XiaoMi-AI文件搜索系统
World File Search SystemAltman
一种新型智能鞋，配备传感器，用于量化上下楼梯时脚的位置和间隙
摘要：绊倒和滑倒是导致在楼梯上摔倒的重要因果因素，尤其是对老年人而言。当台阶之间的间隙较小且变化不定时，脚趾或脚跟卡在台阶边缘而导致绊倒的风险会增加。如果脚与台阶接触的面积比例减少且台阶之间的间隙变化不定，则滑倒的风险会增加。为了评估跌倒风险，这些测量通常在步态实验室中使用运动捕捉光电系统进行。这项工作的目的是开发一种配备传感器的新型智能鞋，用于测量真实家庭中楼梯上的脚部位置和脚部间隙。为了验证智能鞋作为评估楼梯跌倒风险的工具，使用相关性和布兰德-奥特曼一致性技术，将 25 名老年人的基于传感器的测量结果与在实验室实验楼梯上进行的脚部位置和间隙测量结果进行了比较。结果表明，传感器和运动分析之间的脚部位置（r = 0.878，p < 0.000）和脚部间隙（r = 0.967，p < 0.000）具有良好的一致性和很强的正线性相关性，这有望将当前原型推进为测量现实生活中楼梯跌倒风险的工具。
时间地理 - 鲁斯莫斯
身边有如此多乐于助人、知识渊博的学生、同事和朋友，以至于我很难知道我的想法从何而来，他们的想法又从何而来。请允许我特别感谢其中几位。我非常感谢以下人士慷慨地为本书提供见解和故事：Neil Altman、Stephen Buggie、Kris Eyssell、Alex Gonzalez、Eric Hickey、James Jones、已故的 William Kir-Stimon、Shirley Kirsten、Todd Martinez、Kuni Miyake、Salvatore Niyonzima、Harry Reis、Suguru Sato、Jean Traore、Fred Turk 和 Jyoti Verma。在我的大学里，Sergio Aguilar-Gaxiola、Jean Ritter、Aroldo Rodrigues 和 Lynnette Zelezny 是不可或缺的信息和支持来源。在许多帮助过我的同事中，我要感谢 Rick Block、Richard Brislin（他的教诲是第 9 章的灵感来源）、Edward Diener 和 Harry Triandis，感谢他们关于时间和/或文化主题的教诲，感谢他们愿意回应我对数据和信息的多次请求。我无法充分表达 Phil Zimbardo 的持续支持——他不仅是社会心理学领域最鼓舞人心的老师，而且可能是最伟大的人。我感谢札幌医科大学的 Suguru Sato 和 Yoshio Sugiyama、斯德哥尔摩大学的 Lars Nystedt 和 Anna 和 Hannes Eisler，以及
测试“标题” - 哈佛商学院
我们感谢以下人士提供的有益讨论、评论和见解：Edward Altman、William Baldiga、Ben Branch、David Brown、Victor CaruLso、Stephen Case、Linda DeAngelo、Harry DeAngelo、Ben Esty、Jocelyn Evans、Alan Fragen、Max Holmes、Paul Kazarian、Ken Klee、Thomas Mayer、Harvey Miller、Lynn LoPuLcki、Robert Parrino、Jim Sebenius、Bob Taggart、Sheridan Titman、J. Ronald Trost、Skip Victor、Ben Waisbren、Elizabeth Warren、Jeff Werbalowsky、Peter Wilson、一位匿名审稿人以及 1998 年 UT/SFS 公司财务会议、1998 年哈佛大学财务决策与控制研讨会、1998 年财务管理协会会议、美国证券交易委员会、波士顿学院、Charles River Associates、佛罗里达大学、哈佛法学院、伊利诺伊大学、马萨诸塞大学、罗格斯大学和弗吉尼亚大学（法学院和商学院）。Gilson 和 Ruback 感谢海瓦德商学院研究部提供的资金支持。通讯地址：Edith Hotchkiss，财务系，卡罗尔管理学院，波士顿学院，富尔顿厅，栗树山，马萨诸塞州 02467-3808，或发送电子邮件至 hotchkis@bc.edu。
文章人工智能 (AI) 驱动的磨牙角度测量可预测全景 X 光片上的第三磨牙萌出
