XiaoMi-AI文件搜索系统
World File Search SystemEncounter
在老年人中使用呼吸道合胞病毒疫苗
摘要在2022年6月19日，原始的单价mRNA covid-19疫苗被批准为6个月至4岁的儿童（辉瑞-biontech）和基于安全性，免疫桥梁和临床试验的有限效力数据的6个月至5岁（现代）的主要系列。在2022年12月9日，CDC扩大了向年龄≥6个月儿童使用更新的二价疫苗的建议。在2022年7月4日至2023年6月17日在Covid-19的儿童中，对急诊科或紧急护理（ED/UC）的疫苗有效性（VE）进行了评估，例如6个月至5岁。在6个月至5岁的儿童中，在2022年8月1日至2023年6月17日接受分子SARS-COV-2测试，VE，2个周一的OVALENT Moderna剂量反对ED/UC遭遇的剂量为29％（95％CI = 12％–42％）≥14天后2（Median = Median = 14天后= 100天后= 100天= 100天= 15天25天）。在6个月至4岁的儿童中，患有类似于19岁的疾病，他们在2022年9月19日至6月17日，2023年6月19日接受分子检测，VE为3个单价Pfizer-Biontech剂量为43％（95％ci = 17％–61％）≥14天3（Median 3天后= 75天后= 75天= 75天后）。≥1个二价剂量的有效性，将至少一个完整的初级系列和≥1个二价剂量与未接种儿童进行比较，无论疫苗制造商如何，在6个月至58天的儿童中，有80％（95％CI = 42％–96％）（在6个月至5年）中（IQR = 32-83天）。所有儿童均应使用建议的Covid-19-19疫苗保持最新状态，包括在符合条件的情况下立即启动Covid-19疫苗接种。
遇到微生物之间的主要相互作用
微生物群落的特性从微生物之间的相互作用以及微生物及其环境之间的相互作用出现。在生物体的规模上，微生物相互作用是由细胞或细胞 - 资源相遇引发的多步骤过程。微生物相互作用的定量和合理设计需要量化相遇率。通常可以通过相遇内核来量化遇到的率 - 捕获相遇率对细胞表型的依赖性的数学公式，例如细胞大小，形状，密度或运动性以及环境条件，例如湍流强度或粘度。虽然已经研究了一个多世纪的遭遇内核，但通常在微生物种群的描述中没有足够的意见。此外，仅在少数典型的遭遇场景中才知道内核公式。然而，遇到内核可以通过阐明遭遇率如何取决于关键表型和环境变量来指导实验努力来控制微生物相互作用。遭遇内核还提供了在微生物种群生态模型中使用的参数的物理基础估计。我们通过审查传统和最近确定的内核来描述微生物相互作用的这种面向相互作用的观点，这些内核描述了微生物之间的相遇以及水生系统中的微生物和资源之间的相遇。
遇到微生物之间的主要相互作用
微生物群落的特性从微生物之间的相互作用以及微生物及其环境之间的相互作用出现。在生物体的规模上，微生物相互作用是由细胞或细胞 - 资源相遇引发的多步骤过程。微生物相互作用的定量和合理设计需要量化相遇率。通常可以通过相遇内核来量化遇到的率 - 捕获相遇率对细胞表型的依赖性的数学公式，例如细胞大小，形状，密度或运动性以及环境条件，例如湍流强度或粘度。虽然已经研究了一个多世纪的遭遇内核，但通常在微生物种群的描述中没有足够的意见。此外，仅在少数典型的遭遇场景中才知道内核公式。然而，遇到内核可以通过阐明遭遇率如何取决于关键表型和环境变量来指导实验努力来控制微生物相互作用。遭遇内核还提供了在微生物种群生态模型中使用的参数的物理基础估计。我们通过审查传统和最近确定的内核来描述微生物相互作用的这种面向相互作用的观点，这些内核描述了微生物之间的相遇以及水生系统中的微生物和资源之间的相遇。
