XiaoMi-AI文件搜索系统
World File Search SystemRibeiro
整合气候变化适应和缓解策略
o Rogelj J.，Fransen T.，Alzen Mg。，Lamboll R.，Schumer C.，Kuramochi T.，Hans F.，Mooldijk S.，J。Portugal-Pereira，2023年。信誉；科学380（6649），1014-1doi：10 Polycarp，H.，B.，B.，Fernandes，Er。，Lau，F.，A。Suleman。2023。对策略进行策略将是可持续的航空。 P.，Bergman-Fonte，C.，Vincent，C.，Moras，T.，Carvalho，L.，Zanon-Zotin，M.，Szklo，A.2023。Slade，R，葡萄牙世界J.，Rogelj，J。2022。观察者的人工和社会模拟，24（3），1-9。doi：10,18564/jasss.4637。o Carvalho，F.，Muller-Casners，E.，葡萄牙 - 佩雷拉（J.2023。国际步进的约束力：美国对中国的约束。2022。2022。清洁剂生产信4，100028。https：//doi.org/10.1016/j.clpl.2023.100028 The Winkler，H.，Lecocq，F.，Lofgren H.，Vilariño，Vilariño，M.V.转移发展途径的示例：有关如何启用更广泛，更深和气候行动的经验教训1，27。https：//doi.org/10.1007/s44168-022-00026-1 The Muller-Casses，Muller-Casses，E.，E.，E.，Szklo Maia，P.，Rochedo，P.R.R。，Draeger，R.，R。Schaeffer。对巴西案的综合观点。ISCIAN 25,10，105248。
洪泛区森林驱动水果 - 在...
A. Vela SSS，3，布鲁斯·霍夫曼（Bruce Hoffman Ttt），3，伯纳德·蒙特罗（Bernard Monteiro ,2 ,2 , Finish Book, 2 , Gistlere 2 , 2 , Synnaeus, 2 , Astrid Acosta, 2 , Edwin Agudelo, , Ferdinand G. Have gggg,2 , André L. C. Cano hhh,2 2 2 2 2 2 2 2 2 2 2 2 2 , Lucelia N. Carvalho,2 , 2 , 2 2 , 2 , Murilo S. Tables mmm,2 , Carlos Are,2 ，卡罗来纳州R. C John G. Lundberg。 wwww，2，20，Lucia Rapp Py-Daniel F，2，Frank R. V Leandro M.
重组蛋白对个性化治疗的影响
重组蛋白对个性化治疗的影响StephanyGonçalvesDosSantos； Gabriel Nogueira Soares； Ana Beatriz Ribeiro Silva； Leticia Garcia Cardoso；伊万·卡洛斯·桑托斯（Ivan Carlos Dos Santos）抽象的个性化疗法彻底改变了医疗治疗，适应了患者的个体特征，并承诺具有更大的治疗功效。重组蛋白作为该领域的关键工具出现，为多种复杂的医疗状况提供了高度特异性和有效的治疗方法。这项工作旨在分析重组蛋白对个性化疗法的影响，讨论技术进步，临床应用和面临的挑战。审查旨在对这些蛋白质在医疗疗法定制及其对医学的未来影响中的作用进行全面看法。进行了文献综述，涵盖了有关重组蛋白在个性化疗法中使用的科学文章和相关案例研究。来源是根据其相关性和对主题理解的贡献选择的。结果表明，重组DNA技术已彻底改变了治疗蛋白的产生，从而提高了治疗的有效性和便利性。重组生物药物已成功地用于治疗区域，例如代谢性疾病，血液学疾病和肿瘤学，代表了很大一部分新药批准。关键字：生物技术；生物制药；精密医学；基因工程。在肿瘤学中，药物基因组学允许适应患者分子特征的治疗，从而提高了疾病控制率和生存率。可以得出结论，重组蛋白在个性化疗法中起着关键作用，为慢性和复杂疾病提供了更有效和安全的治疗方法。尽管有挑战，例如分子对应和蛋白质稳定性的准确性，技术仍在不断发展，有望进一步扩大其对医疗实践的积极影响并显着改善患者的生活质量。1引言重组蛋白在个性化疗法中的使用代表了现代医学的重大进步，提供了适合每个患者独特的遗传和分子特征的疗法。这些蛋白质是通过重组DNA技术产生的，该技术允许基因修饰的生物产生高精度特异性治疗蛋白。自1980年代引入以来，这些生物制药改变了医疗的范式，与常规治疗相比，提供了更有效的替代方法，并且具有更少的不良影响（Fares; Azzam，2019）。近年来，重组蛋白在个性化疗法的发展中发挥了越来越重要的作用，代表了现代医学的重大进步。在技术进步的推动下，用于治疗应用的重组蛋白数量已大大增加
社论：系统神经科学中的可解释人工智能 (XAI)
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
CP 研究新闻 2023 – 4 月 10 日
