XiaoMi-AI文件搜索系统
World File Search SystemSystematic
COVID-19的结果疫苗有效性研究：持续的系统评价
•黄色的亮点表明在Omicron主导期间进行了一项研究。•在Omicron期间进行的排除研究以1.2和2.1节的红色文本注明。•第二助推器剂量在第2节中通过“疫苗产品”列中的蓝色文本表示。•二价助推器剂量在第2节中由“疫苗产品”列中的Turqoise文本指示。•单价XBB.1.5助推器在“疫苗产品”色谱柱中的橙色文本第2节中指示。•如果未另外指定，mRNA疫苗是指原始的单价mRNA疫苗。•术语“任何”一词与mRNA疫苗一起使用，以指示任何mRNA疫苗的制造商（即Moderna或Pfizer Biontech）。
在临床试验中对不良事件报告的系统审查，导致批准有针对性的治疗和免疫疗法
对抗癌治疗的管理风险的详细知识对于多个利益相关者，包括监管机构，临床研究人员，医师，当然 - 患者1。大约二十年前，美国临床肿瘤学会健康研究委员会的成果工作组将毒性定义为非常重要的结果，其中包括用于技术评估和开发癌症治疗指南2。实际上，与抗癌药物给药相关的频率，持续时间和严重程度（AE）的完整准确描述对于对其风险 /福利概况的知情评估至关重要。根据现代的基于证据的临床实践的概念，患者与医生在与治疗相关的福利和风险之间进行详尽的沟通可确保在决策中充分考虑患者的偏好，并且对于最佳护理至关重要。在新批准的治疗情况下，有关不良事件的信息基本上是基于关键临床试验的报告。出版物中可用的毒性的次优报告和描述可能会大大影响其负担的绝对估计，这对于适用试验的高度相关信息在临床实践中的适用性高度相关，尤其是对于新药。近年来，研究人员的AE报告通过常见的不良事件术语标准（CTCAE）对AE进行了编码和分级，一直是对患者的治疗危害的最常用方法4。毫无疑问，CTCAE的广泛采用代表了毒性报告的标准化和协调5。但是，需要大大改善几个方面。首先，众所周知，当报告专门根据医师的记录1,6时，许多主观毒性的风险有低于报告的风险。为了减少这种不足的报道，将患者报告结果整合到AES描述中的科学兴趣正在增长1。一种综合方法，患者直接报告有症状的毒性信息，可以真正提高报告的效率7。第二，与传统化学疗法的不同，这种疗法通常是针对有限数量的周期进行的，许多新批准的肿瘤学（包括靶向疗法和免疫疗法）的许多药物经常进行直到疾病进展，通常数月，有时也持续了多年。使用这些药物，根据对每个患者经历的最差毒性等级的描述，通常的报告不适合完全捕获耐受性概况8。因此，随着时间的推移，毒性的完整描述应充分考虑到发生毒性，其持续时间和修饰（改善或恶化）的时间：即使是低度毒性影响，尤其是在长期持久的情况下，也会对生活质量质量产生相关的影响9。第三，与数据收集质量无关，毒性报告在出版物10,11中提出的数据的完整性方面可以是最佳的。在试验期间，AES上的数据收集通常受到限制。部分由于大多数科学期刊施加的长度限制，摘要中包含的信息通常不完整。此外，即使在同一期刊中，在不同出版物之间，毒性数据的呈现方式也是高度异质的。这项系统评价的目的是描述AE在实体肿瘤中测试新药（分子靶向剂和免疫疗法）的关键临床试验出版物中的报告质量。
系统
