XiaoMi-AI文件搜索系统
World File Search System队列
大量2型糖尿病患者队列中的肝细胞癌
目的：阐明2型糖尿病（DM2）中肝细胞癌（HCC）的当前负担，重点是相关的临床决定因素。方法：糖尿病和普通人群中HCC的发病率是根据区域行政和医院数据库计算的。通过随访研究评估了该疾病的潜在决定因素。结果：在DM2人群中，每年每10,000例导致8.05例。此速率是普通人群的三倍。137,158例DM2和902 HCC患者进行了研究。 HCC患者的存活率是无癌糖尿病对照的1/3。 年龄，男性性别，酗酒，先前的病毒肝炎B和C，肝硬化，低血小板计数，GGT/ALT升高，BMI和HBA1C水平较高与HCC发生有关。 糖尿病疗法与HCC发育无关。 结论：与普通人群相比，DM2中HCC的发病率远远超过三倍。 这些数字高于先前证据所期望的数字。 与已知的肝病危险因素（例如病毒和酒精）并行，胰岛素抵抗特征与HCC的概率更高有关。137,158例DM2和902 HCC患者进行了研究。HCC患者的存活率是无癌糖尿病对照的1/3。年龄，男性性别，酗酒，先前的病毒肝炎B和C，肝硬化，低血小板计数，GGT/ALT升高，BMI和HBA1C水平较高与HCC发生有关。糖尿病疗法与HCC发育无关。结论：与普通人群相比，DM2中HCC的发病率远远超过三倍。这些数字高于先前证据所期望的数字。与已知的肝病危险因素（例如病毒和酒精）并行，胰岛素抵抗特征与HCC的概率更高有关。
帕金森氏病队列中的认知和运动学习
帕金森氏病患者的运动学习受损通常归因于执行功能的缺陷，这是支持运动学习的重要认知过程。但是，对其他认知领域的作用及其与帕金森氏病中运动学习的关系知之甚少。这项研究的目的是调查帕金森氏病个体的运动学习与多个认知表现的多个领域之间的关联。帕金森氏病的29名参与者接受了全面的神经心理学测试，然后进行了双重手指序列任务。手指序列任务的保留测试已于24小时后完成。分层线性回归用于检查五个特定的认知领域的运动学习（采集率和保留率）与认知表现之间的关联，同时控制年龄，性别和帕金森氏病的年龄诊断。我们发现，在帕金森氏病患者中，较高的获取率与更好的情节记忆有关，特别是在视觉情节记忆中更好的回忆。
呼吸系统疾病相关肺动脉高压患者的多机构前瞻性队列研究
收到日期：2020 年 9 月 8 日；修改稿收到日期：2020 年 11 月 24 日；接受日期：2020 年 11 月 26 日；J-STAGE 预发表于 2021 年 2 月 2 日在线发布 初审时间：38 天 千叶大学医学院呼吸内科，千叶（NT、SS、K. Tatsumi）；西生会习志野医院肺动脉高压中心，习志野（NT）；东京大学医学院医疗质量评估系，东京（H. Kumamaru）；东京国际医疗福祉大学三田医院肺动脉高压中心（YT）；濑户东正综合医院呼吸内科和过敏科（HT、TK、YK）；神户药科大学临床药学系，神户（NE）；日本铁路东京综合医院胸腔医学科，东京（YY、K. Tanaka）；近畿大学医学院呼吸内科和过敏科，大阪（ON）；北海道大学医院第一医学部，札幌（IT、HO、MN）；长野红十字医院呼吸内科，长野（H. Kuraishi）；神户大学医学院内科呼吸内科（Y. Nishimura）；东京日本医学院医学院肺循环和呼吸衰竭高级医学科和呼吸内科，东京（H. Kimura）；日本抗结核协会（JATA）福寿寺医院呼吸内科，东京（H. Kimura）；（脚注续下页。）
海军 STP 技术指南/2021-22 海军 STP 队列
公司：IERUS Technologies, Inc. 地点：阿拉巴马州亨茨维尔 主题：N201-079 技术类别：先进电子学 第二阶段 提案标题：极其精确的星体跟踪器 SYSCOM：SSP FST 事件：WEST 2023 摘要：IERUS Technologies 和阿拉巴马大学亨茨维尔分校联手转化了由 NASA 喷气推进实验室 (JPL) 开发的焦平面计量技术。该技术能够高精度地定位焦平面阵列中的像素。事实证明，这种技术与精密望远镜相结合，可以测量焦平面上恒星的位置，精度优于 100 毫角秒。热分析表明，预期的环境不会使精度降低到这个极限以下。光学分析表明，标称设计将提供衍射极限性能。关键词：成像、计量、卫星、空间、可见光传感器、星跟踪器、焦平面阵列、干涉测量法 POC：Stephen Fox，stephen.fox@ierustech.com NAICS：541712