摘要：所提出的人工智能 (AI) 工具的目的是自动分割全景 X 光片上的下颌磨牙并提取磨牙方向，以预测第三磨牙的萌出潜力。总共使用 838 张全景 X 光片进行网络的训练 (n = 588) 和验证 (n = 250)。具有 ResNet-101 主干的全卷积神经网络联合预测了磨牙分割图和方向线估计值，然后通过对分割轮廓的近中和远中侧进行回归迭代细化。准确度被量化为与人类参考测量值相比的正确角度 (具有预定义的误差间隔) 的分数。使用 Bland-Altman 图直观地评估网络和参考测量值之间的性能差异。自动磨牙分割的定量分析导致平均 IoU 约为 90%。第一和第二磨牙的平均 Hausdor ffi 距离最小。网络角度测量的准确度达到 79.7% [ − 2.5 ◦ ; 2.5 ◦ ] 和 98.1% [ − 5 ◦ ; 5 ◦ ]，同时临床上显著减少了 53% 以上的用户时间。总之，本研究验证了一种独特的新型 AI 驱动工具，可快速、准确、一致地自动测量全景 X 光片上的磨牙角度。为牙科医生提供精确的 AI 工具将促进和优化牙科护理，并协同提高诊断准确性。
经颅超声检查与计算机断层扫描对创伤性脑损伤患者中线移位的评估比较
背景：大脑中线移位 (MLS) 是通过计算机断层扫描 (CT) 成像诊断的重要临床发现，而经颅超声 (TCS) 可帮助在床边诊断 MLS 并促进干预以改善结果。该研究旨在发现基于 TCS 和 CT 的创伤性脑损伤 (TBI) 患者 MLS 评估之间的关联。患者和方法：我们纳入了所有中度至重度 TBI 的成年患者，不限性别，年龄在 18 至 65 岁之间，在 3 个月内接受全身麻醉下颅内手术。借助格拉斯哥昏迷量表 (GCS) 和格拉斯哥昏迷量表-瞳孔 (GCS-P) 评分评估意识。我们使用 CT 扫描和 TCS 计算 MLS。使用 Bland Altman 图以及 Pearson 和 Spearman 系数检验。结果：本研究共分析了 17 名患者。使用 TCS 时 MLS 为 0.52 ± 0.90 厘米，使用 CT 扫描时 MLS 为 0.58 ± 0.39 厘米。TCS 和 CT 成像测量的 MLS 差异的 Pearson 相关系数 (r2) 为 0.002 (p<0.05)。结论：经颅超声检查可以检测出 TBI 患者的 MLS，前提是 TCS 和 CT 扫描的 MLS 测量之间使用最小时间窗口。关键词：计算机断层扫描、超声检查、创伤性脑损伤。印度重症监护医学杂志 (2023)：10.5005/jp-journals-10071-24376
非侵入式血糖仪系统的设计与开发
摘要：新冠肺炎疫情的爆发已引起公共卫生问题，其影响在全世界范围内对患有糖尿病等非传染性疾病（一种危及生命的疾病）的人群产生了越来越大的影响。诊断和监测系统有限的低收入国家的个人需要持续和定期的血糖监测。侵入式或微创血糖监测已被广泛使用，准确度高，但感染和并发症的风险很高。非侵入式监测技术至关重要，并在全球范围内受到推荐，它有可能提高安全性并减少血糖控制的工作量。本研究介绍了一种非侵入式 GSM（血糖筛查测量）模块血糖仪的设计、开发和评估分析，该血糖仪使用波长为 1550nm 的近红外传感器作为发射器，通过指尖传输，并使用 ATMega38 微控制器作为控制器来确定人体血液中的血糖水平。调查共招募了 40 名受试者。使用 Bland 和 Altman 分析、并发效度和可靠性分析评估了重复性、有效性和可靠性。使用通过和 Boblok 回归分析进一步评估统计意义。重复性显示无显著差异，置信区间为 95%，偏差为 0.6895。使用回归分析，线性关系显示一致性为 99.72%，可靠性为 99.9%。这项研究表明，使用非侵入式 GSM 模块血糖仪测量血糖可有效增强糖尿病胰岛素治疗中的患者监测。
大学生就业报告
AARMY ABG 波士顿 埃森哲** ACE 探险度假村 Aciron Consulting Inc. 美国国际集团 Alfred Allspring 全球投资 Alpha Financial Markets Consulting AlphaSights* Altman Solon 亚马逊** 美国银行 Amerione Accounting Aon Armanino LLP Ayco，高盛旗下公司 Backroads 贝恩公司* 中国银行 BCT Financial Ltd & Bank Consortium Trust Co Ltd BDO USA LLP 贝莱德* 纽约梅隆银行 BOND Brothers, Inc. Borovick Analytics Group 波士顿开发商 Boston Partners Global Investors, Inc. 波士顿科学 Botwinick & Company, LLC Bowery* Brave Up Brean Capital, LLC* Bree Technologies Brighthouse Financial Brookfield Asset Management Brown Brothers Harriman Buzz Solutions Inc. C3 AI CA Fan Tuan Inc. CAC 汽车集团 Cantor Fitzgerald* 凯捷美国公司 卡莱尔公司 Carta CBRE 投资管理* CDK Global Centercourt Sports - Mt. Olive 训练设施 Centerforce USA Century 21 Cityside Chappuis Halder 中国国际金融有限公司 Chobani Chronograph Citizens Bank* Code Ninjas CommonWealth Partners Con Edison Clean Energy Businesses Converse Corbin Advisors Corcoran Sunshine Marketing Group Cossette Media Credit Suisse Crowe LLP CVS Health DR Horton DAS42 Datadog DBRS Morningstar