1. 针对躯干的干预对脑瘫儿童功能结果的影响——系统评价 Aishwarya J Talgeri、Akshatha Nayak、Shreekanth D Karnad、Preyal Jain、Jaya Shanker Tedla、Ravi Shankar Reddy、Devika Rani Sangadala Dev Neurorehabil。2023 年 4 月；26(3)：193-205。doi：10.1080/17518423.2023.2193265。电子版 2023 年 4 月 5 日。本综述的目的是收集有关针对躯干的干预对脑瘫 (CP) 儿童的三个功能结果（即粗大运动功能、躯干控制和平衡）的有效性的信息。使用相关关键词对从建立到 2021 年 8 月的在线数据库进行了全面搜索。共有 15 项招募了 18 岁以下脑瘫儿童的随机对照试验符合纳入标准。在应用躯干针对性干预措施方面，躯干针对性训练组取得了显著进步。躯干针对性干预措施可改善粗大运动功能、躯干控制以及平衡能力，因此应纳入针对脑瘫儿童的常规物理治疗计划中，并有助于更好地恢复功能。PMID：37021364 2. 巴西-葡萄牙语版早期活动耐力量表 (EASE) 的翻译、可靠性和有效性 Angélica Cristina Sousa Fonseca Romeros、Ricardo Sousa Junior、Deisiane Souto、Alyssa Fiss、Mariana Aguiar de Matos、Kennea Martins Almeida Ayupe、Robert J Palisano、Paula Silva de Carvalho Chagas、Ana Cristina Resende Camargos、Hércules Ribeiro Leite Disabil Rehabil。 2023 年 4 月 7 日；1-6。doi：10.1080/09638288.2023.2194682。先行在线。目的：翻译、调查巴西早期耐力活动量表 (EASE) 的可靠性和结构有效性。材料和方法：翻译遵循国际指南。100 名脑瘫 (CP) 儿童的父母测试了重测信度：18 个月至 5 岁和 6-11 岁。为了确定结构有效性，94 名典型儿童的父母完成了 EASE。统计分析包括 Bland-Altman、组内相关系数 (ICC)、内部一致性和地板和天花板效应。结果：样本中的大多数由 GMFCS (IV-V) 中的 CP 儿童组成。 EASE 对年幼的脑瘫儿童表现出良好的重测信度（ICC = 0.8），对年长的脑瘫儿童表现出极好的重测信度（ICC = 0.9），并且对年幼和年长组的内部一致性分别为 0.7 和 0.8。Bland-Altman 显示偏差接近于零，没有上限或下限效应。关于结构效度，与年长儿童相比，年幼儿童的得分较低。行走的脑瘫儿童和未行走的脑瘫儿童以及不同年龄组的耐力存在显著差异。与同年龄段的普通参与者相比，脑瘫儿童的耐力较低。结论：巴西 EASE 可靠且有效，可用于评估脑性瘫痪儿童的耐力。结果提供了结构有效性的证据。PMID：37026412
质疑人工智能预测：影响力驱动的第二意见推荐
[1] Gagan Bansal、Besmira Nushi、Ece Kamar、Dan Weld、Walter Lasecki 和 Eric Horvitz。2019 年。人机协作团队向后兼容的案例。ICML 人机协作学习研讨会 (2019)。[2] Gagan Bansal、Tongshuang Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Tulio Ribeiro 和 Daniel Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。在 CHI 计算机系统人为因素会议论文集上。1-16。 [3] Umang Bhatt、Javier Antorán、Yunfeng Zhang、Q Vera Liao、Prasanna Sattigeri、Riccardo Fogliato、Gabrielle Gauthier Melançon、Ranganath Krishnan、Jason Stanley、Omesh Tickoo 等人。2020 年。不确定性作为透明度的一种形式：测量、传达和使用不确定性。arXiv 预印本 arXiv:2011.07586 (2020)。[4] Zana Buçinca、Maja Barbara Malaya 和 Krzysztof Z Gajos。2021 年。信任还是思考：认知强制函数可以减少人工智能辅助决策对人工智能的过度依赖。ACM 人机交互论文集 5，CSCW1 (2021)，1-21。 [5] Rich Caruana、Yin Lou、Johannes Gehrke、Paul Koch、Marc Sturm 和 Noemie Elhadad。2015 年。医疗保健的可理解模型：预测肺炎风险和 30 天内住院率。第 21 届 ACM SIGKDD 国际知识发现和数据挖掘会议论文集。1721–1730。[6] R Dennis Cook。1986 年。局部影响力评估。皇家统计学会杂志：B 系列（方法论）48，2（1986 年），133–155。