基于SRAM型FPGA网表级电路拓扑资源配置的软错误率评估方法 [ 2016409 ] 周国昌, 高翔, 赖晓玲, 朱琪, 郭阳明
锂硼氢化物储氢材料的最新进展 张文宣, 张欣, 黄振国, 李海文, 高明霞, 潘红鸽, 刘永锋* 张文轩, 张晓燕, 张晓燕博士, 高明贤教授, 潘华光教授, 刘永锋教授 浙江大学硅材料国家重点实验室和材料科学与工程学院,杭州 310027,中国 电子邮件: mselyf@zju.edu.cn 潘华光教授, 刘永锋教授 西安工业大学新能源科技研究院,西安 710021,中国 黄志刚教授 悉尼科技大学土木与环境工程学院,81 Broadway, Ultimo, NSW, 2007,澳大利亚 李华伟教授 合肥通用机械研究院,合肥 230031,中国 关键词: 氢, 储氢, 硼氢化物, LiBH 4 , 热力学, 动力学 摘要 :
摘要 目的 评估不同类型血脂异常个体罹患2型糖尿病(T2DM)的风险,并比较不同血脂参数对T2DM的预测价值。 方法 对中国健康与养老纵向研究(CHARLS)的数据进行二次分析。在基线调查(2011—2012年)中,共访谈17 708名45岁以上个体,采集11 847份血样。在两次随访调查(2013—2014年和2015—2016年)中确认T2DM的结果。通过Cox比例风险回归模型估计T2DM与血脂异常相关的HR和95%CI。通过受试者工作特征(ROC)曲线下面积(AUC)比较八个血脂参数的判别值。 结果 共7329名参与者纳入分析;在平均3.4年的随访期内,387名(5.28%)受试者新发糖尿病。与血脂正常者相比,高胆固醇血症、高甘油三酯血症及低高密度脂蛋白胆固醇(HDL-C)者的2型糖尿病风险显著升高(HR(95% CI)分别为1.48(1.11至1.96)、1.92(1.49至2.46)和1.67(1.35至2.07))。非HDL-C(0.685,95%CI 0.659~0.711)、甘油三酯(TG)(0.684,95%CI 0.658~0.710)、总胆固醇(TC)/HDL-C(0.685,95%CI 0.659~0.712)及TG/HDL-C(0.680,95%CI 0.654~0.706)的AUC均显著(p<0.005)大于其他脂质参数。结论中老年人高甘油三酯血症、高胆固醇血症及低HDL-C是罹患糖尿病的高危人群,非HDL-C、TG、TC/HDL及TG/HDL在预测2型糖尿病发病率方面优于其他脂质参数。
摘要 引言 神经性疼痛是脊髓损伤(SCI)的常见并发症之一,会减慢患者康复进程并导致生活质量下降。既往研究表明,对运动皮层(M1)进行重复经颅磁刺激(rTMS)可减轻SCI后神经性疼痛的平均疼痛程度和最严重疼痛程度。背外侧前额叶皮质(DLPFC)区域是rTMS的常见作用靶区。近期有少数研究发现DLPFC的rTMS可缓解SCI的神经性疼痛。与M1区域相比,DLPFC区域rTMS治疗在改善SCI患者神经性疼痛及疼痛相关症状方面的疗效尚不明确。因此,本研究旨在评估dLPFC vs M1对SCI后神经性疼痛患者进行rTMS治疗的非劣效性,为rTMS治疗SCI后神经性疼痛提供更多选择。方法与分析 招募50例脊髓损伤后神经性疼痛的受试者,随机分为DLPFC-rTMS组和M1-rTMS组,分别接受4周的rTMS治疗。除刺激部位不同外,两组rTMS治疗方案相同:10Hz,1250个脉冲,115%强度阈值,每天一次,每周五次,治疗4周。在治疗前、治疗第二周、治疗第四周和治疗结束后4周评估VAS、简化McGill疼痛问卷、脊髓损伤疼痛数据集、匹兹堡睡眠质量指数和汉密尔顿焦虑量表,并计算VAS变化。 伦理与传播 西南医科大学附属医院伦理委员会批准本次试验,编号为KY2020041。在核实符合纳入标准后,将向所有参与者提供书面知情同意书。研究结果将发表在同行评议出版物上。试验注册号为 ChiCTR2000032362。