整个HCP队列中白质的与性别相关的变异性
1。Archer J.人类心理性别差异的现实和进化意义。Biol Rev Camb Philos Soc。2019年8月; 94（4）：1381–415。2。Hyde JS。 性别相似性假设。 am Psychol。 2005; 60（6）：581–92。 3。 giudice MD，Booth T，IrwingP。火星与金星之间的距离：测量全球性别差异。 PLOS ONE。 2012年1月4日； 7（1）：E29265。 4。 van Essen DC，Smith SM，Barch DM，Behrens Tej，Yacoub E，Ugurbil K等。 Wu-Minn Human Connectome项目：概述。 神经图像。 2013年10月15日; 80：62–79。 5。 Avants BB，Epstein CL，Grossman M，Gee JC。 与交叉相关的对称差异图像注册：评估老年人和神经退行性大脑的自动标记。 MED图像肛门。 2008年2月; 12（1）：26–41。 6。 Descoteaux M，Angelino E，Fitzgibbons S，DericheR。正规化，快速和可靠的分析Q-Ball成像。 登录元。 2007年9月; 58（3）：497–510。 7。 Koch MA，Norris DG，Hund-Georgiadis M.使用磁共振成像研究功能和解剖连通性的研究。 神经图像。 2002年5月1日; 16（1）：241–50。 8。 Guevara P，Poupon C，RivièreD，Cointepas Y，Marrakchi-Kacem L，Descoteaux M等。 使用两级聚类策略推断Hardi Fiber束地图集。 2010年1月1日; 13：550–7。 9。 （计算机科学中的讲义）。Hyde JS。性别相似性假设。am Psychol。2005; 60（6）：581–92。3。giudice MD，Booth T，IrwingP。火星与金星之间的距离：测量全球性别差异。PLOS ONE。 2012年1月4日； 7（1）：E29265。 4。 van Essen DC，Smith SM，Barch DM，Behrens Tej，Yacoub E，Ugurbil K等。 Wu-Minn Human Connectome项目：概述。 神经图像。 2013年10月15日; 80：62–79。 5。 Avants BB，Epstein CL，Grossman M，Gee JC。 与交叉相关的对称差异图像注册：评估老年人和神经退行性大脑的自动标记。 MED图像肛门。 2008年2月; 12（1）：26–41。 6。 Descoteaux M，Angelino E，Fitzgibbons S，DericheR。正规化，快速和可靠的分析Q-Ball成像。 登录元。 2007年9月; 58（3）：497–510。 7。 Koch MA，Norris DG，Hund-Georgiadis M.使用磁共振成像研究功能和解剖连通性的研究。 神经图像。 2002年5月1日; 16（1）：241–50。 8。 Guevara P，Poupon C，RivièreD，Cointepas Y，Marrakchi-Kacem L，Descoteaux M等。 使用两级聚类策略推断Hardi Fiber束地图集。 2010年1月1日; 13：550–7。 9。 （计算机科学中的讲义）。PLOS ONE。2012年1月4日； 7（1）：E29265。4。van Essen DC，Smith SM，Barch DM，Behrens Tej，Yacoub E，Ugurbil K等。