背景：全球老龄化人群的增长增加了对新型护理模式的需求。在家，计算机化的医疗保健监控是一种日益增长的范式，它探讨了减少工作量，降低对资源密集型二级护理的需求并提供更精确和个性化的护理的可能性。尽管适当地实施了自主监测系统的潜在社会利益，但医疗机构的吸收速度很慢，并且跨学科的大量研究遇到了对现实世界实施的类似障碍。目的：这项系统评价的目的是构建一个评估框架，该框架可以评估研究如何解决已经确定的应用程序的障碍，然后使用该框架来分析跨学科的文献并确定多学科性与发展的研究可能性之间的趋势。方法：本文介绍了一个评分框架，用于评估单个研究的研究如何通过在整个医疗保健监测领域的不同学科中发现的10个确定的对摄取的常见障碍来解决关键开发注意事项。然后，使用此框架进行范围审查，以确定多学科参与对新监测技术有效开发的影响。具体来说，我们使用此框架来衡量在研究中使用多学科性与研究的可能性之间的关系，以一种为其提供真正实用应用的方式进行研究。结果：我们表明了多学科的观点；即，在计算机科学和医学上以及公众和患者参与（PPI）以及根据评估标准遇到应用研究和开发的障碍，具有重大的积极影响。使用我们的评估指标，多学科团队平均得分为54.3％，而由医学专家和社会科学家组成的团队为35％，基于技术的团队为2.68，涵盖了计算机科学和工程。还确定的是，以共同设计或基于PPI的容量为基础的研究评估评分（29.3％没有任何输入的29.3％，最终用户或照料者输入分别在48.3％和36.7％之间，涉及护理人员或最终用户在研究中的效果）。结论：这篇综述建议，为了限制新的研究数量，任意重新遇到相同问题的工作局限性，从而提高了研究的效率和有效性，应优先提升多学科性，以加速该领域的进步速度，并在此领域的发展中发展具有明显的社会效果的更多技术。
使用机器学习预测轻度认知障碍的进展：系统，定量和批判性评论
我们对研究的研究进行了系统的综述，该研究重点是自动预测对阿尔茨海默氏病（AD）痴呆症的轻度认知障碍进展，以及对影响性能的方法论选择的定量分析。此评论包括172篇文章，从中提取了234篇实验。对于每个人，我们报告了使用的数据集，特征类型，算法类型，performence和潜在的方法论问题。使用多元混合效果线性回归评估了这些特征对性能的影响。我们发现，使用认知，流通氧化葡萄糖 - 螺质发射层造影术或磁性脑电图和磁性变量显着提高了预测性能，与不包括其他方式相比，预测性能显着提高，尤其是其他模态，尤其是T1磁性音乐成像，但表明了一个明显的图表。认知评估的良好表现质疑成像的广泛使用，以预测AD的发展，并提倡探索进一步的域名认知评估。我们还识别了几个方法论问题，包括缺少测试集，或在几乎四分之一论文中使用其用于特征选择或参数调整的使用。在15％的研究中发现的其他问题对该方法与临床实践的相关性产生了怀疑。我们还强调，短期预测可能不会比预测受试者保持稳定
数学教学中的计算思维与蒸汽教育的整合：系统评价和荟萃分析
摘要 - 在2000年代初期，计算思维（CT）已成为一项基本技能，将数学教学与Steam教育相结合被视为提高CT能力的有效策略。在过去的几十年中，对这种教育策略的研究大大增加了。这项研究评估了基于蒸汽的数学教学对学生CT技能的影响，并研究了有助于其CT开发的主要因素。进行了荟萃分析综述，其中包括Scopus中列出的43项经验研究，并在2017年至2023年之间发表。这些研究包括来自7,807名学生的数据，并产生了80个效果大小估计来进行分析。通过使用CMA V.4软件应用Q Cochrane和Z测试，结果表明对学生的CT技能产生了重大的积极影响。此外，发现诸如干预持续时间，ICT利用和数学内容的类型等变量显着影响CT结果，而教育水平和学习设置等因素则没有。对数学教育的影响进行了深入探讨。
