XiaoMi-AI文件搜索系统
World File Search SystemMultivariable
一项全国性调查研究：大规模突破性感染浪潮后，医护人员拒绝接种新冠加强疫苗的情况
摘要：背景：2022 年 12 月至 2023 年 1 月期间，中国发生了前所未有的 2019 冠状病毒病 (COVID-19) 浪潮，对 COVID-19 初级疫苗系列的有效性提出了挑战。医护人员在大规模突破性感染后对未来 COVID-19 加强疫苗 (CBV) 的态度仍然未知。本研究旨在探讨前所未有的 COVID-19 浪潮后医护人员未来拒绝接种 CBV 的流行率和决定因素。方法：2023 年 2 月 9 日至 19 日，在中国医护人员中进行了一项横断面全国在线调查，使用自填式问卷疫苗。收集了社会人口统计学、职业、慢性病史、既往 COVID-19 感染、对未来 CBV 的态度以及拒绝未来 CBV 的原因。我们使用多变量逻辑回归模型估计了比值比 [OR] 和 95% 置信区间 [CI]，以探索与未来拒绝接种 CBV 相关的因素。结果：在完成调查的 1618 名参与者中，对 1511 名接种了两剂或两剂以上 COVID-19 疫苗的受访者进行了分析。共有 648 名（41.8%）受访者不愿意在未来接种 CBV。多变量逻辑回归分析显示，拒绝接种 CBV 与职业（与其他工作人员相比，医生调整后的 OR 1.17，95%CI 0.79–1.72，护士调整后的 OR 1.88，95%CI 1.24 − 2.85，p = 0.008）、过敏史（调整后的 OR 1.72，95%CI 1.05–2.83，p = 0.032）、未来感染 COVID-19 的自我感知风险较低（p < 0.001）以及对 CBV 有效性（p = 0.014）、安全性（p < 0.001）以及对医护人员和公众的必需品（p < 0.001）的信念较低有关。结论：我们的研究结果强调，在前所未有的 COVID-19 浪潮之后，相当一部分医护人员反对未来接种加强剂。对未来 COVID-19 风险的自我认知以及疫苗的潜在危害或可疑功效是主要决定因素。我们的研究结果可能有助于公共卫生当局制定未来的 COVID-19 疫苗接种计划。
心电图年龄与社区心血管事件之间的关联：弗雷明汉心脏研究
结果：研究对象包括 9877 名 FHS 参与者（平均年龄 55±13 岁；54.9% 为女性），共进行了 34 948 次心电图检查。心电图年龄与实际年龄相关（r=0.81；平均绝对误差 9±7 岁）。经过17±8年的随访，多变量模型显示，年龄每增加10年，全因死亡率就增加18%（风险比[HR]，1.18 [95% CI，1.12–1.23]），心房颤动风险增加23%（HR，1.23 [95% CI，1.17–1.29]），心肌梗死风险增加14%（HR，1.14 [95% CI，1.05–1.23]），心力衰竭风险增加40%（HR，1.40 [95% CI，1.30–1.52]）。此外，加速衰老与全因死亡率增加 28% 相关（HR，1.28 [95% CI，1.14-1.45]），而减缓衰老则与全因死亡率下降 16% 相关（HR，0.84 [95% CI，0.74-0.95]）。
机器人操纵器和自动驾驶汽车的连续循环中基于平坦的控制
摘要：通过使用基于平局的控制方法来解决机器人操纵器和自动驾驶汽车的多变量和非线性动力学的控制问题，该方法在连续循环中实现。这些机器人系统的状态空间模型分为两个子系统，它们之间在级联回路中连接。这些子系统中的每个子系统都可以独立看作是一个差异的系统，并且可以通过其动力学反转来执行其控制，就像输入输出输出线性化频率的情况下一样。第二个子系统的状态变量成为第一个子系统的虚拟控制输入。又将外源控制输入应用于第一个子系统。整个控制方法是在两个连续的循环中实现的，并且通过Lyapunov稳定性分析也证明了其全球稳定性属性。在两个案例研究中确定了控制方法的有效性：（a）控制3-DOF工业刚性链接机器人操纵器，（ii）控制3-DOF自主水下容器。
低收入和中等收入国家的高血压，糖尿病和高胆固醇血症的诊断测试：来自57个国家代表性调查的994 185个人的数据横断面研究
在此横断面分析中，我们在2010年1月1日至2019年12月31日进行的LMIC中进行的，包括对受访者是否曾经有血压，葡萄糖，葡萄糖或胆固醇测量的问题的问题，为18岁以上的非妊娠成年人汇总了18岁或全国代表性调查的个人级别数据。We analysed diagnostic testing performance by quantifying the overall proportion of people who had ever been tested for these cardiovascular risk factors and the proportion of individuals who met the diagnostic testing criteria in the WHO package of essential noncommunicable disease interventions for primary care (PEN) guidelines (ie, a BMI >30 kg/m² or a BMI >25 kg/m² among people aged 40 years or older).我们使用双向T测试和多变量逻辑回归模型对性，财富五分之一和教育进行了分类并比较了诊断测试的表现。