通过酶促和HPLC方法比较HBA1C估计
引言和目标：有一些HBA1C估计方法取决于糖化血红蛋白的不同物理，化学，免疫学特征。已经开发了许多分析技术，用于评估糖尿病（DM）中的HBA1C，包括免疫尿路二仪，硼酸盐亲和力色谱，酶试验和高性能液相色谱（HPLC）免疫测定。值得注意的是，不同的估计方法可能会产生不同的结果。本研究旨在进行和比较两种分析技术（特别是酶法方法和HPLC方法），以观察和分析同一样品中结果的任何变化。材料和方法：这是一项涉及100个EDTA样品的观察横截面研究。这项研究重点是使用两种不同的方法进行HBA1C分析：Atellica CH 930酶促血红蛋白A1C（HBA1C_E）来自西门子卫生仪和来自Bio-Rad Laboratories的阳离子交换HPLC HPLC。结果：两种方法之间观察到了强大的鲁棒相关性，这是Pearson系数为0.983的。平淡的Altman图显示了两种技术之间的高度一致性，其中95％的值落在±SD（标准偏差）之内，表明一致性很强。结论：这项研究确定，Atellica CH 930酶促血红蛋白A1C（HBA1C_E）和阳离子交换HPLC均为HBA1C产生了可比的结果。因此，两种分析技术均被认为适用于有效治疗糖尿病。关键词：糖尿病，糖化血红蛋白，高性能液相色谱，血红蛋白A1c通过酶法方法。印度医学生物化学杂志（2023）：10.5005/jp-journals-10054-0223
矿业企业财务困境因素分析
自 20 世纪 60 年代以来，破产和财务困境研究一直是研究最深入的课题之一，由爱德华·奥特曼 (Edward Altman) 开创，他使用会计比率来评估公司的财务健康状况。这项研究利用财务、宏观经济和公司特定因素来检查公司财务健康分类的变化。通过在利马证券交易所 (Bolsa de Valores de Lima - BVL) 上市的 11 家矿业公司样本上部署广义有序 logit 模型，我们发现杠杆率、盈利能力、经济增长、公司规模和利率对公司留在三个财务健康组之一或从其中移出的概率有显著影响。研究发现，借贷成本对企业财务困境有显著影响，秘鲁矿业公司自然受到保护，免受不利利率波动的影响，这反映了它们的对冲能力。这项研究的结果扩展了当前的文献综述，并与 Sierpi ń ska (2021)、Van 等人提出的结果一致。 （2021 年）以及 Bo ď a 和 Úradní č ek（2016 年）。关键词：采矿、Altman-Z、财务困境、破产、广义有序 Logit 回归、公司破产、早期破产检测、主动困境检测、金融监管、公司财务和治理作者个人贡献：概念化——SM 和 LAS；方法论——SM；软件——SM；验证——LAS；形式分析——SM；调查——SM；资源——SM；数据管理——SM；写作——原始草稿——LAS；写作——审查和编辑——SM 和 LAS；可视化——SM 和 LAS；监督——LAS 利益冲突声明：作者声明不存在利益冲突。
计算机视觉系统的有效性和可靠性，以确定条形位移和速度
这项研究研究了基于视频的智能手机应用程序（VBA）的有效性和可靠性，以测量杠铃卧推，后蹲和硬拉中的位移和速度。九个受过训练的受试者（三个女性；六个男性；年龄：24.2±4.2岁；身高175.8±8.1 cm；体重87.2±18.2kg）完成了两个用于杠铃板凳，后蹲，后蹲和隔光度的测试重度课程。卧推，后蹲和硬拉完成了八次重复，重量为40kg，并以快速和缓慢的速度完成。杆位移和平均速度。通过Pearson的产品矩相关系数（R），类内相关系数（ICC）和Bland-Altman图，对VBA的有效性和可靠性进行了分析。位移数据显示出中度至几乎完美的相关性（r = 0.43- 0.94），并且中度至优异的可靠性（ICC = 0.67-0.98）和Bland-Altman图显示了很小的偏见（<2cm）。平均速度数据显示出很大至几乎完美的相关性（r = 0.67-0.95），并且良好至优异的可靠性（ICC = 0.79-0.94），而Bland-Altman揭示了很小的偏见（<0.06 m/s）。与MC的黄金标准测量相比，这项研究中检查的VBA既有效又可靠。这些结果提供了证据表明，在快速和较慢的运动速度下，VBA可以用于卧推，后蹲和硬拉的位移和平均速度的跟踪。