XiaoMi-AI文件搜索系统
World File Search SystemXS
XSL•FO
背景：人工智能 (AI) 系统集成用于自动记录病史和分诊，可显著改善医疗保健系统中的患者流量。尽管许多人工智能研究表现良好，但只有有限数量的系统成功融入了常规医疗保健实践。为了阐明人工智能系统如何在此背景下创造价值，必须确定当前的知识状态，包括这些系统的准备情况、实施的促进因素和障碍，以及参与其开发和部署的各个利益相关者的观点。目标：本研究旨在绘制和总结用于在医疗保健环境中自动记录病史和分诊的人工智能系统的实证研究。方法：本研究遵循 Arksey 和 O'Malley 提出的框架，并遵守 PRISMA-ScR（系统评价的首选报告项目和范围界定评价的荟萃分析扩展）指南。对 5 个数据库（PubMed、CINAHL、PsycINFO、Scopus 和 Web of Science）进行了全面搜索。在审查之前建立了详细的协议以确保方法的严谨性。结果：共确定并筛选了 1248 篇研究出版物。其中，86 篇（6.89%）符合资格标准。值得注意的是，大多数（n=63，73%）研究发表于 2020 年至 2022 年之间，主要集中在急诊护理（n=32，37%）。其他临床背景包括放射学（n=12，14%）和初级保健（n=6，7%）。许多（n=15，17%）研究没有指定临床背景。大多数（n=31，36%）研究采用回顾性设计，而其他研究（n=34，40%）没有指定其方法。确定的主要 AI 系统类型是混合模型（n=68，79%），其中预测（n=40，47%）和识别（n=36，42%）是最常见的任务。虽然大多数 (n=70, 81%) 研究涉及患者群体，但只有 1 项 (1%) 研究调查了患者对基于 AI 的病史采集和分类的看法，2 项 (2%) 研究考虑了医疗保健专业人员的观点。此外，只有 6 项 (7%) 研究通过实时模型测试、工作流程实施、临床结果评估或融入实践在相关临床环境中验证或展示了 AI 系统。大多数 (n=76, 88%) 研究涉及 AI 系统的原型设计、开发或验证。总共有 4 项 (5%) 研究是对在不同临床环境中进行的几项实证研究的回顾。AI 系统实施的促进因素和障碍分为 4 个主题：技术方面、背景和文化考虑、最终用户参与和评估过程。结论：本综述重点介绍了在医疗保健中实施 AI 系统的当前趋势、利益相关者观点、创新发展阶段和关键影响因素。关于利益相关者观点的已发现的文献差距和用于自动化病史记录和分类的人工智能系统的有限研究表明，在这个不断发展的领域有进一步研究和发展的巨大机会。
XSL•FO
背景：妊娠期糖尿病 (GDM) 的特征是妊娠期高血糖，通常在分娩后消退。与妊娠期血糖正常的女性相比，患有 GDM 的女性在以后的生活中患 2 型糖尿病 (T2DM) 的风险更高。虽然已经开发了糖尿病预防干预措施 (DPI) 来延迟或预防 2 型糖尿病的发病，但很少有研究提供过程评估 (PE) 数据来评估影响机制、实施质量或可能影响干预效果的背景因素。目标：本研究旨在确定和评估 PE 数据，以及这些数据如何与 GDM 女性 2 型糖尿病预防干预随机对照试验 (RCT) 的结果相关联。方法：进行了系统回顾，以确定 2005 年至 2020 年发表的研究，旨在获取最新的 DPI。我们搜索了五个电子书目数据库（Cochrane 图书馆、Cochrane 对照试验合作注册中心、Embase、PubMed 和 MEDLINE）以确定相关研究。纳入标准为已发表的（同行评审的）针对目前诊断或有 GDM 病史的女性进行 DPI 的 RCT。排除标准为未以英文发表的研究；目标人群是具有 2 型糖尿病家族史或更年期或绝经后女性的研究；以及灰色文献，包括会议论文集的摘要。医学研究委员会的复杂干预 PE 框架用于确定关键的 PE 组成部分。混合方法评估工具用于评估纳入研究的质量。结果：共纳入 24 项研究；但只有 5 项研究明确报告了 PE 理论框架。这些研究涉及 3 种干预方式，包括面对面（n=7）、数字（n=7）和混合（n=9）。其中两项研究进行了试点 RCT，评估了干预措施的可行性和可接受性，包括招募、参与、保留、计划实施、依从性和满意度，还有一项研究评估了问卷调查对促进食物和蔬菜摄入的有效性。虽然大多数研究将 PE 数据与研究结果联系起来，但尚不清楚报告的 PE 成分中哪些与积极结果具体相关。
