XiaoMi-AI文件搜索系统
World File Search SystemSerious
严肃游戏与人工智能：计算社会科学的挑战与机遇
摘要 电子游戏行业在我们社会的娱乐领域中扮演着重要角色。然而，从大富翁到飞行模拟器，严肃游戏也已成为学习新语言、传达价值观或训练技能的有吸引力的工具。此外，过去十年人工智能 (AI) 和数据科学的复兴创造了一个独特的机会，因为通过游戏收集的数据量是巨大的，为此类 AI 算法提供数据所需的数据量也是巨大的。本文旨在确定使用严肃游戏作为一种新颖的研究工具的相关研究方向，特别是在计算社会科学领域。为了了解背景，我们还对该领域进行了（非系统的）文献综述。我们得出的结论是，游戏和数据之间的协同作用可以促进人工智能的良好使用，并开辟新的战略，以赋予人类权力并通过新颖的计算工具支持社会研究。我们还讨论了追求如此崇高目标所带来的挑战和新机遇。
意大利某省份的一项为期 18 个月的队列研究显示，接种 COVID-19 疫苗不会增加潜在相关严重不良事件的风险
摘要：这项针对意大利某省全部人口的队列研究评估了不同 COVID-19 疫苗接种状况下潜在疫苗相关严重不良事件 (PVR-SAE) 的发生率。从 2021 年 1 月到 2022 年 7 月，我们从国家医疗保健系统官方数据中提取了因多种心血管疾病、肺栓塞和深静脉血栓形成导致的所有死亡和住院病例。在随访期间，5743 人死亡，2097 人因 PVR-SAE 住院。与未接种疫苗的受试者 (n = 56,494) 相比，接种疫苗的受试者 (n = 259,821) 的全因死亡、非 COVID 死亡或任何 PVR-SAE 风险没有增加。这些结果在性别、年龄段、疫苗类型和 SARS-CoV-2 感染状况之间保持一致，在调整年龄、性别、SARS-CoV-2 感染和特定合并症的 Cox 模型中没有变化。在感染人群中，任何剂量的疫苗都与死亡和 PVR-SAE 的可能性较低有关。在未感染人群中，接种一剂或两剂的受试者大多数结果的发生率明显较高，这可能是由于意大利针对接种少于三剂的未感染受试者的限制政策引入了较大的选择偏差。总之，COVID-19 疫苗接种与死亡率或特定 PVR-SAE 发生率的增加无关。有必要进行进一步研究以评估 COVID-19 疫苗的长期安全性。
IOM保护委员会学习简短严重案例...
马克从大学回家后不久，K夫人和马克的朋友联系了心理健康危机团队，担心他的心理健康。马克当时正在使用大麻。他不想看到心理健康服务，也不是对自己或他人的风险。危机小组建议K夫人带他去GP。马克从未参加过他的全科医生。这使他不再在IOM中使用GP注册。当时危机团队不知道这。团队向马克的前GP发送了信息，以告知他们担忧。在接下来的几周内，K夫人和他的朋友进一步打电话给危机团队，担心马克越来越不稳定，偏执和威胁性行为。再次，马克拒绝接受心理健康服务的任何跟进。没有足够的担忧要求要求进行心理健康法案评估。建议没有跟进他的GP。
提高严重精神疾病患者的 COVID-19 疫苗接种率：一项试点干预研究
在 COVID-19 大流行初期，纽约一家大型医疗系统开展了一项回顾性队列研究，结果表明，在调整了糖尿病、慢性阻塞性肺病和心脏病等合并症风险因素后，精神分裂症是 COVID-19 死亡的第二大预测因素，仅次于年龄 (1)。除了单纯诊断为精神分裂症会导致 COVID-19 相关死亡风险较高之外，患有严重精神疾病的人还更有可能合并上述慢性健康疾病，这会增加人们感染严重 COVID-19 和出现更糟糕结果的风险 (2, 3)。接受抗精神病药物氯氮平治疗的患者可能特别脆弱，因为氯氮平与不良代谢和心血管影响密切相关，并可能导致 COVID-19 死亡率上升。疫苗是预防 COVID-19 感染最有效的措施。然而，研究表明，患有严重精神疾病的人的疫苗接种率低于普通人群（4）。一项研究表明，2010-2011年，患有严重精神疾病的患者的流感疫苗接种率仅为25%，低于美国同一流感季节的41%的疫苗接种率（4）。最近，以色列的一项研究发现，
Delta-8 THC 具有严重的健康风险！ - AF.mil
