XiaoMi-AI文件搜索系统
World File Search SystemKarim
引文 Teimouri A, Ebrahimpour Z, Feizi A, Iraj B, Saffari E, Akbari M 和 Karimifar M (2025) NAFLD 中的糖尿病前期和心血管危险因素
非酒精性脂肪性肝病 (NAFLD) 是世界上最常见的慢性肝病 (1)。在没有酒精过量使用和其他导致肝脏脂肪变性的原因的情况下，如果脂肪饱和度超过肝脏重量的 5% (2)，即可诊断为 NAFLD。NAFLD 可发展为 NASH (非酒精性脂肪性肝炎)、晚期纤维化、肝硬化，并最终发展为肝细胞癌 (3)。全球 NAFLD 的发病率估计为 25%，而美国的 NAFLD 病例数呈上升趋势，从 2015 年的 8300 万增加到 2030 年的 1.01 亿 (4)。NAFLD 主要发生在中东和南美洲 (5)。伊朗 NAFLD 的发病率估计为近 33.9%，伊斯法罕 39.3% 的人口患有此病 (6-8)。此外，由于肥胖症的流行，全世界患 NAFLD 的人口正在增加（9）。NAFLD 可导致原发性胰岛素抵抗，也可能是胰岛素抵抗的结果，因此它与代谢综合征的组成部分密切相关，包括肥胖、胰岛素抵抗、血脂异常和高血压（10）。此外，糖尿病前期个体患糖尿病的风险最高可增加两倍。胰岛素抵抗是糖尿病病理生理的主要因素（11-13），在 NAFLD 和糖尿病之间很常见（14）。动脉粥样硬化是一种持续的炎症过程，导致动脉壁上形成斑块。动脉粥样硬化形成的病理生理是多因素的；尽管如此，所有过程都是由于促炎、内皮床功能障碍和氧化应激相互作用而发生的（15、16）。查阅文献显示，胰岛素抵抗与动脉粥样硬化形成之间存在直接而重要的关联。鉴于此，胰岛素抵抗与血清中促炎因子（如白细胞介素 1 (IL-1)、IL-6 和肿瘤坏死因子 α (TNF- α)）以及导致氧化应激的自由氧自由基水平升高有关。此外，在胰岛素抵抗患者中，不适当的血小板聚集和动脉内膜中层钙斑块沉积导致内皮功能障碍已得到充分阐明（17）。理论上，由于在 NAFLD 和糖尿病前期中都可以检测到胰岛素抵抗的痕迹，两者的巧合可能使个体越来越容易患上 CVD。最近对 7 年间 34,000 名患有 NAFLD 和胰岛素抵抗的患者进行的荟萃分析发现，NAFLD 和胰岛素抵抗使 CVD 死亡和发病的风险增加了 65%。事实上，NAFLD 患者最常见的死亡原因是心血管原因（18）。尽管如此，研究 NAFLD 和糖尿病前期对 CVD 发病率影响的研究者数量有限，本回顾性病例对照研究旨在评估这一问题。
Rouhollah Karimzadeh - 沙希德贝赫什提大学
■ 基于光子晶体平台的全光半减器和全减器的最新进展 Fariborz Parandin、Saeed Olyaee、Farsad Heidari、Mohammad Soroosh、Ali Farmani、Hamed Saghaei、Rouhollah Karimzadeh、Mohammad Javad Maleki、Asghar Askarian、Zahra Rahimi、Arefe Ehyaee 《光通信杂志》，第 0314 卷，第 1-30 页，2024 年
关键词：临床判断，高保真模拟，效果，护理学生。 *请引用这篇文章为：Mohammadpourhodki R，Karimi Moonaghi
Q1：真正的随机化是用于将参与者分配给治疗组的真正随机分组？Q2：藏匿的分配是分配给涉及试验人员的治疗组？ Q3：基线相似性在基线时治疗组是否相似以最大程度地减少现有的差异？ Q4：参与者失明的参与者是否对其治疗作业视而不见，以减少报告偏见？ Q5：治疗提供者失明的是那些接受治疗的人对小组分配失明以最大程度地减少绩效偏见？ Q6：结果评估师失明是结果评估者对治疗分配失明以减少检测偏见？ Q7：相同的治疗条件是实验组是否相同治疗，除了干预外，治疗组是否相同？ Q8：随访完整的后续性完整性，并且随访的差异是否充分描述和分析？ Q9：在他们被随机分析的组中分析了参与者的意向性分析？ Q10：一致的结果测量是在治疗组之间始终如一地测量结果吗？ Q11：可靠的测量是使用可靠方法测量结果的吗？ Q12：适当的统计分析是适用于数据的适当统计分析吗？ Q13：试验设计适当性是否适合试验设计，并且与标准RCT方案的偏差合理吗？Q2：藏匿的分配是分配给涉及试验人员的治疗组？