XSL•FO
背景：医疗保健在新兴的数字环境中正经历着新的机遇。元宇宙是一个共享的虚拟空间，它集成了增强现实、虚拟现实、区块链和人工智能等技术。它允许用户与沉浸式的数字世界互动、与他人联系并探索未知事物。虽然元宇宙在各个医学学科中越来越受欢迎，但它在甲状腺疾病中的应用仍未得到探索。亚临床甲状腺功能减退症 (SCH) 是妊娠期间最常见的甲状腺疾病，并且经常与不良妊娠结局有关。目的：本研究旨在评估元宇宙平台在管理妊娠期间 SCH 方面的安全性和有效性。方法：2022 年 7 月至 2023 年 12 月在中国福建省立医院进行了一项随机对照试验。共有 60 名被诊断为 SCH 的孕妇被随机分为两组：标准组 (n=30) 和元宇宙组 (n=30)。两组均接受左甲状腺素钠片治疗。此外，元宇宙组的参与者还可以访问元宇宙虚拟医疗咨询和基于元宇宙的医疗游戏。主要结果是母亲和后代的不良结果，次要结果包括后代的神经行为发育和母亲心理评估。结果：每组 30 名参与者中，标准组 43%（n=13），元宇宙组 37%（n=11）出现不良母亲结果（P=0.60）。标准组不良后代结果的发生率为 33%（n=10），而元宇宙组为 7%（n=2）（P=0.01）。Gesell 发展量表在两组之间没有显示显著差异。值得注意的是，与标准组相比，元宇宙组的自我评价抑郁量表和自我评价焦虑量表得分显著提高（分别为 P<0.001 和 P=0.001）。结论：使用元宇宙技术显著降低了不良后代结局的发生率，并对母亲心理健康产生了积极影响。两组母亲不良结局和后代神经行为发育情况相当。试验注册：中国临床试验注册中心 ChiCTR2300076803；https://www.chictr.org.cn/showproj.html?proj=205905
新型数字异常、海马萎缩和突变扩大了 Houge 型 X 连锁综合征智力发育障碍 (MRXSHG) 中 CNKSR2 的基因型和表型谱
推荐引文 推荐引文 Ghasemi，Mohammad Reza；法塔赫，萨汉德·德赫拉尼；本-马哈茂德，阿菲夫；古普塔，维杰；拉拉·G·斯图恩；莱斯卡、盖坦；查特伦，尼古拉斯；康拉德·普拉泽；埃德里，帕特里克；萨德吉，侯赛因；伊西多尔，伯特兰；本杰明·科涅；舒尔茨，海蒂 L.；克劳斯佩-施图贝克，伊洛纳；佩里亚萨米，拉达克里希南；南普蒂里，席拉；米尔法赫莱，礼萨；阿利扬普尔、萨哈尔；西尔布，史蒂芬；普法伊弗，乌尔里希；斯普兰格，斯蒂芬妮；格伦德曼-豪瑟，凯瑟琳；哈克，托比亚斯·B.；帕帕佐普卢，玛丽亚·T.；达·席尔瓦·贡萨尔维斯，泰琳； Panagiotakaki, Eleni；Arzimanoglou, Alexis；Tonekaboni, Seyed Hassan；Lacassie, Yves；等人，“新型数字异常、海马萎缩和突变扩大了 Houge 型 X 连锁综合征性智力发育障碍 (MRXSHG) 中 CNKSR2 的基因型和表型谱”(2024)。医学院教职员工出版物。3292。https://digitalscholar.lsuhsc.edu/som_facpubs/3292 10.1002/ajmg.a.63963
XSL•FO
背景：2 型糖尿病 (T2D) 是全球过早发病和死亡的主要原因，影响着世界人口最多的国家印度的 1 亿多人口。营养是有效控制血糖的关键且有证据支撑的组成部分，大多数饮食建议都强调减少碳水化合物和卡路里。新兴的全球证据表明，餐后血糖反应 (PPGR) 存在明显的个体差异，尽管印度没有此类数据，之前的研究主要评估了非糖尿病患者的 PPGR 变化。目标：这项前瞻性队列研究旨在描述居住在印度的糖尿病患者的 PPGR 变异性，并确定与这些差异相关的因素。方法：正在从印度各地的 14 个地点招募患有 T2D 且血红蛋白 A 1c ≥ 7 的成年人。参与者佩戴连续血糖监测仪，进食一系列标准化膳食，并记录 14 天期间的所有自由饮食、活动和药物使用情况。该研究的主要结果是 PPGR，计算为每次记录的进餐后 2 小时曲线下面积的增量。结果：数据收集于 2022 年 5 月开始，结果将于 2025 年 9 月准备好发布。我们研究的结果将生成数据，以促进创建机器学习模型来预测个人 PPGR 反应，并促进为 2 型糖尿病患者开出个性化饮食处方。结论：这项研究将首次大规模检查印度对食物的血糖反应变异性，并将成为首批估计任何司法管辖区 2 型糖尿病患者 PPGR 变异性的研究之一。试验注册：临床试验注册中心-印度 CTRI/2022/02/040619；https://tinyurl.com/mrywf6bf 国际注册报告标识符 (IRRID)：DERR1-10.2196/59308
