这项实证研究调查了孟加拉语英语与外语(EFL)学习者之间的正念与在线参与之间的关系。采用了一种混合方法方法,结合了来自Langer正念量表(LMS)和在线学生参与量表(OS)的定量数据以及来自开放式响应的定性数据。共有215名大学生参加了这项研究,提供了对他们的正念水平和在线学习的参与的见解。定量分析,包括描述性和回归分析,显示正念和在线参与之间没有显着相关性。可靠性分析表明,尽管OSES对该人群表现出可接受的内部一致性,但LMS的可靠性较差,这引起了人们对孟加拉国EFL学生的有效性的担忧。使用描述性现象学分析了定性数据,这突出了在线学习过程中学生控制源的变化,通常表现为无助和绝望的感觉。参与者报告说,正念做法并不能充分缓解与大流行有关的压力或支持他们的参与。这些发现表明,仅正念可能无法有效地增强学生在非西方环境中的在线EFL环境的参与。该研究要求决策者优先考虑弹性在线学习基础架构,改善互联网的可访问性,并在数字教育环境中纳入对学生福祉的文化敏感方法。
。cc-by 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)
自2024年初以来,H&M Foundation and Laudes基金会一直在合作探索场景,这些场景可以在人群和气候相关的影响下指导孟加拉国的行业发展。该报告是由合作造成的,确定了孟加拉国工业部门的可能方案,以及通过直接赠款和多方利益相关者的合作加速行业过渡的机会。我们认为,该报告可以成为孟加拉国政策制定者,行业领导者,金融行为者和民间社会的指南,以及全球金融,商业和发展合作伙伴中的指南,以告知他们在孟加拉国的计划和贡献。作为慈善基础,我们坚信,过渡不能在孤岛中前进,并且只有通过整体工作(利益相关者群体),并弥合了脱碳和气候适应的范围,它的经济和重要产业才能具有可持续性和竞争力。这是孟加拉国旅程中的关键时刻,我们鼓励所有有兴趣为其做出贡献的人加入我们的努力。
项目实施官员将负责在 LRP 工作区全面实施 LRP 计划。他/她将负责实施 AAB 的其他项目运营,并结合 LRP 活动。他/她将负责规划、预算、实施、监控和监督现场层面的项目活动,并咨询 LRP 协调员,包括财务和人力资源管理。他/她将定期为社区动员者提供支持,以根据 LRP 计划实施不同的活动和创新。他/她将与直线经理、LRP 协调员保持密切联系。他/她将根据 LRP 协调员的指导,代表项目和 AAB 向不同级别的利益相关者/组织进行交流。
推荐用于治疗儿童 JIA 的治疗干预措施包括非甾体抗炎药 (NSAID)、皮质类固醇、非生物抗风湿药 (DMARD) 和生物 DMARD (bDMARD) [ 1 ]。服用 NSAID 和 DMARD 的患者可能保持临床缓解,但一部分患者对这些药物没有反应 (难治性)。生物 DMARD 具有良好的临床效果,但非常昂贵。因此,在孟加拉国这样的发展中国家,难治性 JIA 患者的治疗仍然是一个挑战。JAK 抑制剂是治疗 JIA 有效的新疗法。托法替尼是 JAK 抑制剂的正向选择之一。它是第一代 JAK 抑制剂,主要通过细胞色素 P450 系统在肝脏中代谢 [ 2 , 3 ]。它在治疗类风湿性关节炎方面显示出了极好的疗效 [4,5]。托法替尼具有免疫调节和抗炎特性,可阻止JAK信号转导和转录激活因子 (STAT) 信号通路被激活。这减少了促炎细胞因子的产生以及免疫疾病带来的炎症相关损害 [6]。有证据表明,托法替尼通过阻止人类 CD4 T 细胞产生干扰素和白细胞介素 17 来改变先天性和适应性免疫反应,从而可能在控制滑膜炎方面发挥作用 [7,8]。