Q3：基线相似性在基线时治疗组是否相似以最大程度地减少现有的差异？Q4：参与者失明的参与者是否对其治疗作业视而不见，以减少报告偏见？ Q5：治疗提供者失明的是那些接受治疗的人对小组分配失明以最大程度地减少绩效偏见？ Q6：结果评估师失明是结果评估者对治疗分配失明以减少检测偏见？ Q7：相同的治疗条件是实验组是否相同治疗，除了干预外，治疗组是否相同？ Q8：随访完整的后续性完整性，并且随访的差异是否充分描述和分析？ Q9：在他们被随机分析的组中分析了参与者的意向性分析？ Q10：一致的结果测量是在治疗组之间始终如一地测量结果吗？ Q11：可靠的测量是使用可靠方法测量结果的吗？ Q12：适当的统计分析是适用于数据的适当统计分析吗？ Q13：试验设计适当性是否适合试验设计，并且与标准RCT方案的偏差合理吗？Q4：参与者失明的参与者是否对其治疗作业视而不见，以减少报告偏见？Q5：治疗提供者失明的是那些接受治疗的人对小组分配失明以最大程度地减少绩效偏见？ Q6：结果评估师失明是结果评估者对治疗分配失明以减少检测偏见？ Q7：相同的治疗条件是实验组是否相同治疗，除了干预外，治疗组是否相同？ Q8：随访完整的后续性完整性，并且随访的差异是否充分描述和分析？ Q9：在他们被随机分析的组中分析了参与者的意向性分析？ Q10：一致的结果测量是在治疗组之间始终如一地测量结果吗？ Q11：可靠的测量是使用可靠方法测量结果的吗？ Q12：适当的统计分析是适用于数据的适当统计分析吗？ Q13：试验设计适当性是否适合试验设计，并且与标准RCT方案的偏差合理吗？Q5：治疗提供者失明的是那些接受治疗的人对小组分配失明以最大程度地减少绩效偏见？Q6：结果评估师失明是结果评估者对治疗分配失明以减少检测偏见？Q7：相同的治疗条件是实验组是否相同治疗，除了干预外，治疗组是否相同？Q8：随访完整的后续性完整性，并且随访的差异是否充分描述和分析？Q9：在他们被随机分析的组中分析了参与者的意向性分析？Q10：一致的结果测量是在治疗组之间始终如一地测量结果吗？Q11：可靠的测量是使用可靠方法测量结果的吗？ Q12：适当的统计分析是适用于数据的适当统计分析吗？ Q13：试验设计适当性是否适合试验设计，并且与标准RCT方案的偏差合理吗？Q11：可靠的测量是使用可靠方法测量结果的吗？Q12：适当的统计分析是适用于数据的适当统计分析吗？ Q13：试验设计适当性是否适合试验设计，并且与标准RCT方案的偏差合理吗？Q12：适当的统计分析是适用于数据的适当统计分析吗？Q13：试验设计适当性是否适合试验设计，并且与标准RCT方案的偏差合理吗？Q13：试验设计适当性是否适合试验设计，并且与标准RCT方案的偏差合理吗？
Ronan Thenault、Kevin Kaulanjan、Thomas Darde、Nathalie Rioux-Leclercq、Karim Bensalah 等人。人工智能在前列腺癌管理中的应用——可以期待哪些改进？系统评价。应用科学，2020 年，10 (18)，�10.3390/app10186428�。�hal-02996051�
1 IRSET, 35000 雷恩, 法国; romain.mathieu@chu-rennes.fr 2 雷恩大学医院泌尿外科服务部，Hôpital Pontchaillou, 2, rue Henri Le Guilloux, 35000 Rennes, France； kevin.kaulanjan@chu-rennes.fr (KK); nathalie.rioux-leclercq@chu-rennes.fr (NR-L.); karim.bensalah@chu-rennes.fr (KB); marie.mermier@chu-rennes.fr (MM); zine-eddine.khene@chu-rennes.fr (Z.-eK)； benoit.peyronnet@chu-rennes.fr (BP) 3 SciLicium, 5 la hurbinais, 35850 Gévezé，法国； thomas.darde@scilicium.com 4 维也纳医科大学综合医院泌尿外科，奥地利维也纳 1090； sfshariat@gmail.com 5 德克萨斯大学达拉斯西南医学中心泌尿外科，美国德克萨斯州达拉斯 75390 6 威尔康奈尔医学院泌尿外科，美国纽约州纽约 10065 7 卡尔·兰德斯坦纳研究所，奥地利维也纳 1090 8 约旦大学约旦医院特殊外科部泌尿外科分部，约旦安曼 11942 9 谢切诺夫大学泌尿外科和生殖健康研究所，俄罗斯莫斯科 119991 10 查理大学第二医学院泌尿外科，捷克共和国布拉格 15006 11 图尔中央大学泌尿外科系，法国图尔 37000 boulevard Tonnell é电话：+ 33-299-284-321 (RT)