Wu-Minn Human Connectome项目：概述。神经图像。2013年10月15日; 80：62–79。5。Avants BB，Epstein CL，Grossman M，Gee JC。与交叉相关的对称差异图像注册：评估老年人和神经退行性大脑的自动标记。MED图像肛门。2008年2月; 12（1）：26–41。6。Descoteaux M，Angelino E，Fitzgibbons S，DericheR。正规化，快速和可靠的分析Q-Ball成像。登录元。2007年9月; 58（3）：497–510。 7。 Koch MA，Norris DG，Hund-Georgiadis M.使用磁共振成像研究功能和解剖连通性的研究。 神经图像。 2002年5月1日; 16（1）：241–50。 8。 Guevara P，Poupon C，RivièreD，Cointepas Y，Marrakchi-Kacem L，Descoteaux M等。 使用两级聚类策略推断Hardi Fiber束地图集。 2010年1月1日; 13：550–7。 9。 （计算机科学中的讲义）。2007年9月; 58（3）：497–510。7。Koch MA，Norris DG，Hund-Georgiadis M.使用磁共振成像研究功能和解剖连通性的研究。神经图像。2002年5月1日; 16（1）：241–50。 8。 Guevara P，Poupon C，RivièreD，Cointepas Y，Marrakchi-Kacem L，Descoteaux M等。 使用两级聚类策略推断Hardi Fiber束地图集。 2010年1月1日; 13：550–7。 9。 （计算机科学中的讲义）。2002年5月1日; 16（1）：241–50。8。Guevara P，Poupon C，RivièreD，Cointepas Y，Marrakchi-Kacem L，Descoteaux M等。使用两级聚类策略推断Hardi Fiber束地图集。 2010年1月1日; 13：550–7。 9。 （计算机科学中的讲义）。使用两级聚类策略推断Hardi Fiber束地图集。2010年1月1日; 13：550–7。9。（计算机科学中的讲义）。MED图像计算计算辅助间隔MICCAI INT CONC MED MED MED IMAGE计算计算辅助间隔。Campello RJGB，Moulavi D，Sander J.基于层次密度估计的基于密度的聚类。in：PEI J，Tseng VS，Cao L，Motoda H，Xu G，编辑。知识发现和数据挖掘的进步。柏林，海德堡：施普林格； 2013年。 160–72。10。Zhang H，Schneider T，Wheeler-Kingshott CA，Alexander DC。 noddi：实用的体内神经突导向分散和人脑的密度成像。 卷。 61，神经图像。 2012。 1000–16。Zhang H，Schneider T，Wheeler-Kingshott CA，Alexander DC。noddi：实用的体内神经突导向分散和人脑的密度成像。卷。61，神经图像。2012。 1000–16。
队列环境中非自动驾驶车辆变道行为分析
摘要 分析自动驾驶车辆与手动车辆之间的相互作用对于分析自动协同驾驶环境的性能非常重要。特别是，自动驾驶车辆编队会影响相邻手动车辆的驾驶行为。本研究旨在分析自动驾驶车辆编队环境中手动车辆的换道行为，并分三个阶段进行实验和问卷调查。第一阶段，进行视频问卷调查，调查手动车辆的响应行为。第二阶段，进行驾驶模拟器实验，调查自动驾驶车辆编队环境中的换道行为。为了分析手动车辆的换道行为，使用了换道持续时间和加速噪声等交通流稳定性指标。比较了不同自动驾驶车辆市场渗透率（MPR）和人为因素下的手动车辆驾驶行为。最后，使用 NASA-TLX（NASA 任务负荷指数）评估手动车辆驾驶员的工作负荷。分析结果表明，手动车辆驾驶员在自动驾驶车辆队列环境中驾驶时存在心理负担。当自动驾驶车辆的 MPR 增加时，车道变换持续时间更长，对于 30-40 岁或女性驾驶员，加速噪音会增加。本研究结果可作为更真实的交通模拟的基础，反映自动驾驶车辆和手动车辆之间的相互作用。预计它还将有效支持在自动驾驶车辆环境中建立有价值的交通管理策略。