还有研究显示,这种药物可降低肿瘤坏死因子刺激的成纤维细胞样滑膜细胞中趋化因子的表达 [9]。口服托法替尼后,由于其半衰期短(仅 3 小时),很快被吸收和消除。此外,由于它不是单克隆抗体,因此具有免疫原性风险极小的优势[10]。III 期随机双盲安慰剂对照研究显示,患者的症状和体征、身体功能显著改善,疾病发作减少,临床症状持续改善[11]。2020 年 9 月 28 日,美国食品药品监督管理局(FDA)批准辉瑞公司的靶向合成药物托法替尼用于治疗多关节型幼年特发性关节炎[12]。2019 年 1 月至 2020 年 9 月,我院开展了一项为期 24 周的先导研究,结果发现所有难治性多关节型 JIA 病例经托法替尼治疗后,JADAS 27 均显著改善,70.4% 的病例在 24 周随访时疾病处于非活动性状态[13]。本研究的目的是确定托法替尼治疗一年后难治性 JIA 病例的疗效。
重度抑郁症(MDD)是最常见的致残性精神疾病,其特征是悲伤、快感缺乏、冷漠、易怒、动力丧失、注意力不集中和决策能力下降、行为绝望、认知异常和意志力缺乏[1-3]。世界卫生组织估计,2019 年全球精神疾病负担沉重,其中 2.64 亿人患有抑郁症,4500 万人患有躁郁症。约 5000 万人患有痴呆症,2000 万人患有精神分裂症和其他精神病。这些数据表明精神健康对全球人口产生重大影响。智力障碍和自闭症谱系障碍是儿童和青少年中常见的神经发育问题[4]。它是全球发病率的第二大原因,引起了相当大的公共卫生问题[5]。与一般人群相比,MDD 患者的自杀风险高出近 20 倍 [6]。青春期后,女性患 MDD 的风险是男性的两倍。女性发作的频率往往高于男性,而女性发作时间较长、治疗反应不同或复发率更高 [1,7]。MDD 是一种有多种病因的复杂疾病。虽然精神疾病的确切病因通常仍然未知,但各种理论结合了各种假设。了解这些状况涉及行为、感受、感知和思想,而精神疾病则需要考虑社会标准、文化价值观和宗教习俗 [4]。许多研究已经证明了 MDD 背后存在许多复杂且相互关联的分子通路。所考虑的途径或系统包括应激、炎症、单胺、兴奋性和抑制性神经传递、遗传学、表观遗传学、环境因素、神经营养因子和神经发生、阿片类系统、线粒体功能障碍、髓鞘形成、肠脑轴、下丘脑-垂体 (HPA) 轴等。[8]。糖皮质激素受体功能障碍引起的 HPA 轴过度活跃、神经发生受损和海马体积减少是导致 MDD 的因素。神经营养因子是参与神经元网络的生成、支持和可塑性的生长因子,脑源性神经营养因子 (BDNF) 是神经营养因子成员,属于神经营养因子家族,可激活原肌球蛋白相关激酶 (Trk) 和 p75 受体 [8]。神经营养生长减少(表现为 BDNF 水平低),是导致 MDD 的重要原因 [9]。单胺类物质(尤其是 5-羟色胺 (5-HT)、去甲肾上腺素和多巴胺)水平降低,表明与 MDD 相关的潜在机制 [8]。MDD 患者血液和脑脊液 (CSF) 分析结果表明,促炎细胞因子、炎性细胞因子、趋化因子和可溶性粘附分子水平升高。此外,与健康个体相比,MDD 患者的肿瘤坏死因子-α (TNF- α) 水平也更高 [ 4 ]。另一项研究报告称,MDD 患者血清 IL-3 水平升高,脂质运载蛋白-2 浓度降低 [ 10 ]。Menezes Galvão 等人报告称,与健康对照组 (HC) 相比,MDD 患者的血清皮质醇 (SC) 浓度和血清唾液皮质醇觉醒反应 (CAR) 升高 [ 11 ]。
