然而,关于企业国际业务(国际化、去国际化和再国际化)活动与商业模式创新交集的研究仍处于起步阶段(Nielsen 等人,2021 年;Sort 等人,2021 年)。本文旨在通过 BMI 的视角增强当前对企业去国际化和再国际化的理论和实践理解,并为未来的研究制定议程,从而阐明这一交集。首先,介绍 BMI 和去国际化的类型学,然后讨论去国际化的原因(例如,Bernini 等人,2016 年;Berry,2013 年;Dachs 等人,2019 年;Konara & Ganotakis,2020 年;Mohr 等人,2018 年)。在下一节中,我们将 BMI 逻辑应用于这一过程,以研究企业如何通过由 BMI 逻辑实现的各种再国际化战略姿态(例如 Bernini 等人,2016 年;Chen 等人,2019 年;Javalgi 等人,2011 年;Surdu 等人,2019 年;Welch & Welch,2009 年)重新启动其国际增长和跨境活动。或者 BMI 如何成为企业理解和成功实现去国际化和再国际化努力的重要组成部分。
背景:妊娠糖尿病(GDM)与母体体重指数(BMI)直接相关。妊娠前BMI是研究怀孕肥胖结果的理想选择。与西方不同,在印度这样的国家,孕妇在孕期期间接近卫生设施,因此可以考虑孕期BMI作为研究结果变量的参数。在这项研究中,我们将怀孕的BMI和GDM关联,因为GDM对母亲和婴儿具有重大影响。研究的目的是研究在GDM和非GDM两组中构思的肥胖妇女中的孕产妇和新生儿结局。方法:在三年期间在三级护理教学医院进行的观察性研究(2021-2022)。在首次访问中计算出的,≥30的头三个月的所有孕妇都包括在本研究中进行随访。根据DIPSI方法在妊娠24-28周筛查的结果,将妊娠分为GDM和非GDM组。观察到了GDM的风险。两组之间注意到了产科和新生儿结局并进行了比较。使用SPSS软件分析数据。结果:GDM组中的平均BMI(32.79±1.47)大于非GDM(31.15±1.22),p值为0.00005很重要。在产科结果中,GDM与早产发生率的增加有关(p值= 0.004),妊娠高血压(p值= 0.002)。在围产期结局的情况下,可以看到GDM出生的新生儿的高胆红素血症(P-值= 0.002),低血糖(P值= 0.048)和败血症(P值= 0.046)的发生率。结论:早期怀孕的BMI计算是监测包括GDM在内的怀孕并发症的良好指标。因此,鉴定BMI和GDM高患者需要在怀孕期间进行定期随访,以使早期干预可最大程度地减少并发症。关键字:妊娠糖尿病,胰岛素抵抗,孕产妇预后,新生儿结局,妊娠,肥胖
创建灵活而强大的脑机接口 (BMI) 目前是一个热门的研究课题,医学、工程、商业和机器学习社区已经对此进行了数十年的探索。特别是,使用强化学习 (RL) 的技术已显示出令人印象深刻的结果,但在 BMI 社区中却代表性不足。为了进一步阐明这种有希望的关系,本文旨在对 RL 在 BMI 中的应用进行详尽的回顾。我们在这篇评论中的主要重点是提供基于 RL 的 BMI 中用于解码神经意图的各种算法的技术摘要,而不强调神经信号的预处理技术和 RL 的奖励建模。我们首先根据用于神经解码的 RL 方法类型组织文献,然后解释每种算法的学习策略及其在 BMI 中的应用。提供了比较分析,重点介绍了神经解码器之间的相似性和独特性。最后,我们以讨论 RLBMI 的现阶段结束这篇评论,包括它们的局限性和未来研究的有希望的方向。
目标。与类风湿关节炎中的非TNFI生物学疗法相比,我们对肿瘤坏死因子抑制剂(TNFI)进行了研究,以测试是否修改了每种疗法的效果。方法。我们利用了Corevitas的数据。,我们根据治疗开始后6个月研究了基于临床疾病活性指数(CDAI)的3种临床结果:1)实现低疾病活性(LDA); 2)变化与最小临床重要差异一样大(MCID); 3)绝对变化。我们对BMI进行了分类,并利用受限的立方花键来考虑非线性关联。我们使用线性和逻辑回归来评估与响应的关联,并调整混杂因素。确定治疗的比较有效性是否因BMI而变化,我们测试了BMI与治疗类别之间的相互作用。结果。样本包括2,891个TNFI和3,010个非TNFI启动器。在所有发起人中,患有严重的肥胖症的人的实现LDA或MCID的几率较低,CDAI得分的提高较小,尽管调整会减弱关联。低BMI与调整模型的响应率降低有关,包括LDA的几率较低(优势比0.32 [95%的置信间隔(95%CI)0.15,0.71],p = 0.005)。通过TNFI和非TNFI疗法进行了分析,表明BMI类别的TNFI与非TNFI的临床反应率没有差异(所有相互作用的P均用于相互作用> 0.05)。tnfi 95%CI中非TNFI生物学拟合的估计。结论。这项研究观察到肥胖和体重不足患者的反应率较低,并且没有证据表明非TNFI治疗比特别是BMI类别的TNFI疗法具有出色的作用。
