XiaoMi-AI文件搜索系统
World File Search SystemStay
从悬崖上退后：将土地管理转换为行星边界
土地利用实践，陆基行星边界与全球土地状态之间的相互作用。来源：基于Richardson等人自己的插图。（2023）。基于Buchhorn等人的土地覆盖地图。（2020）。
呼吁“值得信赖的人工智能：意大利-英国研究人员短期交流计划 (TAI ShortStay)”
提案可从 2023 年 8 月 1 日至 2024 年 10 月 1 日连续接收。提案应在一份两页的文档（加上参考文献）中描述，其中包含 PI、Co-PI 和相关机构的姓名、主题、动机、对项目主题的遵守情况以及预期结果。结果可以是 – 例如 – 一个共同的项目、一个共同的实验或研究、一篇共同的科学论文或原型。还需要 PI 简历。提案必须在预计旅行期前至少两个月提交。
评估不同机器学习算法，以预测急诊室的住宿时间：单中心
背景：最近，急诊科（EDS）的拥挤已成为影响全球公共医疗保健的公认关键因素，这是由于医疗服务的供应/需求不断增加以及住院单位和ED中可用的医院病床的匮乏所致。已发现ED（ED-LOS）的住宿时间是ED瓶颈的重要指标。通过测量ED-LOS来量化患者在ED中花费的时间，而ED-LOS可以通过不具备的护理过程影响，并导致死亡率和健康支出增加。因此，重要的是要通过预测工具实现早期改进来了解ED-LOS的主要因素。方法：这项工作的目的是使用一组有限的功能，影响ED-LOS，既可以与患者特征和ED工作流”进行预测。选择了不同的因素（年龄，性别，分类水平，入学时间，到达模式）并进行了分析。然后，将机器学习（ML）算法用于预见的ED-LOS。考虑到从2014年至2019年期间的“ san Giovanni dio dio d'ruggi d'Aragona”医院（意大利萨勒诺）的“ San Giovanni dio dio e ruggi d'Aragona”医院获得的患者数据库的数据集。结果：在考虑的年份中，评估了496,172次入院，其中143,641人（28.9％）显示ED-LOS延长。考虑到完整的数据（女性为48.1％，男性为51.9％），51.7％的ED-LOS患者为男性，女性为47.3％。关于年龄组，受延长ED-LO影响最大的患者超过64岁。随机森林算法的评估指标被证明是最好的。实际上，在预测ED-LOS时，它达到了最高准确性（74.8％），精度（72.8％）和召回（74.8％）。结论：不同的变量，指患者的个人和临床属性以及ED过程，对ED-LOS的价值有直接影响。建议的预测模型具有令人鼓舞的结果；因此，它可以应用于预测和管理ED-LOS，防止ED的拥挤和优化有效性和效率。
在临床笔记中挖掘主题，以识别表型并预测患有心力衰竭的患者的住院时间
MIA CAJITA学院伊利诺伊州芝加哥芝加哥大学护理学院，美国芝加哥，McAjit2@uic.edu摘要 - 心力衰竭是一种综合症，当心脏无法泵入血液和氧气以支持身体中的其他器官时发生。 患者心力衰竭的治疗和管理包括了解这些患者在住院期间的诊断代码和程序报告。 在这些诊断代码和程序报告中识别基本主题可以揭示与心力衰竭相关的临床表型。 这些主题还可以帮助临床医生使用其临床笔记来预测患者的住院时间。 根据这些主题了解临床表型，对于基于患者的类似特征而言，这也可能有助于预测诸如住院时间之类的患者结局。 这些临床表型通常具有概率的潜在结构，因此，由于以前没有使用概率框架在心力衰竭患者临床注意事项中识别表型的工作，并且无法使用基于数据驱动的人工智能的方法来预测这些患者的住院时间，我们将对自然语言处理技术进行诊断，并在诊断中诊断为诊断，并在诊断中诊断出诊断，并在诊断中识别诊断。伊利诺伊大学医院与健康科学系统（UI Health）。 主题建模在诊断代码和过程报告中确定了十二个主题。 我们使用了这些主题及其贡献的百分比来预测住院时间。MIA CAJITA学院伊利诺伊州芝加哥芝加哥大学护理学院，美国芝加哥，McAjit2@uic.edu摘要 - 心力衰竭是一种综合症，当心脏无法泵入血液和氧气以支持身体中的其他器官时发生。