XiaoMi-AI文件搜索系统
World File Search SystemEze
![文章标题：在药物重新使用中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Ber](/simg/2/2867641feba13bf24711be4221be8a75a718a686.webp)
文章标题：在药物重新使用中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Ber
文章标题：药物重新培训中的机器学习和人工智能 - 挑战和观点作者：Ezequiel Anokian [1]，Judith Bernett [2]，Adrian Freeman [3]，Markus List [2]，LucíaPrietoSantamaría[4]，Auntorrarhman Tanoli [4] Bonnin [1]分支机构：发现与转化科学（DTS），Clarivate Analytics，巴塞罗那（西班牙）[1]，《系统生物学数据科学》，慕尼黑技术大学，慕尼黑技术大学，德国（德国）[2] Biopharmaceuticals R＆D，阿斯利康，剑桥（英国）[3]，EscuelaTécnicasuperior de gegenierossismorlosinformáticos，Madrid大学（西班牙）大学（西班牙） （FIMM），Hilife，Hilife，赫尔辛基大学（芬兰），Bioicawtech，赫尔辛基（芬兰）[5] [5] Orcid ID：0000-0003-0694-1867 [1] [1]，0000-0001-501-5812-8013 [2] 0000-0002-0941-4168 [2], 0000-0003-1545-3515 [4], 0000-0003-2435-9862 [5], 0000-0001-5159-2518 [1] Contact e-mail: Sarah.bonnin@clarivate.com Journal: Drugrxiv review statement:手稿目前正在审查中，应由酌处权对待。手稿提交日期：2024年3月12日关键字：机器学习，神经网络，人工智能，药物repurost
引用Ezenarro JJ，Al Ktash M，Vigues N，Gordi JM，Muñoz-Berbel X和Brecht M（2025）通过
致病细菌造成许多医疗保健和安全问题，包括传染病（He等，2023），食物中毒（Hussain，2016年）和水污染（Some等，2021）。由于其感染性和快速增殖，需要快速，准确的细菌检测和鉴定方法，以减少决策的时间段，从而最大程度地减少医疗保健风险，生态系统影响以及与微生物病原体相关的经济损失。基于琼脂平板上细菌细胞培养的病原体检测和鉴定已经存在不同的方法（Van Belkum和Dunne，2013年），免疫学检测（例如，酶联免疫吸附测定法） ），DNA微阵列（Colle等，2003），生物传感器（Boehm等，2007; Ahmed等，2014），或使用特定试剂敏感的使用，例如，细菌代谢（Ghatole et al。，2020; Hsieh等人，2018年）或lie of eDeNos of AdeNose（Et） ），等（Chen等，2018； Dietvorst等，2020）。然而，由于其简单性，低成本，稳健性和可靠性，传统的板块培养方法仍然是病原体检测和识别的金标准（Rohde等，2017），是细菌污染评估法规中的一种（Word Health Organisation，2017年）。实际上，板培养涉及琼脂平板的细菌生长，直到可以观察到单克隆菌落的形成为止。因此，板块培养在某种程度上容易受到人类错误的影响。菌落在形态，颜色，光泽和不透明度上等等，在仔细观察之后，有时在显微镜下，专家可以区分专家。除此之外，这项技术的主要限制是其持续时间。通常，直到菌落形成的细菌增殖需要超过18小时，对于缓慢增殖的细菌而言，必须超过3 - 4天（Franco-Duarte等，2023; Rajapaksha等，2019; Lee等，2020）。一种极端情况是军团菌，它需要非标准治疗和第二盘培养以进行适当的诊断，从而将细菌识别延迟到几周内（Tronel和Hartemann，2009; McDade，2009）。减少测量时间和加速决策的一种可能性是实施能够检测菌落并在形成的早期阶段识别的先进成像系统（Wang等，2020）。从这个意义上讲，高光谱成像是有利的，因为它以3D数据矩阵或超立方体格式提供了高分辨率图像，其中二维对应于空间信息（x，y坐标），而第三个维度对每个单独的像素（λ坐标）的光谱数据（Gowen等，2015，2015，2015; arrigoni; arrigoni et al arrigoni; arrigoni et al and arrigoni; arrigoni et al and arrigoni et al and arrigoni et al and arrigoni et al and arrigy and and and and。通常使用化学计量学来处理大量信息，以识别数据集中的模式，这些模式在裸眼中并不明显，并创建了能够对新数据进行分类的预测模型（Huang，2022）。然后可以使用这些PC进行基于PCA的判别分析（PCA-DA）（UDDIN主成分分析（PCA）通常与高光谱成像结合使用，以将光谱图像数据集减少为称为主成分（PCS）的代表变量（Abdi和Williams，2010年）。