卵菌作为生物防治剂：揭示其在植物病害防治中的潜力和机制 Li Y 1* 、Ahmadi F 2* 、Wan S 1 和 Kariman K 2 1
植物病害爆发代表着全球粮食安全和环境可持续性的重大挑战，导致初级生产力下降、生物多样性减少，以及全球严重的粮食/饲料短缺。合成杀菌剂的滥用已经对人类健康和生态系统造成了重大危害。某些人类疾病，如阿尔茨海默氏症和自闭症，在过去几十年中急剧上升，这一趋势部分归因于现代农业和园艺中杀菌剂的使用/过度使用。鉴于这些令人担忧的迹象，现在应该重新考虑植物病害管理策略了。使用某些有益微生物（称为生物防治剂）有望成为对抗植物病原体的环保方法。卵菌通常被视为植物界的坏人，通过晚疫病、猝倒病和枯萎病等破坏性疾病造成混乱，这可能会造成灾难性的后果，例如爱尔兰马铃薯饥荒。然而，并非所有卵菌都是有害的！有些菌是伪装的好家伙，显示出帮助我们对抗植物疾病的潜力，可以作为有效的生物防治剂。了解生物防治卵菌保护作用的潜在机制对于实现理想结果和制定创新策略至关重要。卵菌的生物防治机制可分为五类：i）菌寄生，ii）分泌溶解酶，iii）与病原体竞争营养和空间，iv）诱导系统抗性（ISR），v）产生注射细胞（枪细胞）。本综述阐明了卵菌采用的生物防治机制，强调了它们的潜在实际意义以及对植物生长的积极影响。本文还讨论了影响生物防治卵菌功效的土壤和环境因素，以及旨在提高其生物防治效率或扩大目标病原体范围的各种策略。尽管对生物防治卵菌的了解取得了进展，但由于受环境条件、土壤类型、接种物活力、竞争微生物的影响，其田间表现不一致，因此其商业应用面临挑战。通过开发稳定的配方、基因改造、合成生物学、结合多种菌株以及与其他农艺实践相结合来提高生物防治卵菌的功效，可以帮助克服这些挑战并促进其在可持续农业中的应用。进行全面的风险评估以避免非目标效应，并简化监管审批流程也至关重要。了解生物防治卵菌如何抵抗植物病原体将提高我们对有益和有害微生物之间相互作用的基本认识，增强我们预测受其影响的植物疾病发展动态的能力
（第三届国际领域学术研究研究ICFAR 2024，6月15日至16日，2024年）ATIF/参考：Abubakar，S。M.，Karimi，M。U.，M. U.，Mustafa
（第三届国际领域学术研究研究ICFAR 2024，6月15日至16日，2024年）ATIF/参考：Abubakar，S.M。，Karimi，M。U.，M。U.，Mustafa，Mustafa，S。J.＆Ahmad，B。（2024）。使用人工智能和机器学习的结构工程应用程序：评论。国际高级自然科学与工程研究杂志，8（5），140-145。摘要 - 人工智能（AI）正在彻底改变土木工程，尤其是在结构设计和分析领域。本评论论文探讨了AI方法的应用，包括机器学习（ML）和深度学习（DL）在增强土木工程实践中的应用。该研究强调了AI如何应对结构健康监测，结构分析，设计优化和设计建模等复杂挑战。通过对文献，实证研究和实践预测建模的系统综述，本文强调了人工智能改善决策过程，优化结构分析和设计预测以及创新传统工程实践的潜力。它还讨论了AI的跨学科性质，借鉴了计算机科学，工程和数学，同时承认与数据质量，模型准确性和计算效率相关的挑战。这些发现强调了持续的研发需要充分利用AI的能力，以使土木工程界和整个社会的利益受益。
（第三届学术研究前沿国际会议 ICFAR 2024，2024 年 6 月 15-16 日）ATIF/参考：Karimi, MU、Abubakar, SM、Mustafa, SJ 和 Ahmad, B.（2024 年）。人工智能和机器学习算法简介：综述。国际先进自然科学与工程研究杂志，8(5)，30-34。摘要——本文广泛概述了人工智能 (AI) 和机器学习 (ML) 算法及其跨学科性质以彻底改变任何领域，讨论了它们的发展、基础、应用和挑战。人工智能和机器学习技术已经彻底改变了各个行业，推动了各个领域的创新和效率。本文探讨了人工智能和机器学习的多学科性质，强调了它们在分析大数据集、做出预测和自动化决策过程方面的重要性。它追溯了人工智能的历史里程碑，从艾伦图灵的开创性工作到深度学习和神经网络的兴起。本文介绍了机器学习算法的基础知识，包括监督学习、无监督学习和强化学习，以及它们在医疗保健、金融、工程、交通和电子商务中的实际应用。此外，本文还讨论了人工智能和机器学习技术面临的关键挑战，例如不确定性、算法选择复杂性和过度拟合，强调了持续研究和跨学科合作在应对这些挑战方面的重要性。本文的最终目标是加强人工智能和机器学习技术在塑造智能人工智能和机器学习驱动系统和智能社会的未来方面的范式改变潜力。
