XiaoMi-AI文件搜索系统
World File Search Systemcians
陆军技术人员修复数十辆无法使用的军车
关于体制的包容性，已经一次又一次地表明，伊斯兰酋长国是一个包容性的政府，所有部落和民族的代表都可以进入内阁，包括高级和低级职位。如果将当前的伊斯兰制度与以前腐败的政府进行比较，就会发现以前的政权充满了裙带关系和歧视。当一个人被任命为部长时，他会与其亲属一起担任大部分职务，这些亲属要么是普什图人，要么是塔吉克人、哈扎拉人或乌兹别克人部落。但现在，伊斯兰酋长国已经根据伊斯兰教法实行了自己的统治。现行制度的最佳控制者和管理者是从不同阶层的可信赖的人中挑选出来的，与他们的语言、种族或部落无关。这些人长期与侵略者作战，并有效地领导了对占领者的圣战，直到撤出该国。如果细数现政府的成就，我们可以列举出确保全国安全、打击各种腐败、以及努力将毒品种植降至零以下。此外，全国范围内成功实施了数百个大大小小的发展项目，目前还有数千个项目正在进行中，这些都可以算作现体制的成就。
CCHPBC 自然疗法医师执业范围
标准 2 自然疗法医师根据省和联邦法律法规以及最佳实践标准和指南获取、储存、分发和处置药物。分发药物样品或少量药物以外的药物的自然疗法医师必须获得 CCHPBC 的批准才能被指定为配药师（完整）。获得批准后，配药师必须符合药剂师所需的标准（请参阅不列颠哥伦比亚省药剂师学院专业实践框架，见附录 C），并将接受有关这些标准的监督。注册者在申请此类批准之前，应仔细考虑达到此类标准所需的时间、资源和个人参与。此类授权很少被授予。将考虑诸如极端地理隔离和缺乏所需物质的替代来源等因素。*
出版详情：Liu, T., Tsang, W., Xie, Y., Tian, K., Huang, F., Chen, Y., Lau, O., Feng, G., Du, J., Chu, B., Shi, T., Zhao, J., Cai, Y., Hu, X., Akinwunmi, B., Huang, J., Zhang, CJP, & Ming, W.-K. (2021). 新冠疫情前和疫情期间人工智能临床医生的偏好：离散选择实验和倾向得分匹配研究。医学互联网研究杂志，23(3)，文章 e26997。https://doi.org/10.2196/26997
1 暨南大学医学院公共卫生与预防医学系，广州，中国 2 暨南大学国际学院，广州，中国 3 南安普顿大学社会科学学院，南安普顿，英国 4 香港理工大学应用数学系，香港，香港 5 河南理工大学计算机科学与技术学院，河南，中国 6 北京师范大学（珠海）应用数学学院，珠海，中国 7 布莱根妇女医院妇产科，马萨诸塞州波士顿，美国 8 哈佛大学医学院麻省总医院基因组医学中心，马萨诸塞州波士顿，美国 9 伦敦帝国理工学院公共卫生学院流行病学与生物统计学系，伦敦，英国 10 香港大学公共卫生学院，香港，香港 * 这些作者的贡献相同
出版详情：Liu, T., Tsang, W., Huang, F., Lau, OY, Chen, Y., Sheng, J., Guo, Y., Akinwunmi, B., Zhang, C. JP., & Ming, W.-K. (2021). 中国 SARS-CoV-2 大流行期间患者对人工智能应用与临床医生在疾病诊断中的偏好：离散选择实验。《医学互联网研究杂志》，23(2)，文章 e22841。https://doi.org/10.2196/22841
背景：误诊、乱收费、排队、诊所等待时间长等是全球医疗行业长期存在的现象。这些因素可能导致患者对临床医生误诊的焦虑。然而，随着大数据在生物医学和医疗保健界的使用日益增长，人工智能 (Al) 诊断技术的性能正在提高，可以帮助避免医疗实践错误，包括在当前 COVID-19 的情况下。目的：本研究旨在在中国 COVID-19 疫情的背景下，从人工智能诊断与临床医生的不同角度可视化和衡量患者的异质偏好。我们还旨在说明离散选择实验 (DCE) 潜在类别的不同决策因素，以及人工智能技术在 SARS-CoV-2 大流行期间及未来判断和管理中的应用前景。方法：DCE 方法是本文应用的主要分析方法。我们假设了诊断方法、门诊等候时间、诊断时间、准确率、诊断后随访、诊断费用等不同维度的属性，并形成问卷。利用 DCE 问卷收集的数据，应用 Sawtooth 软件对数据集构建了广义多项逻辑 (GMNL) 模型、混合逻辑模型和潜在类别模型。此外，我们计算了变量的系数、标准误差、P 值和优势比 (OR)，并形成效用报告以呈现属性的重要性和加权百分比。结果：无论临床医生的描述如何，共有 55.8% 的受访者 (767 人中的 428 人) 选择了 AI 诊断。在 GMNL 模型中，我们发现人们最喜欢 100% 的准确率 (OR 4.548, 95% CI 4.048-5.110, P <.001)。对于潜在类别模型，最容易接受的模型由 3 个潜在类别的受访者组成。影响最大、百分比权重最高的属性是诊断的准确性（总体为 39.29%）和费用（总体为 21.69%），尤其是对诊断“准确性”属性的偏好，该属性在各个类别中保持不变。对于第 1 类和第 3 类，人们更喜欢 AI + 临床医生的方法（第 1 类：OR 1.247，95% CI 1.036-1.463，P <.001；第 3 类：OR 1.958，95% CI