跟踪Ezemvelo KZN野生动物的碳足迹趋势
碳足迹评估对于打击全球变暖和促进可持续性很重要。在全球范围内，致力于生物多样性保护的组织对于维持生态系统和居住在生态系统的人们至关重要。尽管如此，这些组织由于其运营而产生了碳足迹。因此，本研究旨在评估Ezemvelo KZN野生动植物（EKZNW）的特定碳足迹，以提高其对环境含义的理解，并鼓励其在其特定任务内的可持续行为。使用温室气体协议公司会计和报告标准作为指导，研究方法研究了与Ezemvelo野生动物活动有关的直接（范围1）和间接（范围1和3）的温室气体排放（范围2和3）。结果表明，每年平均发射34,016.62吨二氧化碳（TCO2E）。这些排放中的大多数是由范围2用电量造成的，该范围占23,475.82 TCO2E，范围1排放量为7,826.20 TCO2E。此外，储量之间的排放量存在明显差异，而Imfolozi游戏储备的排放最高。这项研究的发现将EKZNW引向了生态意识的行为，通过充当教育决策的催化剂。获得的洞察力为积极的步骤铺平了道路，以降低碳排放量，协调保护工作，并具有更大的可持续性和气候弹性目标。
隐藏在明显的视线中：FDA批准的胆固醇药物ezetimibe作为阿尔茨海默氏症的治疗方法
年龄是阿尔茨海默氏病（AD）的最突出的非态危险因素，每5岁以上每5岁时发病率翻了一番。蛋白质聚集是年龄疾病以及正常衰老的最一致的特征之一。许多与年龄相关的疾病在健康年龄中观察到的那些（包括所有神经退行性疾病，多种肌病，肺病和慢性肾脏疾病）上增加了特定于疾病的骨料。这种数据与促进衰老和伴随众多途径的常见机制可能是一种常见的机制，但没有证明这一假设是一致的。Ganne等人的一项新研究。1报告说，埃泽蒂略伯是他们选择的一种药物，用于破坏硅和各种年龄和阿尔茨海默氏症的临床前模型，与阿尔茨海默氏病的前瞻性风险减少了阿尔茨海默氏病和相关痴呆症患者的预期风险，该症状的序列是一般的 - 造成了七叶的患者，而造成了七叶的患者，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，而这是一种途中的途中，则是少量的。加倍。ezetimibe在2002年获得了FDA批准，用于降低循环胆固醇水平。作者指出，虽然对照（未服用ezetimibe的近100万个副主管）与年龄，性别和已建立的ADRD危险因素（例如高血压，糖尿病和肾脏病）相匹配，但胆固醇水平与胆固醇水平不匹配。有足够的证据表明，高LDL-胆固醇会增加AD风险2、3，这表明他汀类药物可以实现此类患者的风险降低。由于血清胆固醇水平相对较高，因此规定的Ezetimibe处方的患者已经开始了，因此这些研究人员指出，必须对新入学的患者进行双盲随机试验来建立因果关系。包括1.20万个主管的21项研究中最近的一项荟萃分析计算出汀类药物与未经治疗的受试者的AD相对风险降低了32％，即OR = 0.68，其= 0.68，其95％的固定间隔为0.56 - 0.81 4。在36项研究和5M受试者中得出的所有痴呆症的OR，在0.80下（尽管不是显着），而95％CI为0.75 - 0.86 4。降低胆固醇的降低只能说明86％ADRD风险降低（95％CI 0.06 - 0.34）的一小部分（少于一半），这意味着
博士以西结·穆格尼（Ezekiel Mugendi Njeru）
从中高质量攀岩豆（叶状球叶。微生物学的边界9：968，1–12 https：//doi.org/10.3389/fmicb.2018.00968。还选择并出版为《 Collael Y.》，Colla G.（2020）农业中的生物刺激剂。植物科学中的边界11。doi：10.3389/fpls.2020.00040。https://www.frontiersin.org/research-topics/6502/biostimulants-in-in-Africulture
![在以下引文样式（a）中引用了本文：[1] Ali Sadig Mohommed Bager，“用于分析和预测温度数据的拱形模型”（b）：Okoye Rosemary，Chinechendo Eze，Aliyu Galadima（2024）。评估真菌，导致地图](/simg/7/796f6b879cbfd5372f37262fce0b88479194a030.webp)
在以下引文样式（a）中引用了本文：[1] Ali Sadig Mohommed Bager，“用于分析和预测温度数据的拱形模型”（b）：Okoye Rosemary，Chinechendo Eze，Aliyu Galadima（2024）。评估真菌，导致地图
