XiaoMi-AI文件搜索系统
World File Search SystemValidation
使用高分辨率质谱法开发和验证人类全血和血浆中大多数精神活性药物、镇痛药、麻醉药、抗糖尿病药、抗凝血药和抗高血压药的非靶向筛查方法
摘要：(1) 背景：在毒理学实验室中，可以使用各种筛选方法来识别与中毒有关的化合物。由于其灵敏度和可靠性，高分辨率质谱法在过去几年中在这方面的应用越来越广泛。本文，我们介绍了一种使用液相色谱与高分辨率质谱联用的筛选方法的开发和验证。(2) 方法：该方法仅需要 100 µ L 全血或血浆样品。预处理包括使用甲醇/乙腈和硫酸锌进行快速简便的去蛋白质化。根据国际指南对这种新测定法进行了验证。(3) 结果：为了进行方法验证，选择了 53 种化合物。选择标准如下：各种化学结构和治疗家族（>15）、大的 m/z 分布、正或负电离模式以及各种洗脱时间。测定法显示出高选择性和特异性，具有最佳的工艺效率。使用预定标准确定的鉴别限度设定为亚治疗浓度或治疗浓度。使用加标血浆对照和外部质量对照评估适用性。（4）结论：新方法已成功应用于常规临床和法医样品。
计划验证支持生物多样性净收益的声明
概述在遵守一般生物多样性增益条件的开发情况下，该申请必须伴随着城镇和国家规划（发展管理程序）（英格兰）命令（英格兰）2015年第7条中规定的最低信息。本文档旨在与您的计划申请一起提交，以提供该法案中要求的所有必要信息以验证您的申请。必须提交的强制性最低信息以验证该申请，
感知到的危险（PD）量表：开发和验证
摘要 - 目前没有心理上有效的工具来衡量机器人的感知危险。为了填补这一空白，我们提供了感知到的危险的定义，并通过四项研究开发并验证了12个项目的尺度。一个探索性因素分析揭示了感知到的危险的四个细分：情感状态，身体脆弱性，无效和认知准备就绪。验证性因素分析证实了双因素模型。然后，我们将感知到的危险量表与Godspeed感知的安全量表进行了比较，发现感知到的危险量表是经验数据的更好预测指标。我们还在面对面的环境中验证了量表，发现感知到的危险量表对机器人速度的操作敏感，这与以前的经验发现一致。表明，感知到的危险量表是可靠的，有效的，并且是对人类机器人相互作用环境中感知的安全性和感知危险的充分预测指标。索引条款 - 被认为的危险；感知的安全；比例de-velopment
俄亥俄州第三前沿技术验证和启动...
加速俄亥俄州初创公司的技术商业化，这些公司在公司关键的早期阶段获得合格机构开发技术的许可。提供将技术推向可以商业化或筹集额外商业化资金所需的证据。鼓励主要申请人（定义见第 2.3.1 节）明确确定后续融资机会的途径，如果可能，直接与潜在投资者合作，确定投资公司所需的证据。资助活动可能包括但不限于开发 beta 原型并部署给潜在客户进行测试和评估以及进行市场研究/业务开发，以提供所需的证据。
人工智能的设计、验证和嵌入式部署
当无法直接测量目标信号或物理传感器增加过多成本和设计复杂性时，虚拟传感器（也称为软传感器）建模是一种模仿物理传感器行为的强大技术。在为电气化系统开发电池管理系统 (BMS) 时，获得准确的电池充电状态 (SOC) 值是一个关键的设计元素，而直接测量 SOC 是一项挑战。人工智能 (AI) 技术可以作为卡尔曼滤波器和其他知名技术的替代或补充。但是，必须使用整个系统的其他部分验证和测试 AI 模型，以确保运行的可靠性和安全性。在部署到资源受限的嵌入式设备上时，AI 模型还应满足计算要求。
开发基于机器学习的远程医疗自动患者参与度评估器：算法开发和验证研究
背景：患者参与是行为健康护理中一项关键但具有挑战性的公共卫生优先事项。在远程医疗过程中，医疗保健提供者需要主要依靠口头策略而不是典型的非口头提示来有效地吸引患者。因此，典型的患者参与行为现在有所不同，并且医疗保健提供者对远程医疗患者参与的培训不可用或非常有限。因此，我们探索了机器学习在估计患者参与度中的应用。这可以帮助心理治疗师与患者建立治疗关系，并在远程心理健康会话期间增强患者对心理健康状况治疗的参与度。目标：本研究旨在检查机器学习模型在远程心理健康会话期间估计患者参与度的能力，并了解机器学习方法是否可以支持客户和心理治疗师之间的治疗参与。方法：我们提出了一种基于多模态学习的方法。我们独特地利用了心理学文献中经常使用的情感和认知特征对应的潜在向量来了解一个人的参与度。鉴于医疗保健中存在的标记数据约束，我们探索了一种半监督学习解决方案。