XiaoMi-AI文件搜索系统
World File Search SystemJBI
引用：吴 C、徐 H、白 D 等。公众对人工智能在医疗保健领域应用的看法：定性综合集成。BM
摘要 目的 医学人工智能（AI）由于其便利性和创新性，已广泛应用于临床领域。然而，可信度、责任分担和道德等一些政策和监管问题引发了人们对人工智能使用方面的担忧。因此，有必要了解公众对医学人工智能的看法。本文进行了元合成，以分析和总结公众对人工智能在医疗领域应用的理解，为未来在医疗实践中使用和管理人工智能提供建议。 设计 这是一项定性研究的元合成。 方法 在以下数据库中进行搜索以确定以英文和中文发表的研究：MEDLINE、CINAHL、Web of science、Cochrane library、Embase、PsycINFO、CNKI、万方和VIP。搜索时间为从数据库建立到2021年12月25日。使用JBI的元聚合方法总结定性研究的结果，重点关注公众对人工智能在医疗保健中应用的看法。结果 共筛选出5128篇研究，12篇符合纳入标准，因此被纳入分析。我们以三项综合结果作为结论的基础，包括公众视角下的医疗AI的优势、公众视角下对医疗AI的伦理和法律担忧、以及公众对AI在医疗领域应用的建议。结论 研究结果显示，公众认可医疗AI的独特优势和便利性。同时也观察到对医疗AI应用的若干担忧，其中大部分涉及伦理和法律问题。医疗AI的规范应用和合理监管是确保其有效利用的关键。基于公众的视角，本分析为卫生管理者提供了如何顺利实施和应用医疗AI，同时确保医疗实践安全的建议和见解。PROSPERO注册号CRD42022315033。
摘要：简介：脊髓病变（LM）是令人衰弱的条件，导致运动和感觉功能的显着丧失。康复
摘要：简介：脊髓病变（LM）是令人衰弱的条件，导致运动和感觉功能的显着丧失。康复在最大化功能独立性和改善这些患者的生活质量方面起着至关重要的作用。这种综合审查旨在评估康复疗法对脊髓损伤患者的有效性。方法论：在电子数据库中进行了系统搜索，包括PubMed，Scopus，Web of Science，Cinahl和Burf。原始研究包括过去十年（2013-2023）发表的原始研究，准实验和观察性研究。使用Joanna Briggs Institute（JBI）工具关键评估清单评估了研究的方法论质量。结果和讨论：包括25项研究，涵盖2,350名参与者。物理疗法干预措施显示出肌肉力量，活动性和平衡的显着改善。职业疗法促进了日常生活活动的独立性。机器人外骨骼可提高迁移率和痉挛降低，而功能性电刺激（EEF）提高了肌肉强度和运动功能。但是，干预方案的变异性和随访时间短的持续时间是频繁的局限性。证据表明，多模式和个性化方法对于优化康复结果至关重要。物理疗法整合，职业治疗，外骨骼和EEF可以提供更广泛的恢复。未来的研究应集中于更严格的设计和更长的随访，以加强证据。结论：康复疗法可有效促进功能恢复和改善脊髓损伤患者的生活质量。实施多模式和个性化方法，再加上新技术的开发，对于最大程度地提高治疗益处并为这些患者提供更好的生活质量至关重要。
咖啡因摄入和焦虑：荟萃分析
关于咖啡因摄入量和焦虑风险之间关系的研究结果仍然存在争议，因此我们进行了荟萃分析，以总结有关咖啡因摄入量与焦虑风险之间关联的证据。通过研究PubMed，Web of Science，Cochrane图书馆，Embase，CNKI，Wanfang Data，Sinomed和VIP从成立到2022年12月。三名研究人员通过文献独立筛选，提取数据，并根据预定的选择标准评估了纳入研究的质量，并评估了具有偏见评估工具的风险，用于Cochrane系统审查和分析横截面研究的质量研究质量评估工具。评估文献的质量后，使用Revman 5.4和Stata 12.0进行荟萃分析。从八篇文章中获得了数据，来自健康人群的八项研究中的14个研究中的546名参与者包括在咖啡因 - 焦虑分析中。随着用于评估焦虑的量表在文献中有所不同，我们选择了标准化的平均差异作为结果指标。在总体作用方面，荟萃分析的结果表明咖啡因摄入量增加了焦虑的风险[SMD = 0.94，95％Cl =（0.28，1.60），p <0.05]。结果证实，咖啡因摄入量与没有精神疾病的健康个体的焦虑风险升高有关，尤其是当摄入剂量大于400 mg时。