致心律失常性右心室心肌病的右心劳损：对心血管结果的影响
使用 TomTec ImageArena 分析了 70 名患者的右心尖聚焦视图中的 RVGLS 和 RAGLS，并确定了与综合终点（持续性室性心律失常和心血管死亡）的关联。在 4.9 年的中位随访期内，26 名 (37%) 患者达到了终点。事件组的 RVGLS 显著受损（-11.5 [-13.3 至 -10.2] %），而无事件组（-15.8 [-17.1 至 -14.5] %，P < 0.001），RAGLS 也是如此（分别为 22.8 [21.4–27.4] % 和 31.5 [25.1–39.6] %，P < 0.001）。在 Cox 回归中，RVGLS（HR 1.36，P < 0.001）和 RAGLS（HR 0.92，P = 0.002）与不良事件风险较高相关。在多变量 Cox 回归模型中，RVGLS 和 RAGLS 与年龄、性别和常规 RV 参数无关，且随其递增，当 RVGLS 和 RAGLS 同时应用而非单独应用时，模型拟合度会得到改善。
高SARS-COV-2 RNAEMIA与糖尿病和死亡率的危害病患者的死亡率
总结，有人提出，在严重的Covid-19患者的呼吸恶化期间，病毒复制的作用比炎症较重要。使用基于液滴的数字PCR（DDPCR）来精确量化血浆SARS-COV-2病毒载荷（SARS-COV-2 RNAEMIA），我们研究了血浆病毒载量，合并症和122个批判性疾病病毒性疾病的病毒载量和死亡率之间的关系之间的关系。SARS-COV-2 rnaemia，范围从70至213,152份。在46例患者（38％）中观察到高（> 1000份/ml）或非常高的SARS-COV-2 rnaemia（> 10,000份/ml）SARS-COV-2 rnaemia，其中26例是糖尿病患者。糖尿病与较高的SARS-COV-2 rnaemia独立相关。在多变量逻辑回归模型中，SARS-COV-2 RNAEMIA与第60天的死亡率密切相关。在199例患有高rNAEMIA的重症患者中，可能会考虑抗病毒疗法的早期开始。
推荐引用 推荐引用 Antes, Alison L; Burrous, Sara; Sisk, Bryan A; Schuelke, Matthew J; Keune, Jason D; 和 DuBois, James M，“探索人工智能支持的医疗技术的看法：一项基于场景的在线调查。” BMC 医学信息学和决策。21，1。221 (2021)。https://digitalcommons.wustl.edu/oa_4/840
摘要背景：医疗保健预计将越来越多地将人工智能 (AI) 技术融入患者护理。了解对这些工具的看法对于成功开发和采用至关重要。这项探索性研究衡量了参与者对人工智能驱动的医疗保健技术的开放程度、关注程度和感知到的益处。我们还探讨了这些看法的社会人口、健康相关和社会心理相关性。方法：我们开发了一个测量方法，描述了六种人工智能驱动的技术，这些技术可以诊断、预测或建议治疗。我们使用众包平台 MTurk 对美国成年人 (N = 936) 进行了在线调查，并实施了该测量。参与者表明了他们对在医疗保健场景中使用人工智能技术的开放程度。场景中附有反映每种技术的潜在担忧和好处的项目。参与者评估了担忧和好处的陈述对他们对该技术的好感程度的影响程度。参与者完成了社会人口、健康变量和心理社会变量（如对医疗保健系统的信任和对技术的信任）的测量。对关注和收益项目的探索性和验证性因素分析确定了两个代表总体关注水平和感知收益的因素。描述性分析考察了开放性、关注度和感知收益的水平。相关性分析探讨了社会人口、健康和社会心理变量与开放性、关注度和收益分数之间的关联，而多变量回归模型则同时考察了这些关系。结果：参与者对人工智能驱动的医疗技术持中等开放态度（M = 3.1/5.0 ± 0.9），但根据应用类型的不同而有所不同，关注点和收益的陈述影响了观点。对医疗保健系统的信任和对技术的信任是开放性、关注度和感知收益最强、最一致的相关因素。大多数其他社会人口、健康相关和社会心理变量的关联性较弱或没有关联，但多变量模型表明某些人格特征（例如，尽责性和宜人性）和社会人口统计学（例如，全职工作、年龄、性别和种族）与感知略有相关。结论：参与者的开放程度似乎很脆弱，这表明早期推广策略和使用新型人工智能技术的经验可能会对观点产生重大影响，尤其是当人工智能技术的实施增加或削弱信任时。这些发现的探索性质值得进一步研究。
