XiaoMi-AI文件搜索系统
World File Search System量表
大脑雾量表（BFS）：比例开发和验证
最近，我们目睹了脑雾区域研究的研究数量迅速增加，这主要是因为据报道这是一种频繁的长期疾病。然而，脑雾的构造仍然不确定，并且缺乏一种常见的评估方法。因此，本研究的主要目的是开发和验证用于临床和研究环境中的自我报告脑雾量表（BFS）。参与者是1452（n = 996，68.6％）的波兰大学生。数据是通过自我完成问卷匿名收集的。结果表明23个项目的BFS具有良好的心理测量特性。基于主成分分析（PCA）和验证性因素分析（CFA）结果，该量表最好由三因素解决方案捕获，其中六个项目在精神疲劳因子上加载，在认知敏锐度因子受损受损上加载了九个项目，以及在混淆因子上加载的八个项目。我们发现，与从未对COVID-19的从未测试呈阳性的匹配的对照组相比，对COVID-19测试阳性的人的精神疲劳，认知敏锐度受损和混乱得分明显更高。
SCW356量表抑制剂-BPC -SDS美国（美国）
预防：戴防护手套：> 8小时（突破性时间）：硝酸或氯丁橡胶手套..穿防护服。戴眼睛或脸部保护。穿呼吸防护。远离热量，热表面，火花，开火和其他点火源。没有吸烟。使用防爆炸的电气，通风或照明设备。使用非火花工具。采取行动以防止静态排放。仅在户外或通风良好的区域使用。不要呼吸蒸气。使用此产品时不要吃，喝或吸烟。处理后彻底洗涤。不得允许受污染的工作服装离开工作场所。回应：如果暴露：致电毒药中心或医生。如果吸入：将人移到新鲜空气中，并保持呼吸舒适。如果您感到不适，请致电毒药中心或医生。如果遇到呼吸症状：致电毒药中心或医生。如果吞咽：如果您感到不适，请致电毒药中心或医生。冲洗嘴。如果在皮肤上（或头发）：立即脱下所有受污染的衣服。用水冲洗皮肤。 重复使用前洗涤受污染的衣服。 如果在皮肤上：如果您感到不适，请致电毒药中心或医生。 用大量水洗涤。 如果出现皮肤刺激或皮疹：获得医疗建议或关注。 如果在眼睛中：用水谨慎冲洗几分钟。 删除隐形眼镜，如果有的话，易于执行。 继续冲洗。 存储：存储已锁定。用水冲洗皮肤。重复使用前洗涤受污染的衣服。如果在皮肤上：如果您感到不适，请致电毒药中心或医生。用大量水洗涤。如果出现皮肤刺激或皮疹：获得医疗建议或关注。如果在眼睛中：用水谨慎冲洗几分钟。删除隐形眼镜，如果有的话，易于执行。继续冲洗。存储：存储已锁定。如果眼睛刺激持续存在：获取医疗建议或关注。存储在一个通风良好的地方。保持容器紧密关闭。保持冷静。处置：根据所有地方，地区，国家和国际法规，处置内容和容器。补充标签元素
儿童用药自我效能量表的开发与验证
保留所有权利。未经许可不得重复使用。永久。预印本（未经同行评审认证）是作者/资助者，他已授予 medRxiv 许可，可以在此版本中显示预印本。版权所有者于 2025 年 1 月 25 日发布此版本。；https://doi.org/10.1101/2025.01.23.25320754 doi: medRxiv preprint
成人 ADHD 自我报告量表 (ASRS-v1.1) 症状...