After suspecting that dose size might be responsible for the heterogeneity by sensitivity analysis, we performed subgroup analysis according to dose size and found that low-dose caffeine intake moderately increased the risk of anxiety [SMD = 0.61, 95%Cl = (0.42, 0.79), p < 0.05], whereas high-dose caffeine intake had a highly significant increase in the risk of anxiety [SMD = 2.86，95％Cl =（2.50，3.22），p <0.05]。
可接受和愿意支付带状疱疹疫苗的意愿：系统评价
抽象患者，主要是老年人，带有带状疱疹（Hz）的患者不仅患有疾病症状，而且还具有相当大的费用。这项研究系统地审查了支付HZ疫苗的可接受性和意愿。该评论在Prospero 2023（CRD42023403062）中注册。我们使用“接受”，“愿意支付”和“ Hz疫苗”（以及其变体）作为关键字，以系统地搜索截至2023年4月7日发表的原始英语研究文章。根据Scopus，PubMed，Sciencedirect，Cochrane和Google Scholar进行了搜索，该搜索是根据Prisma 2020指南进行的。纳入标准如下：提到Hz疫苗接种的研究（1），（2）与可接受性或付款意愿有关，以及（3）在最终出版物之前提供全文和同行评审的全文。灰色文学，给编辑的信，评论，案例报告或系列，系统评价，荟萃分析，质量差的文章以及模棱两可和测量结果变量的文章被排除在外。Joanna Briggs Institute（JBI）批判性评估清单用于评估研究的方法质量。最后，搜索产生了24项研究，其中9项在亚洲进行，在欧洲进行了8项，在美国进行了7项。一般成年人或50岁以上的患者通常是目标人群，伴随着医疗保健提供者的建议。愿意支付疫苗的意愿和愿意分别从8美元到150美元和16.6％至85.8％的意愿。与美国相比，亚洲和欧洲的HZ免疫接受率更高。未接种疫苗的最常见借口是副作用，成本，缺乏建议，抗疫苗接种观点，对HZ疫苗的无知，以及相信人们不面临这种疾病的风险。应该开发全国运动，以提高公众对HZ的认识，并应进行更多的国际研究，以了解HZ免疫的WTA和WTP。Kkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkkk Keywords: Acceptability, herpes zoster, systematic review, willingness to pay, vaccination.
范围审查协议
背景：大型语言模型 (LLM) 的快速发展，例如 Transformers 的双向编码器表示 (BERT；Google) 和 GPT (OpenAI)，为自然语言处理带来了重大进步。这些模型越来越多地被集成到各种应用中，包括心理健康支持。然而，LLM 在提供可靠且可解释的心理健康信息和支持方面的可信度仍未得到充分探索。目标：本范围界定审查系统地描绘了影响 LLM 在心理健康支持方面可信度的因素，包括可靠性、可解释性和道德考虑。该审查有望为从业者、研究人员和政策制定者提供重要见解，指导未来的研究和政策制定。这些发现将有助于负责任地将 LLM 整合到心理健康护理中，重点是维护道德标准和用户信任。方法：本审查遵循 PRISMA-ScR（系统评价和荟萃分析扩展范围界定审查的首选报告项目）指南和 Joanna Briggs 研究所 (JBI) 方法。资格标准包括在心理健康支持中应用基于转换器的生成语言模型的研究，例如 BERT 和 GPT。来源包括 PsycINFO、MEDLINE via PubMed、Web of Science、IEEE Xplore 和 ACM 数字图书馆。将从 2019 年开始对研究进行系统搜索，并更新至 2024 年 10 月。数据将进行定性综合。人口、概念和背景框架将指导纳入标准。两位独立审阅者将筛选和提取数据，通过讨论解决差异。数据将被综合并以描述性方式呈现。结果：截至 2024 年 9 月，这项研究目前正在进行中，系统搜索已完成，筛选阶段正在进行中。我们预计将在 2024 年 11 月初完成数据提取，并在 2024 年 11 月下旬完成综合。结论：本次范围界定审查将绘制 LLM 在心理健康支持方面的可信度的当前证据。它将确定影响这些模型的可靠性、可解释性和道德考虑的因素，为从业者、研究人员、政策制定者和用户提供见解。这些发现将填补文献中的关键空白，并为未来的研究、实践和政策制定提供信息，确保 LLM 负责任地融入心理健康服务。国际注册报告标识符 (IRRID)：DERR1-10.2196/62865