摘要这项研究确定了在Zamfara州Gusau的Tudun Wada Market中有助于降解地瓜的真菌。从各个市场中收集了36种地瓜样品，以及六个用于致病性测试的其他块茎。使用标准微生物技术来隔离，筛选和识别与变质相关的真菌。的发生百分比和致病性测试，以确定患病率并评估对块茎体重减轻的影响。存储过程中的生理变化，例如软化，干燥，变色和进攻气味。真菌计数范围从2.5±1.0 cfu/ml到4.±1.5 cfu/ml，yan dankali表现出最低的计数，Yan Kayan Koli最高。确定的真菌属包括尼日尔曲霉，曲霉曲霉，杂田Theobromoae，fusarium oxysporium，Rhizopus stolonifer和Penicillium物种。尼日尔曲霉的发生较高，而botryodiplodia theobromoae的出现最少。致病性测试有助于确定真菌在红薯变质中的作用，通过伤害穿透块茎，并在储存条件下繁荣发展。这些微生物的淀粉分解导致甘薯恶化。尽管针对马铃薯疾病的特定管理实践欠发达，但采用健康的种植材料和卫生措施可以减轻通过藤蔓片传播的地瓜中的真菌疾病。
Ezekiel Williams——计算认知
• 2021 年 - Neuromatch Academy 国际深度学习暑期学校的内容顾问：帮助准备有关循环神经网络、Transformer 和强化学习的教程。 • 2021 年 - Neuromatch Academy 国际计算神经科学暑期学校的内容顾问：帮助助教理解广义线性方法和强化学习。 • 2020 年 - Neuromatch Academy 国际计算神经科学暑期学校的助教：领导应用数学和机器学习方法的 Python 教程，并在 8 名学生的研究项目中提供指导。 • 2018 年 - 渥太华大学助教：领导一年级线性代数教程。 • 2018 年 - 渥太华大学助教：批改一年级应用数学和二年级常微分方程的作业。 • 2018 年 - 渥太华大学学位课程导师：指导有志于攻读研究生的本科生。 • 2016 年 - 卡尔顿同伴辅助学习课程协调员：领导并开发心理学统计入门补充研讨会。• 2015 年 - 卡尔顿同伴辅助学习课程协调员：领导并开发生物学 I 补充研讨会。
引用：Itam WP、Abang MO、Eze EA 和 Takon M、B（2024 年）卫生培训机构的教育技术和学生学业表现
摘要：本研究的主要目的是调查尼日利亚十字河州卫生培训机构中教育技术与学生学业成绩的相关性。为实现该目的，我们提出了五个假设来指导本研究。并据此审查了与研究变量相关的文献。本研究采用调查研究设计。研究对象是该州五所卫生机构的学生（男性和女性）。所用的抽样技术是随机和偶然抽样技术。研究选择了三百 (300) 名受访者作为样本。问卷是用于收集数据的主要工具。该工具经过论文指导老师、教育学院测量与评估专家的面对面验证。采用 cronbach Alpha 信度法确定工具的信度。以面对面的方式向受访者发放了三百 (300) 份问卷。调查结束时，所有问卷副本均成功收回（回收率为 100%）。使用社会科学统计软件包 (SPSS) 20 版对假设进行了检验，显著性水平为 0.5。结果表明，计算机服务、电子学习设施、互联网服务显著影响了卫生培训机构学生的学业成绩。提出了进一步研究的建议和意见。关键词：教育技术、学生学业、卫生培训成绩、机构、尼日利亚克罗斯河州
传单ezeeg
Ravi: 0718 642 910, Flywin: 0701 047 060, Madushanka: 0717 274 657, Rifkhan: 0713 106 812, Shantha: 0717 739 595 Vimukthi: 0703 746, Adhikari: 0718 623 391Ravi: 0718 642 910, Flywin: 0701 047 060, Madushanka: 0717 274 657, Rifkhan: 0713 106 812, Shantha: 0717 739 595 Vimukthi: 0703 746, Adhikari: 0718 623 391
尼尔·J·韦默*，ty J. gluckman^，chete eze-nliam％，...
在784家医院中，2016年至2019年包括377,679名患者。在接受CABG手术治疗的患者中，相对于P2Y12抑制剂处方，医院组之间没有差异（P = 0.12；图A）。在接受CABG手术治疗的患者中，P2Y12抑制剂处方从2016 - 2017年（基线）到2019年更为普遍（P = 0.0001），无论患者导航器计划医院类型如何。与在出院时接受治疗的患者（未经血运重建）在出院时更有可能被开处方P2Y12抑制剂，与在第3组医院接受治疗的患者（调整后或1.89; 95％CI 1.19-3.00;图B）。与2016 - 2017年出院的患者接受药物治疗相比，2019年出院的患者更有可能被开处方P2Y12抑制剂（调整后或1.32; 95％CI CI 1.16-1.49），无论他们在。在。。