英国队列中心房颤动的电子健康记录关联研究
背景：心房颤动 (AF) 会造成巨大的医疗负担，包括住院治疗和 AF 相关并发症，如中风和心力衰竭。我们进行了一项电子健康记录范围的关联研究，以确定新发 AF 前后最常见的医疗使用原因。方法：前瞻性队列研究，使用英国临床实践研究数据链 (1998 – 2016) 中 560 万患者的相关电子健康记录。对 AF 患者及其年龄和性别匹配的对照者进行了一项队列研究，以比较频繁住院和初级会诊的 100 个主要原因。结果：在 199,433 名罹患 AF 的患者中，我们发现最常见的医疗保健互动是心脏、脑血管和外周血管疾病，既包括 AF 诊断前（二级护理中 41/100 的疾病，如脑梗塞和瓣膜疾病；初级护理中 33/100 的疾病），也包括 AF 诊断后（住院治疗中 47/100 的疾病和初级护理中 48 的疾病）。癌症和影响多器官系统的感染重复就诊的比例很高。我们发现了 10 种尚未与 AF 相关的新疾病：叶酸缺乏症、全血细胞减少症、特发性血小板减少性紫癜、脂溢性皮炎、淋巴水肿、血管性水肿、咽喉反流、肋骨骨折、出血性胃炎、炎性多发性神经病。结论：我们的全国数据提供了知识，并更好地了解了 AF 患者的临床需求，这表明：(i) AF 风险较高的群体，筛查可能更具成本效益；(ii) 新发 AF 后出现的潜在并发症可以通过实施综合综合护理管理和更个性化、量身定制的治疗来预防。临床试验注册：NCT04786366
糖尿病患者的收缩压和心血管风险：一项前瞻性队列研究
研究设置和参与者我们使用了CPRD的前瞻性收集的EHR数据，该数据已验证用于流行病学研究。8,11,12 CPRD数据库包含回顾性的匿名患者数据，覆盖了约7％的英国人口，并且在性别，年龄和种族方面通常被认为是代表性的。英国CPRD独立科学咨询委员会给予了这项工作的批准。我们使用了来自3个资源的EHR数据，在其中确定了49000名患有流行糖尿病的人群：初级保健，二级护理（医院发作统计）和国家统计局（因原因死亡率）。我们包括50至90岁之间的人，在1990年至2005年之间进行了至少1个BP的测量。与先前关于BP的研究一致，研究条目（IE，基线）定义为这段时间内首次测量的日期。13–15，我们确定使用经过验证的表型方法在研究进入时患有糖尿病。表S1中提供了用于识别糖尿病的代码的完整列表。11,16与以前的阶段 - 生物学研究一致，研究进入前的心力衰竭患者被排除在研究之外。1
单剂量SARS-COV-2疫苗在Covid-19患者的前瞻性队列中
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
采用队列设计的 COVID-19 疫苗有效性研究中的偏差
关于 COVID-19 疫苗有效性 (VE) 的观察性研究提供了关键的真实世界数据，为全球公共卫生政策提供了信息。这些研究主要使用预先存在的数据源，对于评估不同人群的 VE 和制定可持续的疫苗接种策略至关重要。队列设计经常用于 VE 研究。在 COVID-19 大流行期间，疫苗接种运动的快速实施引入了受社会人口差异、公共政策、感知风险、健康促进行为和健康状况影响的差异性疫苗接种，可能导致健康用户偏见、健康疫苗接种效果、虚弱偏见、易感性差异耗竭偏见和适应症混杂等偏见。医疗保健系统的巨大负担加剧了数据不准确的风险，导致结果分类错误。此外，大流行期间使用的大量诊断测试也导致了错误分类偏差。急于发表可能进一步影响了这些偏见或导致对其的疏忽，从而影响了研究结果的有效性。研究中的这些偏见因环境、数据来源和分析方法的不同而有很大差异，并且由于数据基础设施不足，在中低收入国家 (LMIC) 环境中可能更为明显。解决和减轻这些偏见对于准确估计 VE、指导公共卫生战略和维持公众对疫苗接种计划的信任至关重要。透明地沟通这些偏见并严格改进未来观察性研究的设计至关重要。