5. Delta-8 THC 产品应放在儿童和宠物接触不到的地方。Delta-8 THC 目前作为各种产品的成分出售，例如电子烟液、小熊软糖、糖果甚至巧克力。与大麻一样，Delta-8 禁止供军人使用，并且很可能会在常规药物测试中显示出来。如果您认为 Delta-8 THC 对您产生了严重的副作用，请致电毒物控制中心：1(800)222-1222、9-1-1，或前往您当地的急诊室。有关更多信息，请查看以下链接：https://www.fda.gov/consumers/consumer-updates/5-things-know-about-delta-8- tetrahydrocannabinol-delta-8-thc 有疑问？请通过 363ISRW.ART.363ISRW@us.af.mil 或 757-764-9316 联系我们
针对严重精神疾病患者犯罪风险因素干预措施的系统评价
在美国刑事司法系统中，患有严重精神疾病（如精神分裂症、躁郁症和重度抑郁症）的人占比过高。据估计，监狱和看守所中 6% 至 31% 的人以及社区监督计划中 16% 至 27% 的人患有严重精神疾病（1-4），而美国普通人口中这一比例为 5.2%（5）。一旦被卷入刑事司法系统，患有严重精神疾病的人（尤其是那些同时患有其他疾病的人）比没有精神疾病的人更早、更频繁地重犯（6-9）。患有严重精神疾病的人被监禁的可能性是住院治疗精神疾病的可能性的 1.5 倍，这表明许多人处于刑事司法系统内，而不是在心理健康治疗环境中（10）。这些发现表明
癌症住院患者抗肿瘤药物诱发严重不良事件的风险因素模型：基于全球触发指标的回顾性研究
本研究旨在应用机器学习方法评估与严重不良事件 (SAE) 相关的危险因素并预测使用抗肿瘤药物的癌症住院患者 SAE 的发生。回顾性审查了 2017 年 1 月 1 日至 12 月 31 日期间入院的 499 名确诊为癌症的患者的病历。首先，使用全局触发工具 (GTT) 主动监测抗肿瘤药物引起的药物不良事件 (ADE) 和 SAE，并将阳性触发因素的数量作为中间变量。随后，通过单变量分析和最小绝对收缩和选择算子 (LASSO) 分析选出具有统计学意义的危险因素。最后，以LASSO分析后的危险因素作为协变量，采用基于逻辑模型、极端梯度提升（XGBoost）、分类提升（CatBoost）、自适应提升（AdaBoost）、轻梯度提升机（LightGBM）、随机森林（RF）、梯度提升决策树（GBDT）、决策树（DT）和基于七种算法的集成模型的列线图建立预测模型，并使用ROC曲线下面积（AUROC）、PR曲线下面积（AUPR）等一系列指标评估模型性能。在我们的样本中共识别出94名SAE患者，SAE的危险因素包括诱发因素数量、住院时间、年龄、联合用药数、既往化疗中发生的ADE以及性别。在测试队列中，基于逻辑模型的列线图的AUROC为0.799，AUPR为0.527。在八种机器学习模型中，GBDT 的预测能力最好（AUROC = 0.832 和 AUPR = 0.557），优于列线图，因此被选为建立预测网页。本研究提供了一种准确预测癌症住院患者 SAE 发生率的新方法。
严重及有组织犯罪战略
联合机构工作组的成立旨在打击有组织和跨司法管辖区的犯罪。国家犯罪局、移民执法局和英国税务海关总署等合作机构与警察局共同努力，保护公众免受有组织犯罪的威胁和伤害。目标是在现有框架的基础上，在现有的运营和财务限制内提高集体效力。它继续为爱尔兰警察总署 (AGS)、警察局和合作机构之间的实时协作提供机会，共同努力挫败、破坏和瓦解有组织犯罪集团的活动。
认真对待近似值：
为了帮助纠正这种忽视，并为近似方法与数学建模有关的方式奠定了基础，我们在本文中推进了两个描述性论文。首先，关于“作为中介者”口号的倡导者对模型的平行主张（Morgan and Morrison，1999），我们认为，近似值需要被公认为是一种独特的科学输出物种，其结构并非自动从Kinematic和动态结构中自动流动，而这些结构是由理论或模型所谓的，我们称之为独特的概述，我们称之为唯一的概述。其次，我们声称，至少在现代物理学中的某些情况下，近似在将经验和物理内容分配给模型中起着不可或缺的作用，从某种意义上说，对于某些现有的哲学方法而言，这是一个很难说明的科学模型，以考虑到内容确定内容。