自 1956 年作为一个学术领域成立以来,人工智能 (AI) 迅速复兴并广泛影响了人们的日常生活 (Russell & Norvig, 2003)。近几十年来,聊天机器人等人工智能驱动的媒体工具以商业成功为许多行业领域注入了活力 (Cheng & Jiang, 2020)。正如 Business Insider ( 2020 ) 预测的那样,聊天机器人市场将以每年 29.7% 的速度增长,从 2019 年的 26 亿美元跃升至 2024 年的 94 亿美元。客户服务是增长最快的行业,使用聊天机器人的年增长率为 31.6%,从 2019 年到 2026 年。基于人工智能的聊天机器人彻底改变了客户体验,并通过使用自然对话与用户互动迅速获得了普及。聊天机器人不仅允许在任何地方通过网站、社交媒体或即时通讯应用程序进行即时对话(Hagberg 等人,2016 年),而且还提供模仿人类语音的定制语言,以提高用户
Moyu Chen 1 † , Yongqin Xie 1 † , Bin Cheng 2* , Zaizheng Yang 1 , Xin-Zhi Li 3 , Fanqiang Chen 1 ,
妊娠期糖尿病 (GDM) 是指妊娠期间新发或首次确诊的糖耐量异常。据报道,全球 12.8% 的孕妇患有 GDM,在中国 GDM 的发病率已达 14.8%,且呈上升趋势 (1)。妊娠期高血压疾病 (HDP) 是一组以妊娠期间血压升高为特征的母体疾病,包括妊娠期高血压、子痫前期和子痫。据报道,全球 HDP 的患病率为 4.6% 至 13.1% (2),在中国孕妇中约为 5% 至 10% (3)。GDM 和 HDP 均与不良出生结局的风险相关,包括新生儿出生体重、早产 (PTB)、前置胎盘、胎膜早破和胎盘早剥。 GDM 的长期并发症包括母亲和后代的肥胖、糖尿病和心血管疾病。HDP 会增加未来冠状动脉疾病和慢性肾脏疾病的风险。GDM 和 HDP 都是妊娠期最常见的并发症。近年来,GDM 和 HDP 的患病率迅速上升。同时患有这两种疾病的孕妇对临床管理提出了巨大的挑战。先前的研究表明 GDM 和 HDP 密切相关,患有 GDM 的女性患高血压和先兆子痫的风险显著增加(4)。GDM 和 HDP 共病可能会进一步增加不良出生结局的风险。然而,先前的研究大多调查了只有其中一种疾病对不良结局的影响。关于 GDM 和 HDP 共病的研究很少,它们之间的相互作用尚不清楚。单一疾病的 GDM 或 HDP 与不良结局之间的关系已经得到充分证实。 GDM 与巨大儿、先兆子痫、低体重出生儿、产伤(肩难产)、呼吸窘迫、剖宫产、新生儿重症监护病房(NICU)和胎儿死亡等不良结局相关(5,6)。HDP 增加早产、死产、小于胎龄儿(SGA)和低体重出生儿的风险(3,7)。PE 显著增加胎盘早剥的风险(8)。研究表明,对于 GDM 合并 PE 的孕妇,妊娠期体重增加过多(GWG)会更明显地增加早产和大于胎龄儿(LGA)的风险(9),并且其 PE 严重程度与 SGA 呈正相关(10),这表明 GDM HDP 的共病可能会对不良出生结局产生显著影响。另一项研究表明糖尿病合并高血压显著增加早产发生率,但该研究中的是慢性糖尿病而非妊娠期糖尿病(11)。英国的一项研究表明妊娠期糖尿病合并妊娠期高血压显著增加LGA和剖宫产的发生率
摘要。可追溯性和透明度是人道主义供应链的关键方面,以确保有效地提供援助。现有的研究强调需要提高可追溯性和透明度,以应对腐败,伪造商品和效率低下的挑战。传统系统通常缺乏有效实现这些目标的必要基础设施和机制。区块链技术提供了独特的功能,可增强人道主义供应链中的可追溯性。本文介绍了一种基于概念区块链的系统,旨在记录和验证人道主义商品和资源的移动,并促进在整个供应链中关键利益相关者的合作。通过增强可追溯性,透明度和利益相关者的协作,该系统可以有助于有效地提供人道主义援助,最终使受影响的社区受益于他们需要的时代。
Hao Zhou a , Bing Zhao a , Cheng Fu b , Ziqi Wu a , Chonggang Wang a , Yun Ding a , Bao-Hang
Na Qin 1* , Cheng Chen 2* , Shiqiao Du 1* , Xian Du 1 , Xin Zhang 3 , Zhongxu Yin 1 , Jingsong Zhou 1 , Runzhe Xu 1 , Xu
Jean Ching-Yi Tien, 1,2 Jie Luo, 1,2,14 Yu Chang, 1,2,14 Yuping Zhang, 1,2,14 Yunhui Cheng, 1,2,14 Xiaoju Wang, 1,2 Jianzhang Yang, 3,4 Rahul Mannan, 1,2 Somnath Mahapatra, 1,2 Palak Shah, 1,2 Xiao-Ming Wang, 1,2 Abigail J. Todd, 1,2 Sanjana Eyunni, 1,2 Caleb Cheng, 1 Ryan J. Rebernick, 1,2 Lanbo Xiao, 1,2 Yi Bao, 1,2 James Neiswender, 5 Rachel Brough, 5 Stephen J. Pettitt, 5 Xuhong Cao, 1,2 Stephanie J.), arul@med.umich.edu (A.M.C.)https://doi.org/10.1016/j.xcrm.2024.101758
L. Lee 3,4 , Shanmei He 2 , Cheng Peng 2 , Ding Pei 1 , Yiwei Li 7 , Chenyue Hao 8 , Haoran Yan 5 , Hanbo Xiao 1 , Han Gao 1 ,