BMI 与医疗保健支出之间的关系身体质量指数通常分为四类:体重过轻、正常、超重和肥胖。最后一类——肥胖——也可根据其严重程度进行分类:I 类,低风险;II 类,中等风险;III 类,高风险。平均而言,患有肥胖的联邦医疗保险受益人的医疗保健支出超过非肥胖人士的支出(见图 1)。在肥胖的三个子类别中,BMI 较高的人的支出差异较大。例如,BMI 为 40 或以上(肥胖 III 类)的人的平均医疗保健支出明显高于 BMI 为 30 至小于 35(肥胖 I 类)的人。4 在本分析中,医疗保健支出包括联邦医疗保险和其他支付方的支出。
肥胖被认为是一个全球性的公共卫生问题。剖宫产与高体重指数 (BMI) 和终生肥胖增加有关。然而,一些研究对这种关联提出了质疑。本研究旨在评估剖宫产对 1-3 岁儿童 BMI 的因果影响。这是一项队列研究,研究对象为 2010 年出生的 2,181 名 1-3 岁儿童,这些儿童来自巴西马拉尼昂州圣路易斯的 BRISA 出生队列。研究评估了社会人口变量、母亲特征、分娩类型、发病率、人体测量数据和 BMI。使用具有反事实方法的边际结构模型来检查分娩类型对肥胖的因果影响,并用选择和暴露的逆概率加权。在接受评估的 2,181 名儿童中(52% 为女婴),50.6% 为剖宫产出生,5.9% 的新生儿为胎龄过大,10.7% 的新生儿体重过重。未观察到剖宫产对 BMI 的因果影响(系数 = -0.004;95%CI:-0.136;0.127;p = 0.948)。剖宫产对 1-3 岁儿童的 BMI 没有因果影响。
认知分析采用和分析复杂和异质的数据源产生了模仿人脑自然智力的更深入的见解。认知分析启用的人工智能(AI),该人工智能(AI)促进业务模型创新(BMI)以促进医疗保健系统的效率,这是一个新生和理论的领域。在医疗保健管理系统中,利益相关者与AI的互动,尤其是与负责的AI相关,以优化BMI并提高业务绩效,这受到了多种警告的影响。使用技术接受模型(TAM)和社交网络理论(SNT)作为我们的概念焦点,我们通过多层观察神经网络进行了经验研究,以了解负责AI通过利益相关者的参与导致业务模型创新(BMI)的程度。我们的贡献是新颖的,它表明,支持认知分析的负责人AI对创新至关重要,医疗保健利益相关者表现出强大的重新定向和创新其现有BMI的强大倾向,以提高业务绩效。它对创新,AI和认知分析文献具有重要意义。关键字:认知分析,RAI,创新责任,商业模型创新(BMI),医疗保健,利益相关者,多层人物感知者神经网络(MLP NN)
抽象的全球湍流会意外破坏国际分销渠道,使渠道的弹性成为国际分布的公司的重要问题。有效过程可以提供帮助,但是现有手段可能并不总是适合不断变化的市场条件。从企业家精神和国际营销文献中汲取灵感,这项研究测试了以新颖性为中心的商业模型创新(BMI)介导了效应过程与渠道弹性之间的关系,而深度不确定性则调节了该调解的两个阶段,从效力到BMI到BMI到BMI以及从创新到频道弹性。,它使用了基于中国武汉的115家公司的数据,该公司在联盟19日大流行期间在国际上进行了国际分布。Wuhan是第一个面对Covid-19的城市,因此是调查意外危机的最佳环境。的发现表明,跨国企业可以利用以新颖性为中心的BMI来增强其对不可预测的危机的频道弹性。以新颖的BMI为中心,公司可以创建新的手段,并以新的方式将其与现有的手段相结合,以适应改变的市场条件,这是渠道弹性的本质。这项研究的发现为新兴市场跨国公司的能力建设提供了新的启示,以实现想象力和实验,并在响应重大干扰时有效。
摘要 脑机接口 (BMI) 是恢复瘫痪患者功能的强大设备。利用神经记录技术、计算能力和对潜在神经信号的理解的重大进步,BMI 使严重瘫痪的患者能够控制外部设备,例如计算机和机器人肢体。然而,高性能 BMI 目前需要高度侵入性的记录技术,因此仅适用于小众人群。在这里,我们展示了一种基于功能性超声 (fUS) 成像的微创神经成像方法可用于检测和解码可用于 BMI 的运动意图信号。我们训练非人类灵长类动物进行记忆引导运动,同时使用硬膜外 fUS 成像记录后顶叶皮层的脑血容量变化 - 后顶叶皮层是大脑中对空间感知、多感觉整合和运动规划很重要的区域。使用在运动规划期间获得的血流动力学信号,我们对左提示运动和右提示运动进行了分类,从而确定了超声波 BMI 的可行性。这些结果证明了基于 fUS 的神经接口能够利用超声波的优异时空分辨率、灵敏度和视野,而不会破坏硬脑膜或物理穿透脑组织。
结果:观察到,ASM/BMI较高的患者在男性和女性中的Findrisc评分较低(P <0.001)。logistic回归模型显示女性的ASM/BMI和糖尿病风险之间的相关性[OR:0.000(0.000-0.900),p = 0.048],但在男性中不[OR:0.267(0.267(0.038-1.878)),p = 0.185]。然而,当模型中排除体重指数变量时,男性调整为BMI的肌肉质量和糖尿病风险之间存在关联[OR:0.000(0.000-0.016),p <0.001],女性[OR::0.001(0.001(0.001)(0.001(0.000-0.034),p <0.001],p <0.001]。其他危险因素的体育锻炼水平较低,腰围,年龄和久坐的生活方式。建立了ROC曲线,预测T2D风险的最佳ASM/BMI降低价值为0.82,灵敏度为53.71%,特异性为69.3%[AUC为0.665(0.64-0.69; P <0.0001)]。