青年论坛参与者:Abbas I. Babayev、Ann-Dean Cooper、Anna Mitrofanova、Anna Shenia Hauptmann、Asedria Simoes Ruck、Bat-Anujin Tumurkhuyag、Chethmi Wijewardana、Christopher Misael Agreda Díaz、Curtis Mark、Desislava Pehlivanova、Egorov Kirill、Erkin Özgür、Haitham Ajjeh、Hasting Blowdy、Heather d'Alessio、Henna Siiki、Ivana Todorova、Javier Andrés Chinchilla Padilla、Javier Ng Jing Xuan、Joanne Lunkuse、Juan David SEFAIR MELO、Katarína Saparová、Khalid Shaya M. ALQAHTANI、Lisa Holmås、Lucija Blazan、Mahathir Shamsuddin、Matúš Marec、Maximilian Granser、Megan Cungu、Merve Yetistirici、Michael Schädler、Nicolas Marx、Nidal Oudainia、Pimenova Alexandra Igorevna、Sagar Singh Grewal、Valeryja Polyakova、万新阳、王子晓、万新阳、Yana Zakharyants、Yomna Ahmed Abdel Fattah El Dib、Zeno Roscam Abbing 和王子晓。
完整作者名单:袁鲲鹏;大连理工大学;张晓亮;大连理工大学能源与动力工程学院;常政;大连理工大学能源与动力工程学院;唐大伟;大连理工大学能源与动力工程学院;胡明;南卡罗来纳大学机械工程学院
摘要 目的 本研究旨在评估体质指数 (BMI) 和体脂百分比 (BFP) 是否可用于预测妊娠期糖尿病 (GDM) 患者的妊娠结局。设计回顾性队列研究。地点温州医科大学附属第二医院(中国浙江省)。临床数据通过电子病历收集。参与者回顾性分析了 2019 年 1 月至 2021 年 12 月期间温州医科大学附属第二医院收治的 683 名 GDM 患者的数据。结果测量妊娠结局。结果结果显示,BFP ≥33% 的孕妇更容易出现羊水量异常、血压异常和贫血(p<0.05)。此外,这些患者更容易出现产后出血和巨大儿,以及与分娩时剖宫产相关的危险因素(p<0.05)。 BMI 对血压异常(OR 1.170;95% CI 1.090 至 1.275)、贫血(OR 1.073;95% CI 1.016 至 1.134)、剖腹产(OR 1.150;95% CI 1.096 至 1.208)和巨大儿(OR 1.169;95% CI 1.063 至 1.285)具有很强的预测价值。此外,分类的 BFP 对羊水量异常(OR 3.196;95% CI 1.294 至 7.894)、血压异常(OR 2.321;95% CI 1.186 至 4.545)、贫血(OR 1.817;95% CI 1.216 至 2.714)和剖宫产(OR 1.734;95% CI 1.270 至 2.367)具有预测价值。结论结果表明,BFP ≥33% 的 GDM 患者更容易出现不良妊娠结局、接受剖宫产和患巨大儿。BMI 和分类的 BFP 相结合可以更好地预测 GDM 患者在妊娠中晚期的血压异常和剖宫产。
1 奥本大学兽医学院病理生物学系,阿拉巴马州奥本 36849,美国 2 同济大学生命科学与技术学院,上海,中国 3 德克萨斯 A&M 大学兽医学与生物医学学院兽医整合生物科学系,德克萨斯州大学城 77843,美国 4 上海交通大学医学院上海精准医学研究所、上海市第九人民医院整形重建外科,上海,中国 5 德克萨斯大学里奥格兰德河谷分校医学院南德克萨斯糖尿病与肥胖研究所和人类遗传学系,德克萨斯州布朗斯维尔 78520,美国 6 阿拉巴马农业实验站,阿拉巴马州奥本 36849,美国 7 HudsonAlpha 生物技术研究所,阿拉巴马州亨茨维尔 35806,美国 † 通讯作者:王旭 电话:(334) 844-7511 传真:(334) 844-2618 电子邮件:xzw0070@auburn.edu ORCID:0000-0002-7594-5004 共同作者电子邮件地址:XX,xzx0019@auburn.edu;PBS,psamollow@cvm.tamu.edu,WC,wzc0047@auburn.edu;RM,Richard.Metz@ag.tamu.edu;CZ,zhangchao@shsmu.edu.cn;ACL,ana.leandro@utrgv.edu;JLV,john.vandeberg@utrgv.edu。 运行标题:实验室负鼠的种群遗传学 关键词:Metatheria、有袋动物、SNP 发现、遗传多样性、种群结构