患者心力衰竭的治疗和管理包括了解这些患者在住院期间的诊断代码和程序报告。在这些诊断代码和程序报告中识别基本主题可以揭示与心力衰竭相关的临床表型。这些主题还可以帮助临床医生使用其临床笔记来预测患者的住院时间。根据这些主题了解临床表型，对于基于患者的类似特征而言，这也可能有助于预测诸如住院时间之类的患者结局。这些临床表型通常具有概率的潜在结构，因此，由于以前没有使用概率框架在心力衰竭患者临床注意事项中识别表型的工作，并且无法使用基于数据驱动的人工智能的方法来预测这些患者的住院时间，我们将对自然语言处理技术进行诊断，并在诊断中诊断为诊断，并在诊断中诊断出诊断，并在诊断中识别诊断。伊利诺伊大学医院与健康科学系统（UI Health）。主题建模在诊断代码和过程报告中确定了十二个主题。我们使用了这些主题及其贡献的百分比来预测住院时间。这些主题揭示了有关与心力衰竭的各种观点相关的不同表型的信息，这可以帮助研究患者的概况并发现医学概念之间的新关系。每个主题都有一组关键字，每个临床注释都标有两个主题 - 一个主题与其诊断代码相对应，另一个对应于其程序报告以及其百分比贡献。我们发现，使用主题建模在诊断代码和程序报告中发现的主题能够预测患者的住院时间，准确度为61.1％，并且在接收器操作特征曲线（ROC AUC）下方的面积为0.828。
疫苗：帮助 65 岁以下脾切除术患者保持健康为什么我需要接种疫苗？
接种疫苗后数小时。注意荨麻疹（皮肤上出现肿块或风团）、面部或喉咙肿胀、呼吸困难、心跳加速、头晕或虚弱。如果我出现这些症状，该怎么办？如果您出现严重过敏反应或其他紧急情况，请拨打 911 或前往最近的医院急诊室。对于所有其他症状，请拨打胃肠外科中心电话 716-845-4010。胃肠中心周一至周五上午 8 点至下午 5 点开放，但如果中心关闭，分诊护士将接听您的电话。有关疫苗的更多信息 • Prevnar 13® 是一种结合肺炎球菌疫苗，也称为 PCV13。 • Pneumovax®23 是一种肺炎球菌多糖疫苗，也称为 PPSV23。 • Menactra® 是一种针对 A、C、W 和 Y 血清群的脑膜炎球菌结合疫苗，也称为 MenACWY-D。 • Bexsero® 是一种针对 B 血清群脑膜炎球菌疫苗，也称为 MenB。• ActHIB® 和 Hiberix TM 是 b 型流感嗜血杆菌 (Hib) 疫苗。
使用人工智能预测患者住院时间，协助医疗专业人员进行资源规划和调度决策
人工智能 (AI) 通过改善结果、提高效率和提高资源利用率，极大地改变了全球医疗保健行业。人工智能的应用影响着医疗保健运营的各个方面，尤其是资源分配和容量规划。本研究提出了一个基于人工智能的多步骤框架，并将其应用于真实数据集，以预测住院患者的住院时间 (LOS)。结果表明，所提出的框架可以预测 AUC 为 0.85 的 LOS 类别，预测其实际 LOS，平均绝对误差为 0.85 天。该框架可以支持提供住院护理的医疗机构的决策者做出更好的前端运营决策，例如资源容量规划和调度决策。预测 LOS 在当今的医疗保健供应链 (HSC) 系统中至关重要，因为资源稀缺，而由于各种全球危机和流行病，需求旺盛。因此，本研究的结果对人工智能和 HSC 管理具有实际和理论意义。
自然灾害版。大自然正在改变规则。确保你始终领先一步！
慕尼黑再保险公司的数据包括河流洪水和风暴潮灾害的计算，以及无防御和有防御条件下的洪水风险和总体风险评分。有防御条件的计算包括防洪墙、堤坝等防洪设施，这些设施都具有明确的保护标准 (SoP)。无防御条件的数据集清楚地显示了如果没有任何防御设施，或者如果防御设施失效，情况会是怎样。这可以实现准确的最坏情况规划。——全球范围内！毕竟，只有全球一致的数据才能实现可靠的全球评估。
医院在输注抗CD19 CAR-T细胞的费用是多少？
