XiaoMi-AI文件搜索系统
World File Search SystemN3C
资金和培训机会
De-Black-Boxing Health AI：使用N3C Recover Long COVID模型在我们所有的所有数据存储库中使用N3C Recover Long Covid模型演示可再现的机器学习表型。pfaff er，Girvin AT，Crosskey M，Gangireddy S，Master H，Wei WQ，Kerchberger VE，Weiner M，Harris PA，Basford M，Lunt C，Chute CG，Moffitt RA，Haendel M; N3C并恢复财团。J am Med Inform Assoc。2023 Jun 20; 30（7）：1305-1312。
SARS-COV-2感染与精神分裂症谱系和精神病的新诊断有关：使用美国国家Covid队列协作（N3C）
在SARS-COV-2的全球影响中，理解其潜在的长期精神科影响至关重要。最近的一些研究表明，Covid-19与随后的心理健康障碍之间存在联系。我们的调查加入了这一探索，集中于精神分裂症谱和精神病（SSPD）。与其他研究不同，我们采用了急性呼吸窘迫综合征（ARDS）和COVID-19 LAB负群组作为对照组，以准确评估Covid-19对SSPD的影响。来自N3C数据飞地平台的19,344,698名患者的数据有条不紊地过滤以创建倾向匹配的同类群体：ARD（n = 222,337）（n = 222,337），covid-protigation（n = 219,264）和covid-n = 213,183）。我们在三个不同的时间间隔内系统地分析了新发行的SSPD的危险率：0-21天，22-90天以及感染后90天以上。covid-19阳性患者在所有间隔[0-21天（HR：4.6; CI：3.7-5.7），22-90天（HR：2.9; CI：2.3 -3.8）中始终表现出危险比（HR）的增强（HR），超过90天（HR：1.7; CI：1.5：1.5-1-1。）。这些明显高于ARDS和COVID-19实验室阴性患者。使用各种测试的验证，包括Cochran Mantel Haenszel测试，WALD测试和对数秩检验证实了这些关联。有趣的是，我们的数据表明，年轻人在COVID-19收缩后面临SSPD风险的增强，这是ARDS和COVID阴性组未观察到的趋势。这些结果与已知的SARS-COV-2和早期研究的神经性神经肌动物保持一致，并强调了长期兴奋的时代，尤其是在年轻人群中，需要警惕的精神病评估和支持。
控制FDR从多个数据源选择组级别的同时信号，并应用于国家covid Collaborative d
使用观察数据的探索性关联研究中的一个挑战是，预测因子与结果之间的关联可能是弱和稀有的，并且候选预测因子具有综合相关结构。错误的发现率（FDR）控制程序可以为探索性研究中的预测识别提供重要的统计保证。在最近建立的国家共同协作队列（N3C）中，电子健康记录（EHR）数据在同一组候选预测因素上是在多个不同的站点中独立收集的，从而提供了通过来自不同来源的信息来识别真正的关联。本文提出了一种一般的基于仿基的变量选择算法，以确定在有限样本设置下的团体级别条件独立测试（同时信号）的联合中的关联。该算法可以与一般回归设置一起使用，从而允许两种异质性
美国国家转化科学促进中心
封面 从左上角开始顺时针方向：a) 机器人对 NCATS Tox21 化合物集合进行采样。由 NCATS 化合物管理人员重新格式化的样本可用于各种测试，从单个试管到 1536 孔板。来源：NCATS。b) Tox21 化合物集合中单独条形码的样本。样本检索和管理在 -20°C 系统内自动进行。来源：NCATS。c) 国家 COVID 队列协作 (N3C) 插图代表其全国影响力。来源：NCATS。d) NCATS 实验室内的高通量筛选机器人。来源：NCATS。e) 五个独立的组织系统（心脏、肝脏、血管、皮肤和癌症），每个都在自己定制设计的腔室内，显示在单个“芯片”上（颜色表示不同的组织类型）。来源：哥伦比亚大学。 f) 为纪念 NIH 的罕见病日，NIH 将贝塞斯达校区的 1 号楼点亮为罕见病日颜色。图片来源：NCATS。