XSL•fo
背景：对于住院的患者，出院信是医疗信息的关键来源，概述了重要的出院说明和健康管理任务。但是，这些信件通常是用专业的术语写的，这使其难以理解医学知识的患者很难理解。大型语言模型（例如GPT）有可能将这些放电摘要转换为对患者友好的字母，从而提高可访问性和理解。目的：本研究旨在使用GPT-4将排放字母转换为更可读的以患者为中心的字母。我们评估了如何有效，全面地识别和转移患者安全性 - 从放电信到转化的患者信件的信息。方法：基于常见的医疗条件创建了三个出院信，其中包含72个患者安全性 - 范围的信息，称为“学习目标”。提示GPT-4将这些排放字母转换为以患者为中心的字母。分析了由此产生的患者信件的医疗准确性，以患者为中心以及识别和翻译学习目标的能力。Bloom的分类法用于分析和分类学习目标。结果：GPT-4从排放字母中解决了学习目标的大多数（56/72，78％）。但是，大多数以患者为中心的字母中未包括72个（15％）学习目标中的11个。医疗错误是在一小部分句子中发现的（31/787，3.9％）。基于Bloom的分类法的定性分析表明，“理解”类别（9/11）中的学习目标比“记住”类别（2/11）中的学习目标更频繁地省略。大多数缺少的学习目标与“预防并发症”的内容领域有关。相比之下，关于“生活方式”和“组织”方面的学习目标更频繁地解决。以患者为中心，以患者为中心的字母显示出比出院字母更好的可读性。与放电信相比，其中包括更少的医学术语（132/860，15.3％，vs 165/273，60/4％），缩写较少（43/860，5％，vs 49/273，17.9％），以及医学术语的更多解释（121/131，92.4％，VS VS 0/155，0/155，vs。结论：我们的研究表明，GPT-4有可能将出院字母转换为以患者为中心的沟通。虽然转换字母的可读性和以患者为中心是良好的，但它们尚未完全
genie xs。按需清洁！ -VVT
使用材料，例如底座和底盘的铝，精灵XS既坚固又轻量级，即使在使用和运输过程中，在使用和运输过程中，较少的压力也减少了操作员的压力，即使在没有升降机的建筑物中上下楼梯时，也会减轻操作员的压力。一旦折叠，就可以在控制条上的手柄轻松携带机器。否则，一对大轮子让您像手推车一样将机器沿着。
请求提案 - 开放竞争性ENW -XS -NWO
nwo促进世界一流的科学研究。科学研究 - 基本，应用和基于实践 - 在塑造我们的社会中起关键作用。通过他们独立，可靠和世界一流的研究，研究人员以创造力和毅力扩大了我们知识和能力的前沿。nwo域科学（nwo-domein exterte en natuurwetenschappen（enw））希望为奇迹，发现，意外链接和灵感提供机会。在领域科学的公开竞争中，NWO财务好奇心驱动的基础研究在域科学的研究领域内。研究主题是您自己的选择，而没有特定的主题先决条件。在NWO开放竞争域科学中有三种类型的资金：XS，M和XL都有其特定的目标和条件。可以通过域Science-XS格兰特快速探索一个有希望的想法，并可以通过域Science-M授予者进一步探索。领域科学-XL赠款允许将研究思想发展为世界一流的，具有挑战性和创新的研究线，通过结合多个研究组的专业知识和优势，可以在财团中合作。有关域Science -M和-XL赠款的更多信息，我们将您推荐给NWO网页上的各自提案的呼吁。域Science-XS（ENW-XS）赠款可用于最高预算50,000欧元的项目。预算可以完全由研究人员的酌情决定。ENW-XS补助金可供掌握整个项目期限的博士后职位的研究人员使用。ENW-XS欢迎来自PostDocs的建议。在第3节中列出了与提交研究建议有关的所有条件。ENW-XS的评估程序与标准NWO程序不同。提交ENW-XS的研究建议的研究人员也充当了已提交的其他研究建议的评估者。此短期评估程序旨在评估有限持续时间项目的研究建议，涉及较小的预算。评估程序在第4节中进行了详细描述。