性和生殖健康与权利(SRHR)旨在通过安全的性经验,生殖自主权和保护基于性别的暴力来提高生活质量。然而,孟加拉国等低收入和中等收入国家的现有SRHR研究和干预措施主要关注妇女,通常低估了男性,并忽略了已婚夫妇所面临的细微差别上下文问题。这项研究通过检查孟加拉国农村和贫困城市地区的新婚夫妇中的SRHR动态来填补这一空白,尤其是专注于婚姻满意度,享受生育能力和生育后的适应机制。在2021年11月至2025年3月的ICDDR管理的四个健康和人口监视系统(HDSS)中采用了预期的队列设计(HDSS),数据收集于2022年12月。在2011年新婚夫妇中,有666人遇到了资格秘密(已婚6个月,初婚,没有怀孕史)。派遣者将在两年期间进行六次定量访谈。此外,对22对夫妇进行了44次深入的定性访谈。人口统计数据表明,丈夫中有很大一部分(农村地区的67.3%,贫困城市地区的71.8%)年龄在20-29岁之间,而大多数妻子(农村地区为67.9%,贫困城市地区的84.8%)是青少年。教育水平各不相同,贫穷的城市丈夫比例较高,缺乏与农村同行相匹配的正规教育(7.2%比3.0%),而妻子之间没有观察到显着差异(0.6%vs 1.0%)。与贫困城市地区(50%)相比,在农村夫妇中安排的婚姻更为普遍(80%)。此外,贫穷的城市参与者往往比农村参与者结婚,而贫穷的城市妻子比农村妻子早(60.4%vs 39.7%)结婚。这项开创性的研究为孟加拉国新婚夫妇的SRHR需求提供了宝贵的见解。这些发现将有助于设计旨在改善SRHR
在孟加拉国生长了许多不同种类的香料。在这些香料中,大蒜是最重要的。尽管每年需要600,000吨大蒜,但孟加拉国仅设法生产约80,000公吨的香料[1]。根据政府的报道,其余部分主要来自印度和中国。每一天都会发现对大蒜的需求有所上升。因此,由于没有足够的供应来满足需求,价格就会更高。诸如孟加拉国农业部报道的2018年的大蒜在2018年的五十至八十塔卡。2019年对大蒜的需求激增。但是,大蒜供应没有变化。价格从2024年到250。以大蒜为例; 2019年1月1日,价格为每公斤80塔卡,但到7月14日,每公斤升至180塔卡。由于其异常行为,因此对这种变化有很大的关注。定价范围表明,增加和减少是零星的。孟加拉国贫穷的人无法承担这笔费用。数据不确定性的非结构化特征为财务预测增加了复杂性。的预测进一步混淆了这样一个事实,即天气,劳动力,储存量,运输和供求比等变量会影响结果。现代AI允许机器模仿人类的行为。使用多种ML算法,M。M。Hasan等。[2]成功消除了洋葱市场的波动,并预测了未来的洋葱价格。在金融中应用机器学习的可能性很大。为了实现这一目标,我们采用了有关大蒜价格的收集数据,我们开发了一些能够预测未来大蒜价格的ML和DL模型。如Geron等人[3]所观察到的,只有一些可用的机器学习工具包括Scikit-Learn,Tensorflow,Matplotlib,Pandas和Numpy。为了使用我们的数据集,使用各种功能选择和特征提取算法。对于第一个模型,使用了DNN。对于第二和第三模型,使用的模型类型是长期记忆(LSTM)模型。最后,第四型模型是LSTM和ML的组合结构,其中LSTM部分仅用于选择特征,而ML算法(如梯度增强回归(GBR),随机森林回归(RFR),线性回归(LR)(LR)都用于训练功能。由于我们将为大蒜每日价格产生预测,因此我们对此进行了监督的学习。根据大蒜市场的给定ML和DL模型,可以在不同来源预测该产品的价格。我们的工作集中在这一目标上。