XiaoMi-AI文件搜索系统
World File Search Systemepidemiology
药物流行病学中的人工智能：系统综述。第 1 部分——人工智能中知识发现技术的概述
根据定义，人工智能是“能够执行通常需要人类智能才能完成的任务的计算机系统的理论和发展”（Oxford，2019 年）。英国逻辑学家艾伦·图灵在 20 世纪下半叶报告了该领域最早的研究。1935 年，艾伦·图灵提出了智能机器的基本概念，通常称为通用图灵机。1947 年，他进一步阐述了自己的愿景，将计算机智能描述为“能够从经验中学习的机器”（Turing，1937 年）。由于人类智能是多种能力的组合（即学习、推理、解决问题、感知和使用语言），人工智能（或机器智能）也是不同科学和工程学科的方法和技术的复合体，以便将它们融入机器（图 1）。值得注意的是，人工智能常常与机器学习混淆。学习（机器/深度学习）是人工智能的一个子领域，涉及机器学习方法和技术。机器（或深度学习）成为人工智能主要子领域的一个原因是计算机技术的长足进步和学习算法的令人瞩目的成就。根据定义，机器学习是一个多学科领域，涉及数学、统计学和计算机科学的方法和技术，用于从有关某些任务（即问题的性质）的经验（历史数据）中学习，并衡量性能（性能矩阵）并改进它（强化）（Michie 等人，1994 年）。今天，基于强化学习原理的机器学习算法不仅增强了机器的学习能力，而且还补充了智能的其他方面，例如适当的推理、有效的问题解决和事实感知。传统上，实验设计、观察数据分析
SARS-CoV-2_病毒学、流行病学、免疫学和疫苗开发
谣言，没有科学证据表明它是实验室制造的病毒。主要危险因素是人类在市场上与活体野生动物接触，这在东亚并不少见。与以前的大流行相比，在非常早期的阶段，电子显微镜图像和完整的基因组序列是可用的，为疫苗开发提供了目标。GISAID 倡议 [ https:// www.gisaid.org ] 促进快速共享来自 SARS-CoV-2（以及流感病毒数据）的数据，已经从世界各地的实验室收集了超过 34,000 个 SARS-CoV-2 基因组。数据显示，该病毒与从蝙蝠和穿山甲中获得的病毒有一定程度的相似性。根据遗传多样性，病毒被分为三个基因群：G、V 和 S 组，其中 G 组目前最为突出，并被进一步细分为 3 个亚组（G、GR 和 GH）。然而，遗传多样性似乎对抗原性的影响有限。根据法国的数据 [1]，住院患者的平均年龄为 68 岁，而死亡时的平均年龄为 79 岁。一半的住院病例和超过 80% 的死亡病例发生在 70 岁以上的人群中。此外，56.2% 的
b''青少年烟：流行病学和呼吸伤害
2013年发表在柳叶刀上的一项研究表明，与尼古丁斑块相比，使用电子烟的成年吸烟者的禁欲率相似，其戒烟定义为在6个月的随访期间使用少于6支香烟的使用。在电子烟组中，所有禁欲的高度率达到7.3％[5]。但是，电子烟是否可以提供长期戒酒的问题尚未得到解答。2019年在《新英格兰医学杂志》上发表的一项随机对照试验试图通过比较分配给含尼古丁的电子烟或其他形式的NRT（例如斑块或牙龈）（例如斑块或牙龈）（例如，与认知行为支持）的吸烟者的一年禁欲率。这项研究报告说，电子二碳组的禁欲为18％，而NRT组为9.9％，这表明当与个性化治疗合并时，电子烟可能比其他形式的NRT更有效[6
黄热病控制：当前流行病学和疫苗接种策略
黄热病 (YF) 疫情持续，已蔓延至新地区，威胁着南美洲和非洲的大量人口。预测疫情可能发生的地点必须考虑当地蚊子种群和特定的 YF 病毒株，以及生态气候条件、社会政治和人口因素（包括人口规模、密度和流动性）以及疫苗覆盖率。不同地区的埃及伊蚊和白纹伊蚊种群对 YF 病毒的易感性和传播能力各不相同。YF 病毒目前无法消除，因为该病毒在动物宿主中传播，但广泛使用疫苗可以消除人类疾病。世卫组织 EYE（消除黄热病流行病）是一项控制 YF 的受欢迎计划，其战略将于 2017 年至 2026 年实施：扩大 YF 疫苗的使用，防止国际传播，并迅速遏制疫情。YF 疫苗接种是控制 YF 疫情的主要手段，但全球供应不足。因此，提出了剂量节约策略，包括分次给药和皮内给药。分次给药已有效地用于控制疫情，但目前不符合《国际卫生条例》；国际旅行需要特殊文件。媒介控制是预防黄热病疫情的另一个方面，目前正在考虑和提出新方法。