接种疫苗的癌症患者发生 COVID-19 突破性感染的风险和结果：来自国家 COVID 队列合作的真实世界证据
结果 在 N3C 疫苗接种人群中共发现 6,860 例突破性病例，其中 1,460 例（21.3%）为癌症患者。经调整年龄、性别、种族/民族、吸烟状况、疫苗类型和接种日期后，实体瘤和血液系统恶性肿瘤与非癌症患者相比，发生突破性感染的风险（比值比 [OR] = 1.12，95% CI，1.01 至 1.23 和 4.64，95% CI，3.98 至 5.38）和发生严重后果的风险（OR = 1.33，95% CI，1.09 至 1.62 和 1.45，95% CI，1.08 至 1.95）显著较高。与实体肿瘤相比，血液系统恶性肿瘤发生突破性感染的风险更高（调整后的 OR 范围从淋巴瘤的 2.07 到淋巴细胞白血病的 7.25）。第二剂疫苗接种后，所有癌症的突破性感染风险均降低（OR 5 0.04；95% CI，0.04 至 0.05），与辉瑞的 BNT162b2 疫苗相比，Moderna 的 mRNA-1273 疫苗的突破性感染风险降低（OR 5 0.66；95% CI，0.62 至 0.70），尤其是多发性骨髓瘤患者（OR 5 0.35；95% CI，0.15 至 0.72）。在接种疫苗的人群中，具有主要免疫抑制作用的药物和骨髓移植与突破性感染风险密切相关。
PILOT_PROJECT_ANNOUNSECTION_2024-2025 CTSA_GLOBAL_INFECTIUS_DISEASE
•新的和创新的临床和转化研究•基础或临床研究项目或创新技术，专注于与感染疾病或对疫苗和感染的免疫反应有关的基本生物学过程或临床应用•是创新和临床或改进临床或转化研究的新合作。•临床学者和基本研究人员的项目将其研究扩展到临床或转化研究•吸引社区伙伴的项目•来自社区研究人员的翻译建议吸引洛克菲勒科学家•试点项目的项目，这些项目利用CTSA计划资源和Rockefeller University University Hospital Hospital的效率和新技术/或新的技术/工具/或新的技术/工具/工具/或新的工具/或提高RUC的效率•新的疗法/技术的早期开发以及可概括的应用在已确定的翻译障碍中•开发和传播有效的工具，方法，过程和培训范式•对现有数据的次要分析（例如（例如，在培训的情况下，使用培训的培训将对各个方面的研究进行培训，将在培训中提出培训，将对各个方面的研究进行培训，将对培训进行培训。试点项目预计将在1年的时间内完成。可以提供第二年的资金，但将在提交第一年的进度报告后确定，资金将与新提交的资金竞争。将在本轮上大约获得12个奖项。最多5个试点赠款将由SNF全球传染病研究所提供资金，它们将支持针对疫苗和疫苗和感染的基本生物学过程和/或临床应用的基本或临床研究项目或创新技术。最多可在社区参与研究中颁发2个奖项，在翻译研究中最多可颁发5个奖项。所有提案都需要有关研究对研究的潜在影响。
在一项针对主要感染 Omicron 且无糖尿病或糖尿病前期症状的成年人的模拟目标试验中，二甲双胍降低了 6 个月内长期感染 COVID 或死亡的风险，使用国家 COVID 队列协作 (N3C) 数据库进行新用户、活跃比较器分析
记录的 SARS-CoV-2 6 天内开具处方（初步分析），1 天和 14 天内开具处方的二次分析 年龄 > 18 岁 无二甲双胍或对照处方 <= 12 个月 无最低体重指数 首次记录的 SARS-CoV-2 感染
第 111 届 NAC 会议新闻稿
