XiaoMi-AI文件搜索系统
World File Search SystemScoping
对使用机器人技术来支持自闭症儿童的社会情感学习的范围审查
摘要此范围评论综合了对机器人技术的当前研究，用于促进自闭症谱系障碍儿童的社会情感学习。它检查了使用的机器人技术的类型，其应用以及现有文献中的差距。我们的范围审查遵循系统审查和荟萃分析（PRISMA）报告指南的首选报告项目。对相关数据库的系统搜索使我们能够确定使用机器人技术来培养自闭症儿童的社交，情感和认知能力的研究。我们的评论揭示了NAO，Kaspar和Zeno等各种机器人已被用来通过模仿游戏，转弯，共同关注，情感认可和对话来支持社交和情感技能的发展。由于大多数研究都是在临床环境中进行的，因此需要在课堂和基于社区的环境中进行进一步研究。此外，文献还需要进行更多高质量的纵向研究，以评估机器人辅助治疗的长期有效性和可持续性，并评估针对个人需求而定制的适应性和个性化干预措施。推荐更多的重点是教育者，父母和卫生专业人员的专业发展，以将机器人技术作为基于证据的干预措施，作为为自闭症儿童创造包容性学习环境的途径。
自我决定理论在药物滥用及其治疗中的应用：
摘要背景：自我决定理论 (SDT) 可能为理解药物滥用和治疗结果提供重要见解。然而，迄今为止，将 SDT 应用于药物滥用及其治疗的文献多种多样且难以整合。方法：作者于 2021 年 10 月 26 日搜索了 psycINFO 和 PubMed，以确定将 SDT 应用于药物滥用及其治疗的文章。符合条件的研究以同行评审的文章形式发表在英语中，针对成年人口 (18 岁以上)，并明确将 SDT 应用于药物滥用或其治疗的背景。结果被归类为在非治疗或治疗环境中应用 SDT 的研究，并在这些类别中根据重点物质、主要结果、使用的 SDT 组成部分和相关发现进行综合。结果：搜索显示 38 篇在非治疗 (k = 16) 和治疗 (k = 22) 环境中应用 SDT 的文章。因果关系取向和基本心理需求是 SDT 中最常研究的组成部分。在非治疗环境中应用 SDT 的研究更加强调因果关系取向，而治疗研究更经常针对或测量基本心理需求。结论：SDT 结构以理论上一致的方式一致地预测药物滥用和治疗结果，但是，仍存在一些重要差距，并讨论了未来研究的机会。
回顾“结构性种族主义是糖尿病结果的上游社会决定因素：范围审查”
作者使用首选的报告项目进行范围审查（PRISMA-SCR）来指导方法。搜索了两个数据库：Medline（从1966年至2022年7月）和Ovid（从1984年到2022年7月）。文章：使用美国数据源以英语发布；是对成年人口的主要研究（18岁及以上）；研究人群包括种族或少数民族群体；并包括八项结果指标中的至少一个。感兴趣的结果度量是：血红蛋白A 1C（HBA 1C），低密度脂蛋白（LDL），体重指数（BMI），生活质量，自我效果，死亡率，寿命失去多年和自我保健行为。总共筛选了266篇文章，并在范围审查中包括了13项合格的研究。使用WHO SDOH框架中确定的结构决定因素用于介绍范围审查的结果。2
利用人工智能减轻青少年危险行为：范围界定审查方案 Hamidreza Sadeghsalehi a 和 Hassan Joulaei a，* a 伊朗设拉子医科大学健康研究所卫生政策研究中心 * 通讯作者（joulaei_h@yahoo.com） 青少年特别容易从事暴力、无保护性行为和药物滥用等危险行为，这些行为会对他们的健康和发展产生重大的负面影响。人工智能 (AI) 的最新进展为解决这些行为提供了创新的解决方案，但关于基于 AI 的干预措施的有效性和实施的证据仍然零散。本范围界定审查旨在系统地探索和绘制旨在减少青少年危险行为的基于 AI 的干预措施的文献。本综述将遵循 Arksey 和 O'Malley (2005) 概述并由 Levac、Colquhoun 和 O'Brien (2010) 改进的方法框架，符合 Joanna Briggs 研究所的指导方针。PRISMA 范围界定综述扩展 (PRISMA-ScR) 将指导报告。搜索策略将在 PubMed、Scopus、Web of Science 核心合集、CINAHL、PsycINFO、Cochrane 对照试验中心注册库、Embase、SID 和 Magiran 中执行，重点关注截至 2024 年 6 月以英语和波斯语发表的文章。两名独立审阅者将使用 Rayyan 筛选标题和摘要，然后对相关研究进行全文筛选。数据将使用标准化表格绘制图表，差异将通过讨论或咨询第三位审阅者解决。数据将以描述性方式综合并以表格、图形和图表的形式呈现。关键词：青少年、人工智能、危险行为、范围审查、干预措施