成人 ADHD 自我报告量表 (ASRS-v1.1) 症状检查表说明 背面的问题旨在促进您与患者之间的对话，并帮助确认他们是否患有注意力缺陷多动障碍 (ADHD) 的症状。说明：症状检查表是一种由十八项 DSM-IV-TR 标准组成的工具。十八个问题中有六个被发现最能预测与 ADHD 一致的症状。这六个问题是 ASRS v1.1 筛选器的基础，也是症状检查表的 A 部分。症状检查表的 B 部分包含其余十二个问题。说明：症状 1.要求患者完成症状检查表的 A 部分和 B 部分，方法是在最接近代表每个症状发生频率的框中标记 X。2.对 A 部分进行评分。如果 A 部分中深色阴影框中出现四个或更多标记，则患者的症状与成人 ADHD 高度一致，需要进一步调查。3.B 部分的频率分数提供了额外的线索，可以作为对患者症状的进一步探究。特别注意深色阴影框中出现的标记。基于频率的响应对于某些问题更敏感。这十二个问题没有使用总分或诊断可能性。研究发现，A 部分中的六个问题最能预测该疾病，最适合用作筛查工具。损伤 1. 与患者一起查看整个症状检查表，并评估与症状相关的损伤程度。2.考虑工作/学校、社交和家庭环境。3.症状频率通常与症状严重程度相关，因此症状检查表也可能有助于评估损伤。如果您的患者经常出现症状，您可能需要让他们描述这些问题如何影响工作能力、照顾家庭事务或与配偶/另一半等其他人相处的能力。病史 1.评估儿童时期是否出现过这些症状或类似症状。患有 ADHD 的成年人不一定在儿童时期就得到正式诊断。在评估患者病史时，寻找早期出现和长期存在的注意力或自控问题的证据。一些明显的症状应该在儿童时期就已出现，但不需要完整的症状学。
GCS：一份快速简便的指南合规性量表
由于汽车内的人机交互 (HMI) 不再局限于方向盘、油门和刹车，HCI 研究领域正在迅速发展。车载技术和自动驾驶的最新发展带来了更多功能，这些功能在评估汽车内部界面时带来了一些新挑战。汽车行业的老牌公司也不得不面对新的挑战，因为有新的参与者将其产品集成到汽车中。苹果公司高级运营副总裁 Jeff Williams 称汽车是“终极移动设备”（Snyder，2015 年）。除了带有速度表、转速表和用于操作车辆的基本信息显示器的典型仪表盘外，现代汽车通常还配备了各种车载信息系统 (IVIS)。这些系统涵盖的功能包括显示车辆状态和导航信息、娱乐功能以及外部设备的多种连接选项。
创建日语版本的人格化趋势量表1，2，2，3，4
摘要尽管因果关系在叙述中至关重要，但是第二语言（L2）读者通常难以监测其连贯性（因果关系），尤其是当这些关系跨越文本的遥远部分（全球连贯性）时。这项研究检查了L2读者对全球因果关系的监测是否以阅读目标促进。日本大学学生首先阅读叙事文本以进行一般理解，然后在大声思考时了解文本中的因果关系（因果目标）。结果表明，因果目标并没有增加参与者在连贯监测中的成功。但是，此目标定性地改变了导致连贯监视的阅读过程类型。具体来说，推理产生比在理解条件下更强烈地有助于因果目标中的连贯监测。基于这些发现，我们提出了一个新的L2阅读理论模型，即连贯性的两阶段模型，解释了阅读目标对L2过程的定量和定性影响。调查结果表明，教育工作者需要认识到阅读目标并不总是会立即改善学习者的阅读；但是，这是连贯监视和改变阅读行为的第一步。
分析依赖量表的生物多样性变化与MOBR
描述用于统计和机器学习的元包包，其统一界面用于模型拟合，预测，绩效评估和结果的呈现。用于模型拟合和预测数值，分类或审查的事件时间结果的方法包括传统的回归模型，正则化方法，基于树的方法，支持向量机，神经网络，合奏，数据预处理，滤清，滤波，过滤和模型调音和选择和选择。提供了用于模型评估的性能指标，并且可以通过独立的测试集，拆分抽样，交叉验证或引导程序重新采样来估算。重新样本估计可以并行执行以进行更快的处理，并在模型调整和选择的情况下嵌套。建模结果可以用描述性统计数据来汇总；校准曲线；可变重要性；部分依赖图；混淆矩阵；和ROC，LIFT和其他性能曲线。
