XiaoMi-AI文件搜索系统
World File Search SystemVerh
计算机辅助单词阅读干预对小学各年级的影响：一项荟萃分析 Verhoeven, LTW; Voeten, MJM; Segers, PCJ
这项荟萃分析重点关注了自 1995 年以来计算机支持的单词阅读干预措施（基础阅读指导、补充字母拼写、阅读流畅度、补习阅读）对不同语言小学生阅读相关结果指标（字母知识、语音意识、单词和假词阅读、句子和文本阅读、拼写以及向阅读理解的转变）的影响。我们确定了 67 项研究，共涉及 10,734 名小学儿童，从中得出了 694 个效应大小。按照多层次方法，干预措施和结果指标的平均效应大小为 0.36，95% 可信区间（0.28,0.43）。也有证据表明效应大小向阅读理解转变，69 个效应大小平均为 0.21（95% 可信区间 0.13 – 0.29）。不同研究之间，尤其是研究内的比较之间，效应大小差异很大。效果大小受治疗长度、子词级别作为标准变量和加速测试的影响。效果大小取决于对照组条件，即在教育照常的对照条件下，效果大小较高，而在阅读治疗对照条件下，效果大小较低。结论是，技术增强的单词阅读干预措施平均对不同项目类型和不同语言的单词学习的准确性和速度产生中等积极影响。
根据《德国联邦宪法》第 123、124 条，关于不存在强制性和可选性排除理由的自我声明。我/我们声明，没有任何因我/我们公司的行为而受到法律制裁的人员：
为了证明 I. 第 1 至 4 条和第 7 至 9 条中提到的情况不适用于我/我们公司，我/我们可以应客户的要求，立即为每位可将其行为归咎于我/我们公司的人员提供犯罪记录摘录或来自原籍国主管司法或行政当局或以前的公共客户的同等文件。如果文件或证书不是由原籍国颁发的，或者没有提到所有规定的情况，则可以由公司在原籍国主管司法或行政当局，公证人或合格专业机构面前作出的宣誓声明或正式声明代替。我/我们知道
已发布版本的引文 (APA)：van de Sande, D., van Genderen, ME, Verhoef, C., Huiskens, J., Gommers, D., van Unen, E., Schasfoort, RA, Schepers, J., van Bommel, J., & Grünhagen, DJ (2022)。使用基于人工智能的决策支持工具 (DESIRE) 优化大型手术后的出院：一项外部验证研究。外科 (美国)，172 (2)，663-669。https://doi.org/10.1016/j.surg.2022.03.031 EUR 研究信息门户上的出版物链接
背景：在 DESIRE 研究中（使用人工智能预测术后出院），我们之前已经在 1,677 名胃肠道和肿瘤外科患者中开发并验证了一种机器学习概念，该概念可以预测术后第二天后的安全出院。尽管模型在学术外科人群中表现出色（受试者工作特征曲线下面积为 0.88），但这些发现是否可以推广到其他医院和外科人群仍不得而知。因此，我们旨在确定之前开发的机器学习概念的普遍性。方法：我们在 2017 年 1 月至 2021 年 6 月期间入住荷兰 3 家非学术医院的胃肠道和肿瘤外科患者中对机器学习概念进行了外部验证，这些患者在手术后 2 天内仍住院。主要结果是预测术后第二天医院干预的能力，这些干预被定义为计划外的再次手术、放射学干预和/或静脉注射抗生素。对四个森林模型进行了本地训练，并根据受试者工作特征曲线下面积、敏感性、特异性、阳性预测值和阴性预测值进行了评估。结果：所有模型都对 1,693 例病例进行了训练，其中 731 例（29.9%）需要医院干预，并表现出良好的性能（受试者工作特征曲线下面积仅变化 4%）。最佳模型实现了 0.83 的受试者工作特征曲线下面积（95% 置信区间 [0.81 e 0.85]）、敏感度为 77.9%（0.67 e 0.87）、特异度为 79.2%（0.72 e 0.85）、阳性预测值为 61.6%（0.54 e 0.69），阴性预测值为 89.3%（0.85 e 0.93）。结论：这项研究表明，先前开发的机器学习概念可以通过对本地患者数据进行模型训练来预测不同外科人群和医院环境（学术与非学术）中的安全出院。鉴于其高准确性，将机器学习概念整合到临床工作流程中可以加快外科出院速度，并通过减少可避免的住院天数来帮助医院应对容量挑战。© 2022 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY 许可 ( http://creativecommons.org/licenses/by/4.0/ ) 开放获取的文章。