[1] N. Li, T. Chang, H. Gao, X. Gao 和 L. Ge, 纳米技术, 2019, 30, 415601。[2] P. Hasse Palharim、B. Lara Diego dos Reis Fusari、B. Ramos、L. Otubo 和 AC Silva Phocheiram、J. Costa Teitoxeiram光生物学。织物。 ,2022,422,113550。[3] YM Shirke 和 SP Mukherjee,CrystEngComm,2017,19,2096-2105。 [4] D. Nagy、D. Nagy、IM Szilágyi 和 X. Fan,RSC Adv. ,2016,6,33743–33754。 [5] 王晓燕,张红,刘琳,李伟,曹鹏,Mater.莱特。 ,2014,130,248–251。 [6] 顾哲,翟天临,高斌,盛晓燕,王燕,傅华,马英,姚建军,J. Phys.织物。 B, 2006, 110, 23829–23836。 [7] T. Peng, D. Ke, J. Xiao, L. Wang, J. Hu 和 L. Zan, J. Solid State Chem. ,2012,194,250-256。 [8] FJ Sotomayor、KA Cychosz 和 M. Thommes,2018 年,18。[9] M. Gotić、M. Ivanda、S. Popović 和 S. Musić,Mater。滑雪。英语。 B,2000,77,193-201。 [10] H.-F.庞晓燕. 项哲杰.李Y.-Q.傅和 X.-T.祖,物理。 Status Solidi A,2012,209,537–544。 [11] B. Gerand 和 M. Fjglarz,J. Solid State Chem. ,1987,13。[12] C. Hai-Ning,智能窗应用的光学多层涂层的制备和表征,米尼奥大学,2005 年。[13] RF Garcia-Sanchez、T. Ahmido、D. Casimir、S. Baliga 和 P. Physra.,J.织物。 A,2013,117,13825–13831。
青年论坛参与者:Abbas I. Babayev、Ann-Dean Cooper、Anna Mitrofanova、Anna Shenia Hauptmann、Asedria Simoes Ruck、Bat-Anujin Tumurkhuyag、Chethmi Wijewardana、Christopher Misael Agreda Díaz、Curtis Mark、Desislava Pehlivanova、Egorov Kirill、Erkin Özgür、Haitham Ajjeh、Hasting Blowdy、Heather d'Alessio、Henna Siiki、Ivana Todorova、Javier Andrés Chinchilla Padilla、Javier Ng Jing Xuan、Joanne Lunkuse、Juan David SEFAIR MELO、Katarína Saparová、Khalid Shaya M. ALQAHTANI、Lisa Holmås、Lucija Blazan、Mahathir Shamsuddin、Matúš Marec、Maximilian Granser、Megan Cungu、Merve Yetistirici、Michael Schädler、Nicolas Marx、Nidal Oudainia、Pimenova Alexandra Igorevna、Sagar Singh Grewal、Valeryja Polyakova、万新阳、王子晓、万新阳、Yana Zakharyants、Yomna Ahmed Abdel Fattah El Dib、Zeno Roscam Abbing 和王子晓。