比较子量表EEG和血管内支架 -
摘要 - 脑部计算机界面（BCI）具有潜在的能力来改善麻痹患者的生活质量。子量表EEG提供了一种替代性BCI信号采集方法，该方法损害了传统脑电图系统的局限性与颅内电极相关的风险，并在长期癫痫发作监测中表现出了希望。但是，尚未对BCI应用中的适用能力进行评估。这项研究对使用绵羊中的亚乳清和血管内支架电极记录的视觉诱发电势（VEP）进行了初步比较。子头皮电极记录了可比较的VEP振幅，信号到噪声比和带宽与支架电极。临床相关性 - 这是第一项研究，该研究报告了亚级级和支架电极阵列信号之间的分解。使用亚级EEG电极的使用可能有助于长期使用脑部计算机界面。
神经肌肉疾病的运动功能测量量表……
针对神经肌肉疾病开发了一种新的运动功能测量量表。验证研究包括 303 名患者，年龄为 6-62 岁。72 名患者患有杜氏肌营养不良症，32 名贝克尔肌营养不良症，30 名肢带型肌营养不良症，39 名面肩胛肱骨营养不良症，29 名强直性肌营养不良症，21 名先天性肌病，10 名先天性肌营养不良症，35 名脊髓性肌萎缩症和 35 名遗传性神经病变。该量表包含 32 个项目，分为三个维度：站立姿势和转移、轴向和近端运动功能、远端运动功能。评分者间信度一致性系数在 9 个项目中为优秀 (k Z 0.81–0.94)，在 20 个项目中为良好 (k Z 0.61–0.80)，在 3 个项目中为中等 (k Z 0.51–0.60)。总分与其他分数之间存在高度相关性：Vignos (r Z 0.91) 和 Brooke (r Z 0.85) 等级、功能独立性测量 (r Z 0.91)、医生 (r Z 0.88) 和物理治疗师 (r Z 0.91) 使用视觉模拟量表评估的残疾总体严重程度。该量表可靠，不需要任何特殊设备，并且深受患者欢迎。正在评估其对变化的敏感性，以允许其用于神经肌肉疾病的临床试验。q 2005 Elsevier B.V. 保留所有权利。
量表，新颖壁ches的高分辨率微生物分析
（2）都柏林三一学院心理学学院（3）都柏林三一学院三一学院神经科学研究所（4）加利福尼亚大学伯克利分校的心理学系伯克利分校的抽象焦虑与额叶执行功能的缺陷有着牢固的联系。然而，尽管焦虑在学习任务方面的表现受损也与焦虑有关，但焦虑症中强化学习（RL）障碍的计算研究却产生了不同的结果。WM过程会导致与RL过程并行的学习行为，并调节有效的学习率随负载的函数。但是，WM过程通常没有在焦虑和RL的研究中进行建模。在当前的研究中，我们利用了一个实验范式（RLWM），该范式使用多个刺激集尺寸来操纵WM和RL过程在增强学习和保留任务中的相对贡献。使用交互式RL和WM过程的计算模型，我们研究了通过RL或WM中的缺陷来影响生理或认知焦虑症的个体差异。升高的生理学，但没有认知，焦虑评分与所有设置大小的学习和保留测试过程中的表现差异很强。在计算上，较高的生理焦虑评分与降低的学习率和WM衰减率提高显着相关。为了强调对WM对学习的贡献的重要性，我们考虑了在没有WM模块的情况下拟合RL模型的效果。在这里，我们发现，在考虑的10个仅RL模型中的9个中的9个中，至少将较高生理焦虑的学习绩效降低至至少部分错误地归因于随机决策噪声。这些发现揭示了在焦虑中学习的双重过程障碍，这与比认知焦虑表型更生理有关。更广泛地说，这项工作还表明，在研究与心理病理学相关的学习缺陷时，会计WM对RL的贡献的重要性。引言我们从世界经验中学习的能力是成功决策和最终生存的关键要素。以及精神病理学的其他方面，焦虑与学习障碍有关，包括学习较慢和表现降低（1）。增强学习模型（RL;（2）已成功地用于研究跨动物和人类学习的认知机制。将这项工作扩展到临床领域，RL模型已用于研究心理病理学对学习的影响（3）。在这里，关于确切的精确