2015-16 年第一季度至 2023-24 年第四季度的经济 国民账户委员会 (NAC) 第 111 次会议今天在巴基斯坦统计局总部 N3C、统计大楼 G-9/1、伊斯兰堡举行。M/O PD&SI 秘书主持了会议。委员会批准了 2022-23 财年和 2023-24 财年（修订版）的最新年增长率以及 2024-25 财年第一季度 GDP 增长率。2. 委员会批准了 2023-24 财年 GDP 增长率更新为 2.50%，而之前估计为 2.52%。尽管重要农作物产量从 17.02% 提高到 17.12%，但农业的最新增长率从 6.36% 略微下降到 6.18%，这主要是由于林业增长率从 3.05% 下调至 -0.89%，这主要是由于木材产量下降。工业萎缩率从 1.15% 上升到 1.65%。采矿和采石业发生了重大变化，从 3.47% 下降到 -4.16%，原因是开伯尔-普赫图赫瓦省和俾路支省的煤炭产量（-5.21%）和石灰石产量（-25.8%）下降。交通运输（从 1.91% 增至 2.12%）、信息和通信（从 0.30% 增至 3.45%）、教育（从 8.55% 增至 9.05%）和医疗卫生（从 5.55% 增至 5.99%）的改善使服务业增长从 2.15% 增至 2.35%（表 1）。3. 2024-25 财年第一季度，经济增长 0.92%。农业、工业和服务业分别增长 1.15%、-1.03% 和 1.43%。第一季度，农作物产量萎缩了 5.93%。重要农作物产量萎缩 11.19%，原因是棉花（-29.6%）、玉米（-15.6%）、大米（-1.2%）和甘蔗（- 2.2%）减产。小麦作物在第一季度没有受到影响，因为本季度既没有播种也没有收获。由于化肥和农药等投入品减少，其他作物增长了 2.08%，而去年第一季度为 -2.08%。由于畜牧产品增加和投入品（干饲料）减少，畜牧业增长了 4.89%，而去年第一季度为 4.56%。林业和渔业分别实现了 0.78% 和 0.82% 的小幅增长。4. 工业收缩率从 2023-24 年第一季度的 4.43% 放缓至 2024-25 年第一季度的 1.03%。采矿和采石业萎缩了 6.49%，原因是消息人士提供的煤炭（-12.4%）、天然气（-6.7%）和原油（-19.8%）等矿产品的季度产量较低。受QIM推动的LSM下降了0.82%，而电力、燃气和水供应行业则温和增长了0.58%。建筑业
AIM-AHEAD RFI 响应
机器学习正在个人和人口层面使用，以支持风险分层、预测模型和诊断与治疗的决策支持。由于这些模型是根据现实世界的数据开发的，因此算法反映了当前和历史偏见，这些偏见可能会加剧种族和民族、性别认同、性取向、残疾、年龄、社会阶层和地理位置的不平等。此回应将重点关注 NIH 需要解决的数据和系统问题，以支持 AI/ML 公平研究。为了解决公平问题，NIH 需要多样化的数据来源，涵盖广泛的人口统计、社会经济和健康相关数据。这些应提供社会和经济背景以及心理社会风险因素，例如种族、年龄、性别、经济状况、既往病史、住房状况、临床接触内外的患者体验，以及充分代表人群多样性的数据。由于临床诊疗之外的数据不是以常规或标准化方式捕获的，因此在获取和管理这些高度复杂和敏感的数据方面存在重大挑战。强大的信息学方法包括：1）了解报告数据的当前状况，包括评估报告数据是否代表公平相关的努力，以及是否足以识别在这些数据上训练的算法中的偏见。2）确定和实施策略以提高现有数据的质量和完整性。这些应包括：a）持续的数据质量识别、解决和验证，以解决差距、不准确性和偏见；b）预先识别数据质量问题，以便快速分类到报告实体；c）统计估算措施以填补空白。3）跟踪这些策略的有效性以改进现有数据。4）识别新的数据来源。这些来源可能包括诊所层面的社会需求筛查、大型公共卫生队列（如国家健康和营养检查调查 (NHANES)）和监测系统（如行为风险因素监测系统 (BRFSS)）、大型研究队列研究（如美国国立卫生研究院的精准医学计划、我们所有人研究计划和国家 COVID 队列协作 (N3C)）——它们整合了参与者从不同群体收集的数据源。其他潜在来源包括移动或遥感设备和在线地理编码数据，这些数据可能提供有关公平性的宝贵见解。5) 模型评估。虽然有不断发展的分析技术来评估和解释可能反映社会偏见的算法偏见，但开发、测试和使用这些模型的研究人员需要对意外结果保持敏感，并识别数据中和训练模型的专家中的偏见。社区参与和包括那些代表性不足的人（偏见最受影响的人）的观点是必不可少的一步。