[7] Maria De-Arteaga、Artur Dubrawski 和 Alexandra Chouldechova。2021 年。利用专家一致性改进算法决策支持。arXiv 预印本 arXiv:2101.09648（2021 年）。 [8] Maria De-Arteaga、Riccardo Fogliato 和 Alexandra Chouldechova。2020 年。《人机交互案例：在存在错误算法评分的情况下做出决策》。2020 年 CHI 计算机系统人为因素会议论文集。1-12。[9] Berkeley J Dietvorst、Joseph P Simmons 和 Cade Massey。2015 年。《算法厌恶：人们在发现算法错误后会错误地避开算法》。《实验心理学杂志：综合》144, 1 (2015)，114。[10] Kelwin Fernandes、Jaime S Cardoso 和 Jessica Fernandes。2017 年。《具有部分可观测性的迁移学习应用于宫颈癌筛查》。《伊比利亚模式识别与图像分析会议》。Springer，243-250。 [11] Yarin Gal 和 Zoubin Ghahramani。2016 年。Dropout 作为贝叶斯近似：表示深度学习中的模型不确定性。在国际机器学习会议 (ICML) 中。1050–1059。[12] Ruijiang Gao、Maytal Saar-Tsechansky、Maria De-Arteaga、Ligong Han、Min Kyung Lee 和 Matthew Lease。2021 年。通过 Bandit 反馈实现人机协作。IJCAI (2021)。[13] Pang Wei Koh 和 Percy Liang。2017 年。通过影响函数理解黑盒预测。在第 34 届国际机器学习会议论文集-第 70 卷中。JMLR。org，1885–1894 年。[14] Himabindu Lakkaraju、Jon Kleinberg、Jure Leskovec、Jens Ludwig 和 Sendhil Mullainathan。2017 年。选择性标签问题：在存在不可观测因素的情况下评估算法预测。第 23 届 ACM SIGKDD 国际知识发现与数据挖掘会议论文集。ACM，275–284。
教案
教授Ana Claudia Belfort 博士，获得新朱利奥大学 - UNINOVE 的管理学博士学位（研究领域：组织战略），新朱利奥大学 - UNINOVE 的管理学硕士学位（项目管理）（研究领域：项目管理战略）。获得安年比莫伦比大学（UAM）管理学学士学位。我目前在 Faculdade Campos Elíseos – FCE 担任教授，负责面授（本科）和远程（研究生）课程的小时教授。自 2018 年 10 月起，我一直担任同一机构的面授管理课程协调员，并担任管理、会计科学、财务管理、公共管理和人力资源管理课程的结构化教学核心 (NDE) 成员。在我教授的科目中，我重点介绍：成本会计、TCC 项目开发、战略管理、生产和服务管理、国际商务管理、商业物流、科学工作方法、战略规划、物流项目和课程结束工作 (TCC)。除了教学事业之外，我还是 CNPq 注册研究小组的研究员“行为策略”，该小组由教授领导。费尔南多安东尼奥里贝罗塞拉博士。自 2018 年起，我一直担任国家教育研究与研究学院 Anísio Teixeira (INEP/MEC) 的特设评估员。我还担任《管理与项目杂志》、《伊比利亚美洲战略杂志》、《行政科学电子杂志 - RECADM》、《管理杂志 - UFSM》、《管理与创新杂志 - RAI》、《国际商务电子杂志 - INTERNEXT》、《国际创新杂志 - IJI》等期刊的审稿人；以及 EnANPAD、SemeAd、国际商务学院和学院管理年会等国家和国际活动的评审员。在后者中，我于2017年获得了管理学院国际管理分部顶级评审员奖。专业上，我的工作是为中小型公司提供商业咨询，同时也是一家大宗商品进口公司的经理，负责行政、法律、营销、物流和外贸领域。我还在一家进口公司担任物流主管。
tallo：全球树的异构和皇冠架构数据库
Tommaso Jucker 1 | FabianJörgFischer1 | JérômeChave2.3 | David A. Coomes 4 |约翰·卡斯珀森（John Caspersen）5 | Arshad Ali 6 | Grace Jopaul Loubota Panzou 7.8 | Ted R. Feldpousch 9 |丹尼尔·福特（Daniel Falster）10 | Vladimir A. Usoltsev 11,12 | Stephen Adu-Bredu 13 | Luciana F. Alves 14 | Mohammad Aminpour 15 | Ilondoa B. Angoboy 16 | Niels P. R.天线17 | CécileAntin 18 | Yousef Askari 19 | RodrigoMuñoz20,21 | Narayanan Ayyappan 22 | Patricia Balvanera 23 | Lindsay Banin 24 | Nicolas Barbier 18 | John J.