选择性5-羟色胺再摄取抑制剂（SSRIS）和整形外科出血：系统评价
选择性5-羟色胺再摄取抑制剂（SSRIS）是各种精神疾病的一线药物疗法。这些药物通过限制5-羟色胺再摄取对血小板聚集至关重要，从而不利地影响止血。增加出血风险与SSRI停用综合征可能对塑性和重建手术（PRS）具有重要的临床考虑。随着SSRI的越来越多的使用，了解软组织手术中出血的相关风险对于优化患者预后和确保安全至关重要。在这项系统评价中，搜索了国家生物技术信息中心（NCBI）和embase数据库，以搜索有关PRS和软组织程序中SSRI消费和出血结果的出版物。确定了有关SSRI和出血的五项回顾性队列研究，在手术类型，研究设计和出血结果的报告方面有所不同，排除了元分析。术后出血率在1.9％至2.6％之间。一项关于乳房美容程序的研究报告说，血肿重新手术增加了4.14倍（优势比（OR）4.14; 95％CI 1.90-9.04），而丹麦对乳房肿瘤程序的研究显示2.7倍增加了风险（OR 2.7; 95％CI; 95％CI 1.6-4.4）。另一项丹麦研究发现，术后输血的风险没有增加（OR 1.2; 95％CI 0.7-1.9）。两项关于面部程序的研究发现，尽管两者都具有低统计能力，但出血事件没有显着差异。 因此，有必要对SSRI相关出血的进一步高级评估，尤其是专注于涉及面部，四肢和皮瓣手术的程序。两项关于面部程序的研究发现，尽管两者都具有低统计能力，但出血事件没有显着差异。因此，有必要对SSRI相关出血的进一步高级评估，尤其是专注于涉及面部，四肢和皮瓣手术的程序。总体而言，乳房和面部PRS手术中严重出血并发症的风险似乎很低，而SSRI的使用增加了血肿的乳房手术风险至5％，而没有危及生命的出血的证据。关于面部整形手术中与SSRI相关的出血的结论由于现有研究的总体质量而受到限制，这些研究通常依赖病例报告而不是诸如同类或前瞻性分析的更高质量的研究设计。
对侧...
要保护加密实现免受侧通道漏洞的影响，开发人员必须采用恒定的时间编程实践。由于这些可能是错误的，因此已经提出了许多侧通道检测工具。尽管如此，此类漏洞仍在加密库中手动发现。虽然Jancar等人最近的一篇论文。表明，开发人员很少执行侧道通道检测，目前尚不清楚现有的检测工具是否首先会发现这些漏洞。为了回答这个问题，我们调查了文献，以建立34个侧通道检测框架的分类。我们提供的分类比较了多个标准，包括所使用的方法，分析的可扩展性或所考虑的威胁模型。然后，我们在选择了5种有前途的检测工具的选择上建立了代表性Cryp-Graphic操作的统一共同基准。此基准测试使我们能够更好地比较每个工具的功能及其分析的可扩展性。此外，我们还提供了最近发布的侧通道漏洞的分类。然后，我们在基准上测试每个漏洞子集以及它们出现的上下文的每个选定工具。我们发现，由于各种原因，现有的工具可能难以找到脆弱性，主要是缺乏对SIMD指示，隐性流和内部秘密生成的支持。根据我们的发现，我们为研究社区和密码图书馆开发人员开发了一系列建议，其目标是提高侧通道检测工具的有效性。
AI在混合学习中的作用：系统文献评论 合成数据：从数据稀缺到数据污染 合成数据的关键挑衅