毁灭的战场 - ZMSBw
在德国与苏联的战争中，今天的乌克兰领土在 1941 年 6 月至 1944 年 5 月期间成为决定性的战场和纳粹反人类罪行的中心场景。在 23 年的德苏互不侵犯条约中。1939 年 8 月，阿道夫·希特勒和约瑟夫·斯大林相互保证了各自在中欧和东欧的势力范围。一周后，德国国防军入侵波兰，不久之后红军也进入波兰。波兰共和国被灭亡，领土被分裂。然而，希特勒早在1940年6月就决定进攻苏联。这样做的原因在于，一旦与英国发生同样计划中的战争，德国东部边境就得到保障，相关的战争经济利益和日耳曼“东方生存空间”的种族意识形态计划也是必不可少的。希特勒指令编号21 之 18。1940 年 12 月（巴巴罗萨行动）决心“以快速战役”击败苏联。为此，驻扎在该国欧洲部分的红军部队将被尽早消灭。组建了三个集团军群：南方集团军群在总督府和与德国结盟的罗马尼亚集结。这是为了攻击乌克兰西部的苏联军队，然后推进到经济重要的顿巴斯地区。中央集团军群的任务是粉碎在白俄罗斯的苏联军队，然后，下一步，支援北方集团军群进攻波罗的海国家和列宁格勒。完成这些任务后，中央集团军群和北方集团军群将对首都莫斯科发动联合攻击。该指令中列出的优先事项在军事领导层中引起了争议，并将在未来引发冲突
能源网络中测量传感器动态行为的可靠性概念，具有较高的要求和系统安全性
该工作组由PTB计量信息技术系和克劳斯塔尔理工大学电力工程与能源系统研究所组成，其目标是开发和建立一个安全、分布式的网络。低压微电网测量系统除了系统安全性之外，还检查通过附加安全组件引起的整个系统动态行为的变化。工作的主要重点包括： • 评估现有安全解决方案， • 开发通用数据模型， • 研究安全解决方案的动态属性，以及 • 为智能电网状态确定领域制定具体解决方案建议。
研究对系统安全性要求高的能源网络中测量传感器动态行为的概念
该工作组由德国联邦电信公司计量信息技术部和克劳斯塔尔工业大学电力工程与能源系统研究所组成，目标是开发和建立低压微电网中的安全分布式测量系统。除了系统安全性之外，还研究了通过附加安全组件改变整个系统动态行为的情况。工作的主要重点包括：• 评估现有的安全解决方案，• 开发通用数据模型，• 调查安全解决方案的动态属性，以及• 为智能电网状态确定领域制定具体的解决方案建议。
研究对系统安全性要求高的能源网络中测量传感器动态行为的概念
该工作组由德国联邦电信公司计量信息技术部和克劳斯塔尔工业大学电力工程与能源系统研究所组成，目标是开发和建立低压微电网中的安全分布式测量系统。除了系统安全性之外，还研究了通过附加安全组件改变整个系统动态行为的情况。工作的主要重点包括：• 评估现有的安全解决方案，• 开发通用数据模型，• 调查安全解决方案的动态属性，以及• 为智能电网状态确定领域制定具体的解决方案建议。
研究对系统安全性要求高的能源网络中测量传感器动态行为的概念
该工作组由德国联邦电信公司计量信息技术部和克劳斯塔尔工业大学电力工程与能源系统研究所组成，目标是开发和建立低压微电网中的安全分布式测量系统。除了系统安全性之外，还研究了通过附加安全组件改变整个系统动态行为的情况。工作的主要重点包括：• 评估现有的安全解决方案，• 开发通用数据模型，• 调查安全解决方案的动态属性，以及• 为智能电网状态确定领域制定具体的解决方案建议。
研究对系统安全性要求高的能源网络中测量传感器动态行为的概念
该工作组由德国联邦电信公司计量信息技术部和克劳斯塔尔工业大学电力工程与能源系统研究所组成，目标是开发和建立低压微电网中的安全分布式测量系统。除了系统安全性之外，还研究了通过附加安全组件改变整个系统动态行为的情况。工作的主要重点包括：• 评估现有的安全解决方案，• 开发通用数据模型，• 调查安全解决方案的动态属性，以及• 为智能电网状态确定领域制定具体的解决方案建议。
研究对系统安全性要求高的能源网络中测量传感器动态行为的概念
该工作组由德国联邦电信公司计量信息技术部和克劳斯塔尔工业大学电力工程与能源系统研究所组成，目标是开发和建立低压微电网中的安全分布式测量系统。除了系统安全性之外，还研究了通过附加安全组件改变整个系统动态行为的情况。工作的主要重点包括：• 评估现有的安全解决方案，• 开发通用数据模型，• 调查安全解决方案的动态属性，以及• 为智能电网状态确定领域制定具体的解决方案建议。