗接受度相关的个体、疾病特定和背景因素。 设计 对家庭访谈和补充电话调查的数据进行横断面分析。 设置 巴西及其五个地理区域。 参与者 数据来自参与巴西老龄化纵向研究第二波的 6584 名 50 岁及以上的个人。 主要和次要结果测量 调查加权多项逻辑回归评估与打算、不打算或不确定是否打算接种 COVID-19 疫苗相关的因素。 结果 71% 的研究参与者打算在 COVID-19 疫苗上市后接种，而 17%（代表近 900 万人）没有接种疫苗的打算，12% 仍未决定。除了年龄之外，与 COVID-19 严重程度和并发症相关的人口统计学和健康相关因素与接种意愿无关。与信任官方信息来源的人相比，最信任社交媒体或亲朋好友提供 COVID-19 信息的人和不信任任何信息来源的人拒绝接种疫苗的可能性分别高出 68% 和 78%。外出时不经常戴口罩的人拒绝接种疫苗的可能性是经常戴口罩的人的 3.4 倍。较高的城市 COVID-19 死亡率与拒绝接种疫苗呈负相关。结论大多数国家 COVID-19 免疫战略将老年人列为优先早期接种疫苗的人群，因为他们出现更严重症状和并发症的风险更高。由于个人、疾病特定和环境因素与疫苗接受度有关，因此显然需要多层次和多渠道的信息和宣传活动来
引用：Fischer A、Rietveld A、Teunissen P 等人。人工智能在产科领域的未来是什么？一项医疗保健领域的定性研究
摘要 目的 本研究探讨产科临床医生对人工智能 (AI) 的看法，以弥合研究与医疗实践之间在 AI 应用方面的差距。确定 AI 可以为临床实践做出贡献的潜在领域，使 AI 研究能够与临床医生和最终患者的需求保持一致。设计定性访谈研究。设置 2022 年 11 月至 2023 年 2 月期间在荷兰进行的一项全国性研究。参与者 具有不同相关工作经验、性别和年龄的荷兰产科临床医生。分析定性访谈记录的主题分析。结果 采访了 13 位妇科医生，内容涉及实施 AI 模型的假设情景。主题分析确定了两个主要主题：感知有用性和信任。有用性涉及 AI 扩展人类大脑在复杂模式识别和信息处理方面的能力、减少情境影响并节省时间。信任需要验证、可解释性和成功的个人经验。这一结果显示了两个悖论：首先，人们期望 AI 通过超越人类的能力来提供附加值，但同时也需要了解这些参数及其对信任和采用预测的影响。其次，参与者认识到将众多参数纳入模型的价值，但他们也认为某些背景因素应该只由人类考虑，因为 AI 模型不适合使用这些信息。结论产科医生对 AI 潜在价值的看法凸显了临床医生与 AI 研究人员合作的必要性。信任可以通过随机对照试验和指南等传统方式建立。AI 模型开发应以整体影响指标（例如工作流程的变化而不仅仅是临床结果）为指导。除了传统验证方法之外，还需要进一步研究来评估不断发展的 AI 系统。