利用人工智能减轻青少年危险行为：范围界定审查方案 Hamidreza Sadeghsalehi a 和 Hassan Joulaei a，* a 伊朗设拉子医科大学健康研究所卫生政策研究中心 * 通讯作者（joulaei_h@yahoo.com） 青少年特别容易从事暴力、无保护性行为和药物滥用等危险行为，这些行为会对他们的健康和发展产生重大的负面影响。人工智能 (AI) 的最新进展为解决这些行为提供了创新的解决方案，但关于基于 AI 的干预措施的有效性和实施的证据仍然零散。本范围界定审查旨在系统地探索和绘制旨在减少青少年危险行为的基于 AI 的干预措施的文献。本综述将遵循 Arksey 和 O'Malley (2005) 概述并由 Levac、Colquhoun 和 O'Brien (2010) 改进的方法框架，符合 Joanna Briggs 研究所的指导方针。PRISMA 范围界定综述扩展 (PRISMA-ScR) 将指导报告。搜索策略将在 PubMed、Scopus、Web of Science 核心合集、CINAHL、PsycINFO、Cochrane 对照试验中心注册库、Embase、SID 和 Magiran 中执行，重点关注截至 2024 年 6 月以英语和波斯语发表的文章。两名独立审阅者将使用 Rayyan 筛选标题和摘要，然后对相关研究进行全文筛选。数据将使用标准化表格绘制图表，差异将通过讨论或咨询第三位审阅者解决。数据将以描述性方式综合并以表格、图形和图表的形式呈现。关键词：青少年、人工智能、危险行为、范围审查、干预措施
功能性癫痫发作的遗传学；范围系统评论
摘要：背景：有关功能性癫痫发作遗传学的证据是稀缺的，目前的范围系统审查的目的是检查现有证据，并提出如何推进领域。方法：从其启动到2023年5月，搜索了科学和Medline的网络。The following key words were used: functional neurological disorder(s), psychogenic neurologi- cal disorder(s), functional movement disorder(s), psychogenic movement disorder(s), functional seizures(s), psychogenic seizure(s), nonepileptic seizure(s), dissociative seizure(s), or psychogenic nonepileptic seizure(s), AND, gene,遗传学，多态性，基因组，表观遗传学，拷贝数变体，拷贝数变化，整个外显子组测序或下一代测序。结果：我们确定了三项原始研究。在一项研究中，作者观察到六名（5.9％）功能性癫痫发作的患者携带致病性/可能的致病性变异。在另一项研究中，作者观察到，在功能性癫痫发作中，与肾上腺素能，血清素能，催产素，阿片类和GABA受体信号通路的基因存在显着相关性。在第三项研究中，作者观察到，与对照组相比，在FKBP5单核苷酸多态性的FKBP5单核苷酸多态性中，功能性癫痫发作的患者以及脱发患者的基因型明显不同。结论：功能性癫痫发作的患者的未来遗传研究将增加我们对这种常见神经心理压力相关疾病的病理生理和神经生物学问题的理解。
范围评论
医疗保健中人工智能（AI）和机器学习（ML）的整合已成为主要的兴趣点，并提出了其对急诊科（ED）分类过程的影响的问题。AI模仿人类认知过程以及计算进步的能力在医疗保健的各个方面都表现出了积极的结果，但是对于ED中AI中使用AI的使用知之甚少。AI算法可能允许较早的诊断和干预；但是，过度自信的答案可能会对患者造成危险。这篇综述的目的是探索有关AI和ML在ED分类中的影响并确定研究差距的全面发表的文献。使用电子数据库，OVID MEDLINE和Web of Science进行了系统化的搜索。要符合纳入标准，必须根据美国期刊2013 - 2023年发表的主要数据研究进行同行评审，用英语编写的文章。其他标准包括1）对需要入院的患者进行研究，2）必须在患者进行分解时使用AI； 3）必须代表患者的结局。搜索是使用来自医学主题标题（网格）的受控描述进行的，其中包括“人工智能”，“机器学习”，“急诊病房”，“急诊室”，“急诊室”，“急诊室”，“急诊室”，“患者分类室”，“ Triage”或“ Triage”或“ Triage”或“ Triaging”。搜索最初确定了1,142次引用。经过严格的，系统的筛选过程和对证据的批判性评估，选择了29项研究进行最终审查。