o r i g i n a l r e s a r c H血糖控制，糖尿病并发症及其在南威尔士州的糖尿病患者中的糖尿病并发症及其决定因素
背景：在过去的二十年中，糖尿病的患病率在低收入国家和高收入国家中的速度快。不管埃塞俄比亚糖尿病患病率的即时生长如何，有关血糖控制和糖尿病相关并发症的最新数据不足。这项研究旨在在Mizan-Tepi大学教学医院（MTUTH）中鉴定出血糖控制和慢性并发症及其决定因素。方法：我们从2019年2月25日至3月25日在Mizan-Tepi大学教学医院进行了基于设施的横断面研究。患者的人口统计数据，糖尿病并发症和治疗是使用预测试问卷和数据抽象格式收集的。使用Epidata Manager 4.0.2.101输入数据，统计分析是由SPSS版本21进行的。双变量逻辑回归是为了查看自变量与血糖控制和并发症之间的关联。多变量逻辑回归分析，以确定<0.05的P值下降血糖控制和并发症的预测因子。结果：这项研究包括100名门诊糖尿病患者。糖尿病的平均持续时间和参与者的平均年龄分别为3.95±5.85和46.66±15.53岁。大约71例（71％）的糖尿病患者的空腹血糖（FBG）水平不受控制。超过一半的糖尿病患者（59％）患有糖尿病的慢性并发症。较低的药物依从性（调整后比值比（AOR）= 11.78，95％CI：1.09 - 17.17）和不适当的剂量在第一次，第二和第三次诊所访问中（AOR = 7.70，95％CI：1.79 - 1.79 - 33.01; AOR = 8.09; AOR = 8.09，95％CI：1.1.1.1.1.934; 34.34; 34; 34; 34.34; 34; 34; 34; 34; 34; 34; 34.34; 34; 34.34; 34.34; 34.34; 34; 34.34; 34.34; 34.1.1.1.1.934; 34.1.1.90; 95％CI：1.-09 - 17.17）是不受控制的FBG的独立预测指标。 没有发现变量是多变量逻辑回归分析中慢性糖尿病并发症的独立预测指标。 结论：卧床糖尿病患者的血糖控制和糖尿病并发症不良。 在第一次，第二和第三次诊所就诊时，低药物依从性和不适当剂量是血糖控制不良的独立预测指标。 关键字：糖尿病，血糖控制，并发症，埃塞俄比亚较低的药物依从性（调整后比值比（AOR）= 11.78，95％CI：1.09 - 17.17）和不适当的剂量在第一次，第二和第三次诊所访问中（AOR = 7.70，95％CI：1.79 - 1.79 - 33.01; AOR = 8.09; AOR = 8.09，95％CI：1.1.1.1.1.934; 34.34; 34; 34; 34.34; 34; 34; 34; 34; 34; 34; 34.34; 34; 34.34; 34.34; 34.34; 34; 34.34; 34.34; 34.1.1.1.1.934; 34.1.1.90; 95％CI：1.-09 - 17.17）是不受控制的FBG的独立预测指标。没有发现变量是多变量逻辑回归分析中慢性糖尿病并发症的独立预测指标。结论：卧床糖尿病患者的血糖控制和糖尿病并发症不良。在第一次，第二和第三次诊所就诊时，低药物依从性和不适当剂量是血糖控制不良的独立预测指标。关键字：糖尿病，血糖控制，并发症，埃塞俄比亚
基于 PAM50 的化疗的独立验证...
摘要 ◥ 目的：我们尚未找到经过验证的生物标志物来预测激素受体阳性/HER2 阳性 (HR + /HER2 + ) 乳腺癌的治疗反应和结果。基于 PAM50 的化疗内分泌评分 (CES) 可预测激素受体阳性/HER2 阴性 (HR + /HER2 ) 乳腺癌的化疗内分泌敏感性。在这里，我们评估了 CES 与 HR + /HER2 + 乳腺癌的治疗反应和生存期之间的关系。实验设计：从七项研究中获得了内在亚型和临床病理学数据，这些研究中的患者接受了 HER2 靶向治疗，包括内分泌治疗 (ET) 或化疗 (CTX)。CES 被评估为连续变量，并按从低到高分数分类 [CES-C（化学敏感）、CES-U（不确定）和 CES-E（内分泌敏感）]。我们首先单独分析每个数据集，然后合并所有数据集。多变量分析用于测试 CES 与病理完全缓解 (pCR) 和无病生存期 (DFS) 的关联。
B Tech＆M仪器工程技术课程
模块1：控制器性能索引，基于模型和模型的调整及其比较研究，高级调整技术和直接合成；模块2：基于模型的控制，模型不确定性和干扰，IMC结构和设计，基于IMC的PI-PID控制器设计；模块3：多变量控制系统的简介，交互分析和多个单回路设计，多变量控制器的设计，相对增益阵列，MIMO系统的调整，De-Coupler Design的概念；模块4：模糊控制技术及其结构，模糊控制 - 实时专家系统设计，基于知识的控制器设计，非线性模糊控制，推论方案，规则基础生成和规则最小化技术；模块5：自适应模糊控制，性能监测和评估，适应机制；模块6：神经控制器设计，具有混合结构的神经模糊控制器，神经模糊的自适应学习控制网络，神经模糊控制器的结构学习；模块6：模糊和神经模糊控制器的优化技术。