人工智能增强心电图分析用于识别糖尿病患者的心脏自主神经病变
1. John APP、Udupa K、Avangapur S 等人。2 型糖尿病患者的心脏自主神经功能障碍：一项针对心率变异性测量的调查性研究。Am J Cardiovasc Dis。2022；12(4)：224-232。2. Pop-Busui R、Low PA、Waberski BH 等人。先前强化胰岛素治疗对 1 型糖尿病患者心脏自主神经系统功能的影响：糖尿病控制和并发症试验/糖尿病干预和并发症流行病学研究 (DCCT/EDIC)。循环。2009；119(22)：2886-2893。doi：10.1161/CIRCULATIONAHA。108.837369 3. Zoppini G、Cacciatori V、Raimondo D 等人。新诊断 2 型糖尿病患者队列中心血管自主神经病变的患病率：维罗纳新诊断 2 型糖尿病研究（VNDS）。糖尿病护理。2015；38(8):1487-1493。doi: 10.2337/ dc15-0081 4. Low PA、Benrud-Larson LM、Sletten DM 等人。自主神经症状和糖尿病神经病变：一项基于人群的研究。糖尿病护理。2004；27(12):2942-2947。doi: 10.2337/diacare.27.12.2942 5. Chowdhury M、Nevitt S、Eleftheriadou A 等人。 1 型和 2 型糖尿病患者的心脏自主神经病变与心血管疾病及死亡风险：一项荟萃分析。BMJ Open Diabetes Research and Care。2021；9(2):e002480。doi: 10.1136/bmjdrc-2021-002480 6. Pop-Busui R、Evans GW、Gerstein HC 等人。心脏自主神经功能障碍对糖尿病心血管风险控制行动 (ACCORD) 试验中死亡风险的影响。糖尿病护理。2010；33(7):1578-1584。doi: 10.2337/dc10-0125 7. Soedamah-Muthu SS、Chaturvedi N、Witte DR 等人。欧洲1型糖尿病患者危险因素与死亡率的关系：EURODIAB前瞻性并发症研究（PCS）。糖尿病护理。2008；31（7）：1360-1366。doi：10.2337/dc08-0107 8. Cox AJ、Azeem A、Yeboah J 等人。心率校正 QT 间期是2型糖尿病患者全因死亡和心血管死亡的独立预测指标：糖尿病心脏研究。糖尿病护理。2014；37（5）：1454-1461。doi：10.2337/dc13-1257 9. Rossing P、Breum L、Major-Pedersen A 等人。QTc 间期延长可预测1型糖尿病患者的死亡率。糖尿病医学。 2001；18(3)：199-205。doi：10.1046/j.1464-5491.2001.00446.x 10. Wehler D、Jelinek HF、Gronau A 等人。超短心电图记录得出的心率变异性特征的可靠性及其在评估心脏自主神经病变中的有效性。生物医学信号过程控制。2021；68：102651。doi：10.1016/j.bspc。2021.102651 11. Kulkarni AR、Patel AA、Pipal KV 等人。机器学习算法通过心电图无创检测糖尿病和糖尿病前期。BMJ Innov。2023；9(1)：32-42。 doi: 10.1136/bmjinnov-2021-000759 12. Ribeiro Pinto J、Cardoso JS、Lourenço A。心电图生物识别技术的演变、当前挑战和未来可能性。IEEE Access。2018；6：34746-34776。doi：10.1109/ACCESS.2018.2849870 13. Aldosari H、Coenen F、Lip GYH、Zheng Y。基于基序的特征向量：面向心血管疾病分类的同质数据表示。在：Golfarelli M、Wrembel R、Kotsis G、Tjoa AM、Khalil I 编辑。大数据分析和知识发现。计算机科学讲义。施普林格国际出版公司；2021 年：235-241。doi：10.1007/978-3-030-86534-4_22 14. Abdel-Jaber H、Devassy D、Al Salam A、Hidaytallah L、EL-Amir M。深度学习算法及其在医疗保健中的应用综述。算法。2022；15(2)：71。doi：10.3390/a15020071
衡量人工智能信任的价值——社会技术系统视角