The findings indicated that 1) ML models consistently demonstrated superior discrimination abilities compared to conventional triage systems, 2) the integration of AI into the triage process yielded significant enhancements in predictive accuracy, disease identification, and risk assessment, 3) ML accurately determined the necessity of hospitalization for patients requiring urgent attention, and 4) ML improved resource allocation and quality of patient care, including predicting length of stay.在ED中优先考虑的ML模型的建议优势具有重新定义分类精度的潜力。
大麻使用对健康衰老认知功能的影响：系统的范围评论
背景：老年人（≥50岁）是使用大麻的人群增长最快的人群，这可能是由于药房和大麻网站促进大麻作为医学的促进。鉴于健康的衰老和大麻使用都与认知能力下降有关，因此重要的是要确定大麻对健康衰老认知的影响。目的：这项系统的范围审查使用了系统审查和荟萃分析指南的首选报告项目，以批判性地研究有关该主题的文献程度，并突出显示未来研究的领域。方法：搜索六个数据库（PubMed，Embase，Psycinfo，Web of Science，Family and Socials和Society Studies和Cinahl），以了解2019年9月发表的文章，产生了1,014个独特的结果。结果：六篇文章报告了对较老人群的发现（三项人类和三项啮齿动物研究），强调了该领域的研究很少。人类研究揭示了很大的无效结果，这可能是由于几种方法上的局限性。更好地控制的啮齿动物研究表明，健康衰老中1 9-四氢大麻酚（THC）（THC）和认知功能之间的关系取决于年龄和THC暴露水平。极低剂量的THC改善了非常古老的啮齿动物的认知。慢性剂量稍高，改善了中等年龄的啮齿动物的认知。没有研究检查了大麻二酚（CBD）或高CBD大麻对认知的影响。结论：这项系统的范围审查为这一新兴问题的未来研究提供了至关重要的，及时的指导。结合神经影像学和认知评估的未来研究将有助于提高人们对THC和CBD年龄和数量的影响对健康衰老认知的影响。
赞比亚农业的数字技术：范围界定报告
农业数字技术已被确定为改变农业食品体系的因素（IFPRI，2020 年）。政策制定者、研究人员和企业利益集团声称，农业数字技术在提高农业生产力、效率和可持续性方面具有重要意义。在赞比亚，农业仍然是实现该国发展目标的关键部门。粮农组织表示，数字技术是解决赞比亚农业部门挑战的一部分。赞比亚尚未制定农业数字化政策，农业领域的大多数数字化干预措施都是由非国家行为者完成的，或由部分国家支持，但都是各自为政。缺乏国家政策和战略导致干预措施分散，对塑造数字化进程影响甚微。农业数字技术的进步可能会带来负面影响，包括农业劳动力流失、网络犯罪和数据保护问题激增、全球体系中根深蒂固的不平等现象重现，并导致新形式的价值链控制和价值提取。由于存在一系列潜在的利益和风险，需要做更多的工作来了解和指导赞比亚农业数字技术的充分治理的发展。
Khashab，B.，Ayoubi，R。和Gulliver，S。
Khashab，B.，Ayoubi，R。和Gulliver，S。Orcid：https：//orcid.org/0000-0000-0002-4503-5448（2022）高等教育机构中的CRM策略范围：实用步骤：实用步骤。 战略营销杂志，30（7）。 pp。 627-651。 ISSN 1466-4488 doi：https：//doi.org/10.1080/0965254X.2020.2020.1823458可在https://centaur.acec.ac.ac.uk/92777/Khashab，B.，Ayoubi，R。和Gulliver，S。Orcid：https：//orcid.org/0000-0000-0002-4503-5448（2022）高等教育机构中的CRM策略范围：实用步骤：实用步骤。战略营销杂志，30（7）。pp。627-651。ISSN 1466-4488 doi：https：//doi.org/10.1080/0965254X.2020.2020.1823458可在https://centaur.acec.ac.ac.uk/92777/