遇到微生物之间的主要相互作用
微生物群落的特性从微生物之间的相互作用以及微生物及其环境之间的相互作用出现。在生物体的规模上，微生物相互作用是由细胞或细胞 - 资源相遇引发的多步骤过程。微生物相互作用的定量和合理设计需要量化相遇率。通常可以通过相遇内核来量化遇到的率 - 捕获相遇率对细胞表型的依赖性的数学公式，例如细胞大小，形状，密度或运动性以及环境条件，例如湍流强度或粘度。虽然已经研究了一个多世纪的遭遇内核，但通常在微生物种群的描述中没有足够的意见。此外，仅在少数典型的遭遇场景中才知道内核公式。然而，遇到内核可以通过阐明遭遇率如何取决于关键表型和环境变量来指导实验努力来控制微生物相互作用。遭遇内核还提供了在微生物种群生态模型中使用的参数的物理基础估计。我们通过审查传统和最近确定的内核来描述微生物相互作用的这种面向相互作用的观点，这些内核描述了微生物之间的相遇以及水生系统中的微生物和资源之间的相遇。
技术与跨文化交融的混合空间中的变革性学习潜力
摘要 许多高等教育机构都致力于国际化并将毕业生培养为全球公民，新技术应该为地理上分散的学生创造机会，让他们相遇并发展跨文化技能。然而，我们认为，没有证据表明这些机会得到了充分利用。在本文中，我们利用“第三空间”理论的视角来解释一项国际虚拟交流项目的初步研究数据，探讨了其中的一些原因。我们发现，虽然该项目为批判性跨文化学习提供了一些空间，但这受到与传统课堂第二空间相关的两个关键因素的限制：讲师的技能和态度以及项目目标的不对称。我们最后认为，除非高等教育机构为此类项目提供更肥沃的条件，否则将会错失进一步的跨文化学习机会。
故障认识论与（人工智能）问题：感知、遭遇、主观性
摘要 这篇评论反思了 Leszczynski 和 Elwood 的故障认识论理论，主张从认识论的角度研究地理学中的（人工智能）问题，重点关注感知、遭遇和主观性。这种方法否认了以人工智能或其他“智能”形式推销的技术所具有的本体论地位，而是研究如何在与始终存在差异和不断区分的主体的偶然和情境遭遇中将特定技术视为智能。故障和相关的认识论方法将注意力重新转向对特定类型技术的欲望和期望的不均衡生产，并创造机会从根本上重新构想我们与它们的关系。
COVID-19 辉瑞-BioNTech BNT162b2 mRNA 疫苗在预防 5-17 岁非免疫功能低下的儿童和青少年中与 COVID-19 相关的急诊和紧急护理就诊以及住院治疗方面的有效性 — VISION 网络，10 个州，2021 年 4 月至 2022 年 1 月
在包括 5-11 岁、12-15 岁和 16-17 岁儿童和青少年的临床试验中，BNT162b2（辉瑞-BioNTech）疫苗对实验室确诊的 COVID-19 的有效率超过 90%（1-3）。关于 12-17 岁人群（本报告中称为青少年）两剂 mRNA 疫苗有效性（VE）的有限现实世界数据也表明，对 SARS-CoV-2（导致 COVID-19 的病毒）感染和 COVID-19 相关住院治疗具有高水平的保护作用（4-6）；然而，关于针对 SARS-CoV-2 B.1.1.529（Omicron）变体的 VE 和保护持续时间的数据有限。辉瑞-BioNTech VE 数据不适用于 5-11 岁的儿童。 VISION 网络* 与 CDC 合作，调查了 2021 年 4 月 9 日至 2022 年 1 月 29 日期间在 10 个州患有 COVID-19 样疾病的 5-17 岁人群中的 39,217 次急诊科 (ED) 和紧急护理 (UC) 就诊情况以及 1,699 次住院情况†，§ 使用病例对照检测阴性设计估算 VE。在 5-11 岁的儿童中，第 2 剂接种后 14-67 天（该年龄组第 2 剂接种后最长间隔）经实验室确诊的 COVID-19 相关 ED 和 UC 就诊的 VE 为 46%。在 12-15 岁和 16-17 岁的青少年中，第 2 剂接种后 14-149 天的 VE 分别为 83% 和 76%；第 2 剂接种后 ≥150 天的 VE 分别为 38% 和 46%。在 16-17 岁的青少年中，接种第 3 剂（加强剂量）后 ≥7 天 VE 增至 86%。