为了支持远程医疗类似技术的开发，我们还计划发布一个名为“临床分析中的多模式参与检测”（MEDICA）的数据集。该数据集包括 1229 个视频片段，每个片段时长 3 秒。此外，我们还展示了针对该数据集进行的实验，以及真实世界的测试，以证明我们方法的有效性。结果：与最先进的参与度估计方法相比，我们的算法报告的均方根误差提高了 40%。在我们对 20 名患者心理治疗过程中的 438 个视频片段进行的真实世界测试中，与之前的方法相比，心理治疗师的工作联盟清单得分与我们的平均和中位参与度估计值之间存在正相关。这表明所提出的模型有可能提供与心理治疗师使用的参与度测量非常吻合的患者参与度估计值。结论：患者参与度已被确定为改善治疗联盟的重要因素。然而，在远程医疗环境中，对这一点进行测量的研究有限，因为治疗师缺乏做出自信评估的传统线索。所开发的算法试图在机器学习框架内建立以人为本的参与建模理论，以准确可靠地估计远程医疗中患者的参与程度。结果令人鼓舞，并强调了将心理学和机器学习结合起来以了解患者参与的价值。进一步
儿童用药自我效能量表的开发与验证
保留所有权利。未经许可不得重复使用。永久。预印本（未经同行评审认证）是作者/资助者，他已授予 medRxiv 许可，可以在此版本中显示预印本。版权所有者于 2025 年 1 月 25 日发布此版本。；https://doi.org/10.1101/2025.01.23.25320754 doi: medRxiv preprint
验证 IC 传导发射和抗扰度模型（包括老化和热应力）
摘要 — 诸如老化和热应力等环境因素会严重影响集成电路 (IC) 的电磁兼容性行为。工业中可以使用标准化的 IC 传导发射模型 (ICEM-CE) 和 IC 传导抗扰模型 (ICIM-CI) 来预测 IC 和印刷电路板级别的电磁行为。然而，这些模型没有考虑到老化和极端温度变化的影响。在本文中，使用采用绝缘体上硅技术设计的定制 IC，其中包含多个独立的模拟模块，通过测量和晶体管级模拟来表征老化和温度对传导发射和抗扰的影响。执行高加速温度和湿度应力测试 (HAST) 来评估老化及其对 IC 参数的影响。结果表明，无源分布网络仅受热应力的影响，而不会受到 HAST 老化的影响。后者主要影响 IC 中的有源元件，并通过固有的永久性退化机制降低传导发射和抗扰度水平。此外，热应力主要导致晶体管特性（如阈值电压和有效迁移率）发生漂移，从而影响传导发射和抗扰度水平并导致软故障。从测量和模拟中收集的所有漂移/公差都经过了表征，以便可以将它们纳入 ICEM-CE 和 ICIM-CI 标准的未来版本中。
第 21 届建模与实验验证研讨会...
07:30 开始注册 08:45 欢迎致辞 09:00 全体会议 1 09:50 短暂休息 会议 A：能量转换 会议 B：能量存储 10:00 会议 A1：燃料电池系统 会议 B1：磁滞 11:00 茶歇 11:30 会议 A2：PEMFC 电池组 会议 B2：下一代 12:30 午餐休息 13:40 会议 A3：PEMFC 电池 1 会议 B3：电池设计方面 14:50 茶歇 15:10 海报展示 16:40 短暂休息 16:50 会议 A4：PEMFC 电池 2 会议 B4：退化 19:30
血友病功能能力评分工具（HEMO-FAST）的心理测量验证
抽象背景是由患者报告的结果（PRO）部分和临床医生报告的结果（Clinro）部分组成的血友病功能能力评分工具（Hemo-Fast）是评估临床实践中功能迁移率的快速有效工具。这项研究（NCT04731701）旨在验证血液友善患者（PWH）的血液速度的心理测量特性，以评估关节健康。方法PWH A或年龄在18岁时完成问卷，包括Hemo-Fast的Pro部分和一项研究访问期间的Shortform 36健康调查（SF-36）。临床医生在同一访问中完成了血友病联合健康评分（HJHS）和Clinro部分。使用可靠性，构造有效性和结构有效性评估进行验证。结果研究了法国14个中心的180 pWh a或b。估计完成该零件的时间为平均值（标准偏差）4.6（5.4）分钟。Pro项目显示良好的测试 - 重新测试可靠性（类内相关系数0.70）。间断值> 0.70，表明可靠性良好。所有项目（15 pro; 9 clinro）具有很高的内部一致性（Cronbach的系数alpha：0.97）。hy-fast显示出与HJHS以及SF-36物理成分和SF-36心理健康成分的判别构成有效性相关的构建效度。Hemo-Fast