随着混合学习在COVID-19大流行期间朝着新阶段发展，人工智能（AI）技术的进步为发展更多样化和动态的混合学习提供了机会。这项系统评价重点介绍了与在混合学习中使用AI应用有关的出版物。从2007年1月到2023年10月的原始研究是从Google Scholar，Eric和Web of Science数据库中提取的。最后，根据两个概念框架回顾了30项在纳入标准下的经验研究：混合学习的四个主要挑战和AI的三个角色。我们发现，AI应用程序主要用于混合学习中的在线异步学习组件；关于AI应用程序的工作很少，这些应用程序有助于将在线活动与基于课堂的离线活动联系起来。许多研究已经确定了AI作为直接调解人的作用，以帮助控制学生在混合学习中的灵活性和自主权。但是，大量研究还使用高级学习分析技术将AI确定为补充助手，这些技术可以促进与学生有效互动并促进学习过程。最后，最少的研究探索了AI作为新主题的作用，例如使用教学剂或机器人。考虑到生成AI技术的进步，我们希望对混合学习中的AI进行更多的研究。这项研究的结果表明，未来的研究应指导教师及其智能AI合作伙伴，以更有效地实施混合学习。
强化血糖治疗对糖尿病并发症的影响 - 系统评价
摘要：糖尿病并发症可能与疾病或慢性血糖的长期有关。糖尿病患者的随访是基于对慢性高血糖的控制，尽管如果在严重的慢性高血糖症患者中迅速获得这种纠正，则可以自相矛盾地干扰该疾病，甚至引起并发症。我们回顾了描述高血糖对糖尿病复杂性快速而强烈治疗的影响的文献。文献综述表明，恶化并发症发生在糖尿病微血管病中显着发生，糖尿病矫正引起的特定神经病的发作。大型疾病的结果与对中风和心肌梗死具有中性影响的慢性高血糖的密集和快速纠正有些混杂，但心血管死亡率的显着增加。糖尿病的治疗现在已经进入了一个新的时代，新的治疗分子，例如针对2型糖尿病患者的患者的胶质纤维蛋白，或用于胰岛素治疗糖尿病患者的杂交胰岛素递送系统。我们的手稿提供了支持这些个性化和渐进的算法以控制慢性高血糖的证据。
个性化前列腺癌放射疗法中的基因组分类器：基于国际共识的系统评价和未来观点
TAGEDP *辐射肿瘤学系，大学医学中心，弗莱堡大学医学院，德国弗莱堡大学，德国弗莱堡大学； Y德国癌症联盟（DKTK），合作伙伴网站Freiburg，德国弗莱堡； Z Berta-Ottragme，德国弗莱堡大学医学学院，德国； X比利时大学医院辐射肿瘤学系；比利时Ku Leuven肿瘤学系； ║加利福尼亚大学洛杉矶分校的辐射肿瘤学和泌尿外科系； {凯斯西部储备大学UH Seidman癌症中心辐射肿瘤学系； ＃伊利诺伊州芝加哥西北芬伯格医学院泌尿外科系； **德国汉堡汉堡大学医院泌尿外科泌尿外科的马丁尼克前列腺癌中心； ZZ土耳其伊斯坦布尔KOC大学医院泌尿外科系； XX XX辐射肿瘤学系，多伦多大学梅蒂医学院和辐射医学计划，玛格丽特癌症中心公主，大学卫生网络。加拿大多伦多； ║║辐射肿瘤学系，古斯塔夫·鲁西（Gustave Roussy），法国维勒维夫（Vilejuif），巴黎 - 萨克莱大学（Paris-Saclay University）Inserm，Inserm incostat U1018； {{华盛顿特区Medstar Georgetown大学医院放射医学系； ##德国弗莱堡大学医学院大学医学中心外科病理学研究所，德国弗莱堡； ***堪萨斯大学堪萨斯大学癌症中心辐射肿瘤学系，加拿大多伦多； ║║辐射肿瘤学系，古斯塔夫·鲁西（Gustave Roussy），法国维勒维夫（Vilejuif），巴黎 - 萨克莱大学（Paris-Saclay University）Inserm，Inserm incostat U1018； {{华盛顿特区Medstar Georgetown大学医院放射医学系； ##德国弗莱堡大学医学院大学医学中心外科病理学研究所，德国弗莱堡； ***堪萨斯大学堪萨斯大学癌症中心辐射肿瘤学系，