XiaoMi-AI文件搜索系统
World File Search Systembmi
基于情绪调节视角的数字化商业模式创新研究
人工智能、脑机接口技术和大数据等数字技术使许多公司能够创新其商业模式。由于其复杂和不确定的性质，它显然是一个情绪过程，涉及个体的情绪调节，但目前的研究缺乏从情绪到数字商业模式创新（BMI）的有效转化路径。借鉴情绪调节和商业模式创新的理论和研究，我们研究企业家的情绪调节（即认知重评和表达抑制）如何影响数字BMI。来自126家新创企业的数据表明，企业家的重新评估对数字BMI有积极影响，而企业家的抑制对数字BMI产生相反的影响。此外，我们发现环境动态调节了这种关系。研究结果解释了数字技术赋能中的情感复杂性，这对脑机接口应用程序的开发和设计以及情绪和商业模式创新文献具有重要意义。
控制、机器人和自主系统年度回顾脑机接口：自适应系统中的闭环控制
脑机接口 (BMI) 有望恢复瘫痪患者的运动和交流能力，最终使人脑与外部设备无缝交互，为新一波医疗和消费技术铺平道路。然而，神经活动会随着时间的推移而适应和变化，这对可靠的 BMI 实施提出了巨大挑战。现在，动物研究中的大规模记录使我们能够研究行为信息在多个大脑区域中的分布情况，而最先进的接口现在将大脑模型作为反馈控制器。正在进行的研究旨在了解神经可塑性对 BMI 的影响，并找到利用学习同时适应神经代码意外变化的方法。我们回顾了实验和临床 BMI 研究的现状，重点关注我们对神经代码的了解、优化闭环控制解码器的方法以及解决神经可塑性的新兴策略。
脑局部场电位在 11 个月内的稳定性......
摘要。局部场电位 (LFP) 源自数千个神经元。因此，它们可以为脑机接口 (BMI) 提供持久而稳定的控制信号。在这里，我们评估了在使用基于 LFP 的 BMI 进行 2-D 光标控制期间 2 只猴子初级运动皮层中 LFP 的稳定性。使用无需再训练或适应的仿生 BMI 解码器，猴子表现出高性能，并且保持稳定超过 11 个月。离线时，我们通过从每个会话中的各个特征计算大脑控制的光标速度的解码器并在最后一个会话中使用它们解码速度来检查 LFP 特征的稳定性。许多 LFP 特征与光标速度显示出高度相关性，并且光标速度在 11 个月内变得越来越稳定。这表明猴子学会了运动皮层场电位和输出之间的稳定映射，并且 LFP 将为 BMI 提供高度稳定的信号源。
应考虑胰岛素抵抗（HOMA-IR），胰岛素分泌（HOMA-β）和内脏脂肪区域，以改善糖尿病的性能风险预测模型
抽象引入胰岛素抗性和胰腺β细胞中的缺陷是基于2型糖尿病的两个主要病理生理异常。此外，据报道，内脏脂肪面积（VFA）比体重指数（BMI）更强。在这里，我们测试了糖尿病预测模型的性能是否可以通过添加HOMA-IR和HOMA-β并用VFA代替BMI来改善。研究设计和方法我们使用队列研究中的数据开发了五个预测模型（其中5578个个体，其中94.7％是男性，而943人患有入射糖尿病）。我们进行了基线模型（模型1），包括年龄，性别，BMI，吸烟，血脂异常，高血压和HBA1C。随后，我们开发了另外四个模型：模型2，模型1和禁食等离子体葡萄糖（FPG）中的预测因子；模型3，模型1加HOMA-IR和HOMA-β中的预测因子；模型4，模型1加FPG，HOMA-IR和HOMA-β中的预测因子；模型5，用模型2中的VFA代替BMI。我们评估了随访的前10年的模型歧视和校准。导致在模型1中添加FPG显然将接收器操作特征曲线下面积的值从0.79（95％CI 0.78，0.81）增加到0.84（0.83，0.85）。与模型1相比，模型2还显着改善了风险重新分类和歧视，连续净重新分类改进指数为0.61（0.56，0.70），综合判别改进指数为0.09（0.08，0.10）。添加HOMA-IR和HOMA-β（模型3和4）或用VFA替换BMI（模型5）并未进一步改善性能。结论这项主要由男性工人组成的队列研究表明，具有BMI，FPG和HBA1C的模型有效地鉴定了高糖尿病风险的模型。但是，添加HOMA-IR，HOMA-β或用VFA替换BMI并不能显着改善模型。需要进一步的研究来确认我们的发现。
BMI 介导的草甘膦暴露与动脉粥样硬化性心脏病风险增加之间的关联：一项大规模横断面研究