萨尔马尼亚医疗中心医生听诊器卫生习惯评估——三级医院横断面研究
为了促进听诊器卫生习惯的遵守，一项研究建议，医生可以在向患者自我介绍和给出最终建议时对听诊器进行消毒，以鼓励听诊器卫生习惯的实践。23 在我们进行研究的 COVID-19 (SARS-COV-2) 大流行期间，我们发现一些医生 48 (23.40%) 将听诊器直接放在患者的皮肤上，其中许多人 73 (35.60%) 共用一个病房听诊器。值得注意的是，包括 COVID-19 在内的病毒可以在表面和皮肤上存活一段时间 18,24 。据报道有一例 COVID 19 感染病例，引发了人们对听诊器传播病毒可能性的担忧 25 。然而，根据医疗保健指南，建议在检查有接触预防措施的患者时使用一次性听诊器。26
人工智能模型协助医生量化急性胰腺炎中的胰腺坏死
修订后的亚特兰大分类（1）将急性胰腺炎（AP）分为轻度、中度和重度。大多数病例为轻度，但8.8%的病例会发展为重度急性胰腺炎（SAP）（1）。SAP常导致胰腺周围组织坏死和多器官衰竭（2），在器官衰竭持续的情况下，死亡率可高达28%（1），且预后不良（3）。SAP的早期诊断和相应的护理治疗对于有效预防不良患者预后至关重要（4）。改良CT严重程度指数（MCTSI）是评估AP严重程度的有效工具（5），MCTSI评分越高，并发症发生率越高（6,7）。根据MCTSI评估胰腺坏死体积，分为0%（0分）、小于30%（2分）和大于30%（4分）（8）。区分坏死和非坏死的胰腺组织是一项挑战，这种评估需要由训练有素的专业专家进行。然而，即使对于专家来说，评估通常也只能提供定性信息，通常基于对医学影像（如 CT 扫描）的视觉分析（9）。深度学习系统可以独立提取特征进行大规模操作（10），并通过图像配准技术准确高效地分析图像，而无需专家指导。然而，胰腺的形状不规则且变化很大。此外，胰腺的计算机断层扫描（CT）扫描缺乏鲜明的对比度，通常没有清晰光滑的边界。因此，该器官的分割很困难（11-13）。先前的研究试图改进
诺和诺德 InnoLet（Protaphane 胰岛素）设备停产后，对医疗服务和临床医生的共识建议：
需要立即采取行动 代表澳大利亚妊娠期糖尿病协会 (ADIPS)、澳大利亚糖尿病教育者协会 (ADEA)、澳大利亚糖尿病协会 (ADS)、澳大利亚糖尿病协会 (DA)、澳大利亚皇家全科医师学院 (RACGP) – 糖尿病特殊兴趣小组和澳大利亚与新西兰妇产科医学协会 (SOMANZ)。 背景 胰岛素低聚糖是一种中效胰岛素，其作用开始于 60 分钟，在注射后 4-12 小时达到峰值，持续时间长达 24 小时。 在澳大利亚，胰岛素低聚糖目前以 100 IU/mL 的形式在小瓶、预填充输送装置和笔式/笔式药筒中提供，作为 Protaphane®（Novo Nordisk）和 Humulin® NPH（Eli Lilly）销售。 Novo Nordisk 最近宣布了其胰岛素产品系列的一系列国际变更，这将影响部分产品在澳大利亚的供应。其中包括从 2025 年 2 月起停产 Protaphane 预填充 InnoLet 设备，从 2026 年 12 月起停产 Protaphane Penfill（请参阅下表）。还宣布了其他产品停产，并将根据需要在单独的更新中进行说明。
HoosierVax Health：为临床医生提供疫苗见解
免疫信息系统 (IIS) 是公共卫生的基石，它提供了一个集中式数据库来跟踪免疫接种、监测覆盖率和确定疫苗接种方面的差距。然而，其有效性取决于输入系统的数据的质量。准确、完整和及时的数据可确保医疗保健提供者拥有可靠的患者疫苗接种历史，有助于防止漏服、过度接种或不必要的延误。高质量的数据还能使公共卫生官员在疫情应对期间做出明智的决策，有效分配疫苗资源，并评估免疫计划的有效性和安全性。另一方面，数据质量差可能导致不准确，从而损害患者护理并破坏公共卫生计划。通过优先考虑强大的数据实践，医疗保健提供者和公共卫生组织增强了 IIS 保护社区免受疫苗可预防疾病和促进长期健康公平的能力。