在 Delta 和 Omicron 变异株流行期间，第三剂 mRNA 疫苗对成人 COVID-19 相关急诊和紧急护理就诊及住院的有效性 — VISION 网络，10 个州，2021 年 8 月至 2022 年 1 月
近几个月来，对 COVID-19 mRNA 疫苗有效性 (VE) 的估计值有所下降 (1、2)，原因是疫苗诱导的免疫力随着时间的推移而减弱*，SARS-CoV-2 变体可能增强了免疫逃避能力 (3)，或者这些因素与其他因素共同作用。CDC 建议所有年龄 ≥12 岁的人在接种第二剂 mRNA 疫苗 ≥5 个月后接种第三剂 (加强剂) mRNA 疫苗，免疫功能低下的个人则应接种第三剂基础疫苗。† 第三剂 BNT162b2（辉瑞-BioNTech）COVID-19 疫苗可提高中和抗体水平 (4)，以色列最近进行的三项研究表明，第三剂疫苗在预防与 SARS-CoV-2 B.1.617.2（Delta）变体感染相关的 COVID-19 方面具有更高的有效性 (5-7)。然而，关于美国第三剂 COVID-19 mRNA 疫苗在现实世界中的有效性的数据有限，尤其是自 2021 年 12 月中旬 SARS-CoV-2 B.1.1.529（Omicron）变体占据主导地位以来。VISION 网络 § 通过分析来自 383 个急诊科 (ED) 和紧急护理 (UC) 诊所的 222,772 次就诊和来自 87,904 次住院治疗，对 VE 进行了检查
学习人工智能：洞察年轻人如何接触和
南加州大学，创意技术研究所 2,3 eric.greenwald@berkeley.edu，1 mjohnson@ict.usc.edu，2 nwang@ict.usc.edu 3 摘要 人工智能对社会的影响日益普遍。虽然创新教育计划正在开发中，但人们对于学生（尤其是大学前学生）如何构建对人工智能核心思想的理解和实践，或者哪些概念最适合哪个年龄段的了解甚少。在本文中，我们讨论了一项针对初中和高中学生的认知访谈研究，以更好地了解学生如何学习人工智能概念。我们旨在阐明以下问题：学生在遇到人工智能概念时能够运用哪些背景知识和经验；哪些概念最容易获得，哪些概念更具挑战性；学生对人工智能问题有何误解；以及如何帮助学生利用相关概念（如数学和计算思维）来理解人工智能概念。这项探索性研究的结果有可能为大学前青少年的人工智能学习提供重要见解。这些初步发现可以为进一步的研究提供参考，从而将学习和评估的设计建立在循证学习进度和年级水平表现期望的基础上。
用于遭遇建模的代表性小型 UAS 轨迹
随着无人机系统 (UAS) 不断融入美国国家空域系统 (NAS)，需要量化无人机和载人飞机之间空中碰撞的风险，以支持法规和标准的制定。监管机构和标准制定组织都广泛使用了使用飞机飞行概率模型的蒙特卡罗碰撞风险分析模拟。我们之前已经展示了一种开发小型无人机系统 (sUAS) 飞行模型的方法，该方法利用开源地理空间信息和地图数据集来生成具有代表性的低空无人操作。这项工作在之前的研究基础上进行了扩展，评估了开源数据的可扩展性和多样性，以支持当前所需的风险评估。我们还考虑将这些轨迹与生成式载人飞机模型配对，以创建用于蒙特卡罗模拟的相遇。