动脉粥样硬化性心血管疾病是指脂肪和纤维物质在动脉内膜堆积，形成斑块并逐渐侵入动脉管腔，最终导致组织缺血和心脏和血管的一系列病理改变[1]。动脉粥样硬化心血管疾病是全球死亡的主要原因，据统计，2015年有超过1700万人死于动脉粥样硬化心血管疾病，约占总死亡人数的1/3[1]。动脉粥样硬化心血管疾病的危险因素很多，不良的饮食和生活习惯、基础疾病等因素会加速动脉粥样硬化心血管疾病的发生和进展[2]。由于动脉粥样硬化心血管疾病的死亡率极高且预后不良，因此预防其发病、减缓其进展至关重要。近年来，环境污染等问题日益严峻，越来越多的证据表明环境污染物的暴露与动脉粥样硬化心血管疾病的进展存在相关性[3]。草甘膦又名 N-膦甲基甘氨酸，是草甘膦类除草剂的主要有效成分 [4]。由于其广谱活性和有效的杂草抑制作用，该类除草剂目前在 140 个国家和地区使用，是全球使用最广泛的除草剂 [5]。草甘膦类除草剂的广泛使用导致草甘膦广泛暴露，可在空气、食物、土壤和水中检测到 [6]。环境中的草甘膦可通过皮肤接触、吸入和食入等各种途径进入人体 [7]。以前人们认为，尽管草甘膦在环境中暴露，但它对人体健康的危害很小，因为其除草作用主要抑制植物中的莽草酸途径，而该途径在脊椎动物中并不存在 [5]。然而，随着研究的进展，越来越多的证据表明草甘膦对脊椎动物也有不利影响。一项关于豚鼠的研究发现，草甘膦损害了它们的生长和生殖功能[8]。另一项关于虹鳟鱼的研究发现，长期暴露于环境中低浓度的草甘膦会影响其后代的发育和代谢[9]。此外，近年来进行的几项大规模横断面研究表明，草甘膦与糖尿病、抑郁和肝功能障碍等不良事件显著相关[10-12]。但目前关于草甘膦与ASCVD之间关联的研究有限。经查阅文献，我们仅发现将草甘膦暴露与心血管疾病（CVD）联系起来的报道，并且这些报道得出了负面结果[13]。同样，现有关于有机磷（OP）暴露与心血管疾病之间关联的研究也得出了相互矛盾的结论。缅甸的一项研究表明，长期接触有机磷农药的工人患心血管疾病的风险显著高于未接触有机磷农药的工人[14]。相反，美国的一项横断面研究结果表明，长期接触有机磷农药与心血管疾病之间无统计学显著相关性。
解码上肢辅助技术的脑机相互作用：进步和挑战
了解大脑编码上肢运动如何对于辅助技术中的控制机制至关重要。辅助技术，尤其是脑机界面（BMI）的进步突出了解码运动意图和运动学对有效控制的重要性。基于EEG的BMI系统由于其非侵入性和诱导神经可塑性的潜力而增强运动康复结果的潜力而显示出希望。基于EEG的BMI显示了解码运动意图和运动学的潜力，但研究表明与实际或计划的运动的相关性不一致，对实现精确和可靠的假体控制提出了挑战。此外，个体的预测性脑电图模式的变异性需要个性化调整以提高BMI效率。整合多个生理信号可以提高BMI的精度和可靠性，为更有效的运动康复策略铺平道路。研究表明，大脑活动在运动过程中适应引力和惯性约束，突出了神经适应生物力学变化在创建辅助设备控制系统中的关键作用。本综述旨在全面概述与生理和辅助上肢运动相关的解密神经活动模式的最新进展，从而强调了在神经疗程和脑镜界面发展中未来探索的途径。
具有人工智能副驾驶的非侵入式脑机接口控制
运动脑机接口 (BMI) 解码神经信号，帮助瘫痪患者移动和交流。尽管在过去二十年中取得了重大进展，但 BMI 仍面临着临床可行性的关键障碍。侵入式 BMI 可以实现熟练的光标和机械臂控制，但需要神经外科手术，对患者构成重大风险。非侵入式 BMI 没有神经外科手术风险，但性能较低，有时使用起来非常令人沮丧，阻碍了广泛采用。我们通过构建高性能的非侵入式 BMI 朝着打破这种性能风险权衡迈出了一步。17 限制非侵入式 BMI 解码器性能的关键限制是其较差的神经信噪比。为了克服这个问题，我们贡献了 (1) 一种新颖的 EEG 解码方法和 (2) 人工智能 (AI) 副驾驶，可以推断任务目标并帮助完成行动。我们证明，借助这种“AI-BMI”，结合使用卷积神经网络 (CNN) 和类似 ReFIT 的卡尔曼滤波器 (KF) 的新型自适应解码方法，健康用户和瘫痪参与者可以自主且熟练地控制计算机光标和机械臂。使用 AI 副驾驶可将目标获取速度提高 4 倍。在标准的中心向外光标控制任务中，目标获取速度提高了 3 倍，并使用户能够控制机械臂执行顺序拾取和放置任务，将 4 个随机放置的块移动到 4 个随机选择的位置。随着 AI 副驾驶的改进，这种方法可能会产生临床上可行的非侵入式 AI-BMI。26
更改食品选择 - 急性治疗与...