关于上市后审查和技术重新评估的国际方法的系统文献综述
ACE 临床效果机构（新加坡） ACG 适当护理指南（ACE，新加坡） ACSQHC 澳大利亚卫生保健安全和质量委员会 AHRQ 医疗保健研究和质量机构 AIFA 意大利农业机构（意大利） ANSM 国家药品和保健产品安全机构（法国） ASMR 医疗服务改善（HAS，法国） AVALIA-T 加利西亚卫生技术评估机构（西班牙） BIA 预算影响分析 CADTH 加拿大卫生药品和技术机构 CCATES 卫生技术评估和卓越合作中心 CCG 临床委托小组（英格兰） CCOHTA 加拿大卫生技术评估协调办公室 CDR 通用药物审查 CIS 批判性解释性综合 Conitec 国家卫生技术整合委员会（巴西） CUA 成本效用分析 DERP 药品支出合理化计划（韩国） DH 卫生部（英格兰） DoH 卫生部 DUSC PBAC 药物使用小组委员会 EMA 欧洲药品管理局 FDA 食品药品管理局 FIMEA 芬兰药品管理局 FTA 快速通道评估（英国 NICE） G-BA 德国联邦卫生联合委员会 GuNFT 不资助技术指南（西班牙） HAS 法国卫生部（法国） HealthPACT 卫生政策技术咨询委员会 HQC 卫生质量委员会（加拿大萨斯喀彻温省） HQO 安大略健康质量委员会（加拿大安大略省） HSRIC 地平线扫描研究和情报中心（英国） HTA 卫生技术评估 HTAC 卫生技术评估委员会 HTAi 卫生技术评估国际 HTpA 卫生技术绩效评估 HTR 卫生技术重新评估 HTRG 卫生技术参考组 ICER 增量成本效益比 ICER 临床和经济评论研究所（美国） INAHTA 国际卫生技术评估机构网络INESSS 法国国家卫生和社会服务卓越研究所 IT 信息技术 JBI 乔安娜·布里格斯研究所 KT 知识翻译 LBI-HTA 路德维希·玻尔兹曼健康技术援助研究所（奥地利） LR 文献综述 MBD 医疗保险福利司 MBS 医疗保险福利计划 MBSRTF MBS 审查工作组 MCDA 多标准决策分析 MoH 卫生部
基于图像的手术伤口感染识别的机器学习方法：范围审查
背景：手术部位感染 (SSI) 频发，对患者和医疗保健系统造成影响。目前，由于需要临床医生进行手动评估，远程监控手术伤口受到限制。基于机器学习 (ML) 的方法近期已用于解决术后伤口愈合过程的各个方面，并可用于提高远程手术伤口评估的可扩展性和成本效益。目的：本综述旨在概述用于从图像中识别手术伤口感染的 ML 方法。方法：我们按照 JBI（乔安娜·布里格斯研究所）方法对用于 SSI 视觉检测的 ML 方法进行了范围界定审查。纳入了任何术后背景下的参与者的手术伤口感染识别报告。未涉及 SSI 识别、手术伤口或未使用图像或视频数据的研究被排除在外。我们于 2022 年 11 月在 MEDLINE、Embase、CINAHL、CENTRAL、Web of Science 核心合集、IEEE Xplore、Compendex 和 arXiv 中搜索了相关研究。对检索到的记录进行了双重筛选以确定是否符合条件。使用数据提取工具绘制相关数据图表，以叙述方式描述并使用表格呈现。对 TRIPOD（个体预后或诊断的多变量预测模型透明报告）指南的使用情况进行了评估，并使用 PROBAST（预测模型偏倚风险评估工具）评估偏倚风险 (RoB)。结果：总共有 10 条筛选出的独特记录符合资格标准。在这些研究中，临床背景和手术程序各不相同。所有论文都开发了诊断模型，但没有一篇进行外部验证。使用传统 ML 和深度学习方法从大多为彩色的图像中识别 SSI，所用图像的数量从不到 50 张到数千张不等。此外，至少有4项研究报告了10个TRIPOD项目，但少于4项研究报告了15个项目。PROBAST评估显示，9项研究被认定为总体RoB较高，1项研究的RoB总体不明确。结论：基于机器学习的图像识别手术伤口感染的研究仍属新兴领域，需要标准化报告。未来应解决与图像采集、模型构建和数据源差异相关的局限性。