XiaoMi-AI文件搜索系统
World File Search SystemEldridge
引用Maclaughlin KJ，Barton GP，Maclaughlin JE，Lamers JJ，Marcou MD，O'Brien MJ，Braun RK和Eldridge MW（2025）100％氧气动员STEM CEL
自1885年第一次使用氧气用于呼吸支持以来，氧气的效用已随着我们对氧剂量机制和生物学作用的理解的演变而不断演变。这些生物学作用之一，干细胞动员，为细胞氧张力在组织愈合和再生中的作用提供了关键机制（Thom等，2006）。随后的研究建立了氧剂量与干细胞动员之间的直接关系（Heyboer等，2014）。通过氧气剂量动员干细胞的机理在骨髓中增加一氧化氮（Goldstein等，2006），导致血管形成加速和伤口愈合（Gallagher等，2006; Milovanova等，2008，2008）。这些论文在2.0 atm的绝对呼吸100％氧（PIO2 = 1,426 mmHg）和2.4 ATM绝对呼吸100％氧气（PIO2 = 1,777 mmHg）上，在2.0 atm氧气的刺激剂量曲线的剂量刺激阶段建立了两个点。氧气的低剂量刺激阶段尚未完全阐明。在我们实验室中进行的一项实验中，首次研究了开始干细胞动员和细胞因子调节所需的最小剂量。该实验表明，在大鼠模型中，干细胞被42％正常氧（PIO2 = 300 mmHg）动员（Maclaughlin等，2019）。随后在2022年的实验室还进行了一个新的实验，建立了一个新的低剂量刺激点为1.27 atm绝对高压空气（PIO2 = 189 mmHg）。这些发现支持低氧水平可以实质上影响干细胞动力学和该研究导致动员的茎祖细胞（SPC）在9次暴露至1.27 ATA高压空气后，在第十次暴露后72小时进一步增加了3倍，不仅立即增加了3倍，这不仅表明即时而且持久效果（Maclaughlin等人，20233）。为了进一步阐明氧气的炎症剂量曲线的低剂量刺激阶段，在本实验中，我们测试了NBO（100％正常医学氧）（PIO2 = 713 mmHg），以进行干细胞动员和炎症细胞因子调节。首次以氧气的氧气和供应渠道不知所措，但最终导致了改善，因此其万维邦的可用性增加了（组织，2021年）。尽管在Covid-19大流行期间使用了氧气，主要是因为其能够为有助于维持足够的血氧水平的肺提供补充氧气，但尚不清楚是否涉及其他机制（即干细胞动员和细胞因子调节）。最近的研究表明，相对较低的氧张力（PIO2）可以产生显着的生物学反应（Maclaughlin等，2019; Maclaughlin等，2023; Miller等，2015; Cifu等，2014）。
企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。EnglishAmerican
我们研究了美国公司使用人工智能技术后劳动力构成和组织的变化。为此，我们利用员工简历和招聘信息数据集的独特组合来衡量公司层面的人工智能投资和劳动力构成变量，例如教育程度、专业化和层级。我们记录了受过高等教育的员工和 STEM 员工初始份额较高的公司在人工智能方面的投资更多。随着公司对人工智能的投资，它们倾向于转向受过更多教育的劳动力，拥有本科和研究生学位的员工比例更高，并且在 STEM 领域和 IT 技能方面的专业化程度更高。此外，人工智能投资与公司层级结构的扁平化有关，初级员工的比例显着增加，中层管理和高级职位员工的比例下降。总体而言，我们的研究结果表明，采用人工智能技术与企业劳动力的重大重组有关。
企业对人工智能技术的投资和劳动力结构的变化EnglishEnglish作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及 Jozef Stefan 研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的有益建议。作者感谢 Cognism Ltd. 提供的就业数据和 Burning Glass Technologies 提供的招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。Englishamerican
∗ 作者感谢 Lucy Eldridge、John Van Reenen（讨论者）、Janis Skrastins（讨论者）以及约瑟夫·斯蒂芬研究所人工智能实验室、劳工和金融会议、NBER CRIW 生产力、技术和经济增长会议、斯坦福大学数字创新实验室和叶史瓦大学的参与者提供的帮助。作者感谢 Cognism Ltd. 提供就业数据，感谢 Burning Glass Technologies 提供招聘信息数据。Peter Tong 和 Derek Luan 提供了出色的研究协助。† 哥伦比亚大学。电子邮件：tania.babina@gsb.columbia.edu。‡ 加州大学伯克利分校。电子邮件：fedyk@berkeley.edu。§ 马里兰大学。电子邮件：axhe@umd.edu。¶ Cognism；AI for Good Foundation。电子邮件：hodson@ai4good.org。