嵌合抗原受体T细胞（CAR-T细胞）有可能成为一种主要的创新作为一种新型的癌症治疗，但与价格极高和高度不确定性相关。本研究旨在评估法国抗CD19 CAR-T细胞的医院住院费用。数据是从法国医学信息系统计划（PMSI）收集的，所有医院都与编码9439938的管理药物相关（Tisagenlecleucel，kymriah®）或9440456（2019年1月和2020年1月2日之间）（axageabtagene cieloleucel，Yescarta®）。485医院与注射抗CD19 CAR-T细胞有关，其中44（9％），139（28.7％）和302（62.3％）用于急性淋巴细胞症（所有），tisagenleclecelene and diffbly limflb-cllbclly and difblbclly and difblbcly limplaplane and difblbly limplaplane（tisagenlecleucel） Cileleucel分别。全部Tisagenlecleucel的静置长度分别为37.9、23.8和25.9天，DLBCL中的Tisagenlecleucel和Axicabtagene Cileleucel分别为37.9、23.8和25.9天。tisagenlecleucel的平均每住院费用为372,400欧元，DLBCL的Tisagenlecleucel总共为342,903欧元，axigabtagene cileoleucel的平均费用为342,903欧元。汽车T细胞代表了这些成本的80％以上。n = 13家医院进行了CAR-T细胞注射，两家医院占注射总数的50％以上。本研究提供了有关接受CAR-T细胞治疗的患者住院费用的有限信息的有限信息。除了经济负担外，距离还可能是获得T细胞治疗的重要障碍。
HTLV-1和HTLV-2感染显着改变无症状载体中的小RNA表达
目的：与普通人群相比，患有学习障碍的人（LD）通常面临更高的过早死亡率和长时间住院的发生率。预测LD患者和多个长期疾病（MLTC）的住院时间（LOS）对于改善患者护理和优化医疗资源分配至关重要。但是，关于机器学习（ML）模型在该人群中的应用（ML）的研究有限。此外，专为普通人群设计的方法通常缺乏通用性和公平性，尤其是在其同类中跨敏感群体中应用时。方法：本研究使用SAIL数据库中的电子健康记录（EHR）分析了威尔士9,618例LD患者的住院治疗。开发了一个随机森林（RF）ML模型，以预测医院LO，并结合人口统计学，药物病史，生活方式因素和39个长期条件。为了解决公平关注点，应用了两种偏置缓解技术：一种后处理阈值优化器和使用型梯度的临时减少方法。这些方法旨在最大程度地减少各个种族的绩效差异，同时确保稳健的模型绩效。结果：RF模型的表现优于其他最先进的模型，男性达到0.759的面积，女性达到0.756，男性为0.224，女性为0.229，男性为0.229，男性的平衡精度为0.690，男性为0.689，女性为0.689。偏差缓解算法降低了族裔群体的预测表现差异，阈值优化者产生了最显着的改进。性能指标，包括假阳性率和平衡的准确性，显示出男性队列公平性的显着增强。结论：这项研究证明了应用ML模型预测LD和MLTC患者的LOS的可行性，同时通过缓解偏见的技术来解决公平。发现使用EHR数据突出了进行公平医疗保健预测的潜力，为改善临床决策和资源管理铺平了道路。
围手术期地塞米松对患有总髋关节置换术的2型糖尿病患者的住院时间和血糖控制的影响
最近对接受骨科手术的患者进行的一项大型单中心研究，其中包括DM的比例相对较大（近25％）的患者显示，所有受试者的医院LO（即有或没有DM）的医院LO降低了，这些受试者接受了毛躁的扰流性去甲米松，而平均峰值gluc型在医院入院的平均峰值限制为可测量的增加。18然而，这项研究没有评估院前血糖控制或门诊糖尿病管理等因素如何影响地塞米松后高血糖的风险，以及该研究的时间范围（2000年1月至8月2016年）可能意味着手术方法和专业人士的变化可能会影响临床库存。19-21在本文中，我们研究了围手术期地塞米松对2型DM型血糖控制和医院LOS的影响，该患者在2013 - 2015年期间接受了单个中心，这是在此期间，包括前，一年，一年和一年在使用共识指南后的一年级，用于使用毛皮果皮纤维化的时期。7