（第三届学术研究前沿国际会议 ICFAR 2024，2024 年 6 月 15-16 日）ATIF/参考：Karimi, MU、Abubakar, SM、Mustafa, SJ 和 Ahmad, B.（2024 年）。人工智能和机器学习算法简介：综述。国际先进自然科学与工程研究杂志，8(5)，30-34。摘要——本文广泛概述了人工智能 (AI) 和机器学习 (ML) 算法及其跨学科性质以彻底改变任何领域，讨论了它们的发展、基础、应用和挑战。人工智能和机器学习技术已经彻底改变了各个行业，推动了各个领域的创新和效率。本文探讨了人工智能和机器学习的多学科性质，强调了它们在分析大数据集、做出预测和自动化决策过程方面的重要性。它追溯了人工智能的历史里程碑，从艾伦图灵的开创性工作到深度学习和神经网络的兴起。本文介绍了机器学习算法的基础知识，包括监督学习、无监督学习和强化学习，以及它们在医疗保健、金融、工程、交通和电子商务中的实际应用。此外，本文还讨论了人工智能和机器学习技术面临的关键挑战，例如不确定性、算法选择复杂性和过度拟合，强调了持续研究和跨学科合作在应对这些挑战方面的重要性。本文的最终目标是加强人工智能和机器学习技术在塑造智能人工智能和机器学习驱动系统和智能社会的未来方面的范式改变潜力。
引用：Karim N，Hod R，Wahab Mia等。在气候变化时代投射出可归因于空气污染的非传染性疾病：系统
抽象目标气候变化是一个主要的全球问题，带有重大后果，包括对空气质量和人类福祉的影响。本综述调查了在不同气候变化情景下归因于空气污染的非传染性疾病（NCD）的投影。设计此系统审查是根据系统评价和荟萃分析的2020年流量清单的首选报告项目进行的。建立了人口暴露框架。人口称为各个年龄段的全球人口，关注的暴露是空气污染及其投影，结果是基于死亡率，发病率，残疾调整后的生活年代，生命的年份，年龄丧失的疾病的健康指数，归因于空气污染和疾病负担（BOD）的NCD发生。数据来源搜索了2005年至2023年发表的文章。选择研究的资格标准，使用清单的修改量表评估了符合条件的文章，以评估生态研究的质量。数据提取和合成两个审阅者使用标准化方法独立搜索，筛选和选择了纳入的研究。使用清单的修改量表进行生态研究评估了偏见的风险。基于可归因于空气污染的NCD的BOD的投影总结了结果。结果本综述包括来自各个国家的11项研究。大多数研究专门研究了各种空气污染物，特别是颗粒物<2.5 µm（PM 2.5），氮氧化物和臭氧。研究使用了耦合空气质量和气候建模方法，并主要使用浓度 - 反应函数模型预测健康效应。可归因于空气污染的NCD包括心血管疾病（CVD），呼吸道疾病，中风，缺血性心脏病，冠状动脉心脏病和下呼吸道感染。值得注意的是，在促进空气污染，碳排放和土地使用以及可持续的社会经济学的情况下，归因于空气污染的NCD域预计会减少。相反，在涉及增加人口数量，社会剥夺和人口老龄化的情况下，NCD的BOD预计将增加。结论纳入的研究广泛报道了过早死亡率增加，CVD和呼吸道
Mohsen Karimi地址：化学和材料学院...
11。Mohsen Karimi，Mohammad Reza Toroghinejad，Hamed Asgari，Jerzy A. Szpunar，“商业纯净钛/SIC的质地进化和塑料各向异性，通过累积滚动键合和随后的退火而处理”，材料化学和物理学，219（219（2018） - 182-18。https://doi.org/10.1016/j.matchemphys.2018.08.027。
Karim Joharikhatoonabad（Johari），博士学位。 curriculum vitae ivan agullo LSU战略计划2023-2024至2027-2028 摘要计划说明LSU系统第403（b）节... 研究策略
核神经元在帕金森氏病中差异地编码语音和肢体运动。神经科学中的前沿（正在审查）。3。Johari K Berger J.高清经颅直流电流刺激在右侧外侧