[1] 2022. 韦氏词典：美国最值得信赖的在线词典。https://www.merriam-webster.com [2] Diego Antognini、Claudiu Musat 和 Boi Faltings。2021. 通过批评与解释互动。第三十届国际人工智能联合会议 IJCAI-21 论文集，周志华（编辑）。国际人工智能联合会议组织，515–521。https://doi.org/10.24963/ijcai.2021/72 主轨道。 [3] Alejandro Barredo Arrieta、Natalia Diaz-Rodriguez、Javier Del Ser、Adrien Bennetot、Siham Tabik、Alberto Barbado、Salvador Garcia、Sergio Gil-Lopez、Daniel Molina、Richard Benjamins、Raja Chatila 和 Francisco Herrera。2020 年。可解释人工智能 (XAI)：概念、分类法、机遇和挑战，迈向负责任的人工智能。Inf. Fusion 58 (2020)，82–115。[4] Gagan Bansal、Besmira Nushi、Ece Kamar、Walter S. Lasecki、Daniel S. Weld 和 E. Horvitz。2019 年。超越准确性：心智模型在人机团队表现中的作用。在 AAAI 人类计算与众包会议 (HCOMP) 上。 [5] Gagan Bansal、Tongshuang (Sherry) Wu、Joyce Zhou、Raymond Fok、Besmira Nushi、Ece Kamar、Marco Túlio Ribeiro 和 Daniel S. Weld。2021 年。整体是否超过部分？人工智能解释对互补团队绩效的影响。2021 年 CHI 计算机系统人为因素会议论文集 (2021 年)。[6] Pieter J. Beers、Henny PA Boshuizen、Paul A. Kirschner 和 Wim H. Gijselaers。2006 年。共同点、复杂问题和决策。群体决策与谈判 15 (2006)，529–556。 [7] Umang Bhatt、Alice Xiang、S. Sharma、Adrian Weller、Ankur Taly、Yunhan Jia、Joydeep Ghosh、Ruchir Puri、José MF Moura 和 P. Eckersley。2020 年。可解释的机器学习在部署中的应用。2020 年公平、问责和透明度会议论文集 (2020 年)。[8] Wayne C Booth、William C Booth、Gregory G Colomb、Gregory G Colomb、Joseph M Williams 和 Joseph M Williams。2003 年。研究的技巧。芝加哥大学出版社。[9] Andrea Brennen。2020 年。当人们说他们想要“可解释的人工智能”时，他们真正想要的是什么？我们询问了 60 位利益相关者。2020 年 CHI 计算系统人为因素会议扩展摘要。1-7。 [10] Zana Buccinca、Phoebe Lin、Krzysztof Z Gajos 和 Elena Leah Glassman。2020 年。代理任务和主观测量可能会在评估可解释的人工智能系统时产生误导。第 25 届智能用户界面 (IUI) 国际会议论文集 (2020 年)。[11] Hao-Fei Cheng、Ruotong Wang、Zheng Zhang、Fiona O'Connell、Terrance Gray、F. Maxwell Harper 和 Haiyi Zhu。2019 年。通过 UI 解释决策算法：帮助非专家利益相关者的策略。在 2019 年 CHI 计算机系统人为因素会议论文集 (英国苏格兰格拉斯哥) 中。美国纽约州纽约，1-12。 https://doi.org/10.1145/3290605.3300789 [12] Erin K. Chiou 和 John D. Lee。2021 年。信任自动化：为响应性和弹性而设计。《人为因素》（2021 年）。[13] Meia Chita-Tegmark、Theresa Law、Nicholas Rabb 和 Matthias Scheutz。2021 年。您可以信任您的信任衡量标准吗？2021 年 ACM/IEEE 人机交互国际会议论文集 (2021)，第 92-100 页。https://doi.org/10.1145/3434073.3444677 [14] Jin-Hee Cho、Kevin Chan 和 Sibel Adali。2015 年。信任建模调查。ACM 计算调查 (CSUR) 48，2（2015 年），1-40。[15] Herbert H. Clark。1996 年。使用语言。剑桥大学出版社。[16] David Roxbee Cox。1958 年。实验规划。 (1958 年)。