背景。食物摄入的限制是神经性厌食症的中心病理特征（AN）。适应不良的饮食行为，特别是对卡路里致密食物的摄入量有限，可抵抗变化，并导致长期不良的结果。这项研究是对住院治疗期间食物选择的变化是否与长期临床过程有关的预先检查。方法。在住院治疗的开始和结束时，具有完成计算机化的食物选择任务，以确定高脂和自我控制的食物选择的变化。线性回归和纵向分析测试了任务行为的变化是否预测了短期结果（体重指数[出院时的BMI]）和长期外（BMI和饮食失调心理病理学）。结果。在88例AN，BMI患者中，医院治疗有了显着改善（P <0.001），但食物选择任务结果并未发生显着变化。高脂肪和自我控制的选择的变化与放电时的BMI无关（r = 0.13，p = 0.22和r = 0.10，p = 0.39）。选择的高脂食品的比例（β= 0.91，p = 0.02）和自我控制使用的使用降低（β= - 1.50，p = 0.001）预测出院后3年的BMI下降较少。结论。短期治疗与BMI的改善有关，但在已知的预测实际饮食的任务中，平均而言，没有明显变化。但是，个人在治疗过程中增加高脂选择的程度并减少了自我控制而不是食物选择的程度与接下来3年的体重减轻减轻有关，这强调了需要专注于改变AN的饮食行为。
瑞典Alsrisc研究的简介
抽象背景本研究是瑞典Alsrisc研究的介绍，并探讨了生活方式和医疗状况的关联，以及肌萎缩性侧向硬化症（ALS）的风险和进展。方法，我们在2016 - 2022年在斯德哥尔摩纳入了265名新诊断的ALS患者，而207名无ALS兄弟姐妹和患者的伴侣作为对照组。通过招募时通过欧洲运动问卷获得了有关体重指数（BMI），吸烟和头部受伤，糖尿病，高胆固醇血症和高血压的信息。患者从诊断到死亡，侵入性通气或2022年11月30日进行。招募时较高的BMI与ALS的较低风险有关（OR 0.89，95％CI 0.83-0.95），尤其是在65年后被诊断的患者中。在诊断前的30年中，平均BMI的一个单位增加与ALS风险较低有关（OR 0.94，95％CI 0.89-0.99）。糖尿病与ALS风险较低（OR 0.38，95％CI 0.16-0.90）有关，而高胆固醇血症与ALS的风险较高有关（OR 2.10，95％CI 1.13–3.90）。诊断时较高的BMI与较低的死亡风险有关（HR 0.91，95％CI 0.84–0.98），而最高吸烟水平（以包装年为单位）（HR 1.90，95％CI 1.20-3.00），高胆固醇血症（HR 1.84，95％CI 1.84，95％CI 1.06-3.19-3.19），以及HR 1.03–3.01）与ALS诊断后的死亡风险更高有关。结论较高的BMI和糖尿病与ALS风险较低有关。较高的BMI与较低的死亡风险有关，而吸烟（尤其是在高包装年），高胆固醇血症和高血压与ALS诊断后的死亡风险较高有关。
沃里克郡的体重管理途径
如果未通过钳工期货或NHS数字WM满足成人需求，请考虑转介饮食学。资格标准：BMI 30kg/m2或28kg/m2的BMI加一个或多个以下条件：•1型糖尿病•2型糖尿病•心血管疾病•心血管疾病（下一10年中CVD的10％风险）房屋界限，学习障碍，心理健康问题，脑损伤，单语言不是英语，以前的小组会议已经失败了。www.swft.nhs.uk/our-services/adults-ut-hospital-services/dietetics