XiaoMi-AI文件搜索系统
World File Search Systemgmat
实用主义是弥合学术前途差距的质量管理研究范式
1。引言研究范式是基本的和关键的，但自然科学和社会科学中的学者通常会忽略。学者在社会科学方面的研究设计作品主要基于定性，定量或使用定性和定量方法的方法论层面，也称为混合方法方法（Harrits，2011）。研究不应从方法上进行研究，而是方法论选择应该对学者的哲学态度造成影响，并与所研究现象保持一致（Holden and Lynch，2004; Mills et al。，2006年；苏格兰，2012年）。回应上述论点，Panda and Gupta（2014）指出，本体论和认识论立场应充当学者在塑造他们的研究过程中的指导原则，并随后采用适当的方法论方法来产生和维持研究中有效和相关的知识。
实用主义作为研究范式
摘要：范式是世界观，一组信念，价值观，传统和惯例，可以影响我们对我们知道我们知道和知道的知识的理解。考虑到这个定义，本文的目的是指出表达混合方法案例研究的研究范式的附加价值，该案例研究研究了大学毕业生为当今就业市场的准备。本文旨在研究参与者对探究现象的世界观的探索如何使务实主义成为实用主义，这是一种基于混合方法研究（MMR）的哲学前提的范式。讨论表明（1）用作研究范式的实用主义如何为所选的混合方法设计提供信息，以及（2）选择的研究范式，实用主义，重视多样化的世界观的多样性，以丰富了在询问中为问题开发可行解决方案的发展。表达有关研究整体设计的研究范式通常被边缘化，特别是在案例研究中。本文打算解释强调案例研究哲学范式的价值。
Polypill对心血管疾病的原发性和次要预防的有效性：一项务实的聚类随机对照试验（Polypars）
抽象背景我们旨在研究固定剂量组合疗法（Polypill）在典型的农村环境中对主要心血管疾病的一级和次要预防的有效性。方法息肉研究是一项嵌套在PARS队列研究中的两臂务实的簇伴形的试验，其中包括所有在伊朗南部整个地区的50岁以上的居民。91个村庄将随机分配分为两个臂：控制臂，包括45个集群，接受了非药物干预（健康生活方式的教育培训），而由46个群集组成的干预组与曾经每天的POLYPILL TABLET相结合。该片剂包括两种抗高血压剂，一个汀类药物和阿司匹林。主要结果是首次发生重大心血管事件，该事件定义为急性冠状动脉综合征（非致命性心肌梗塞和不稳定的心绞痛），致命的心肌梗塞，非致命性和致命性和致命性和致命的中风，突然的死亡和心力衰竭。具有共同脆弱的Cox回归模型用于解释聚类效应。2015年12月至2016年12月12日，招募了4415名50-75岁的参与者（2200名干预部门参与者，2215名参与者参加了控制部门）。随访持续时间的总体中位数为4。6年（四分位间隔4.4-4.9）。在干预组中达到的粘附率为86％。两组之间没有观察到严重不良事件的差异。在对照组中，2215名参与者中有176名（8.0％）出现了主要结果，而Polypill组的2200名参与者中有88名（4.0％）。我们发现，相对和绝对尺度的主要结果风险大大降低（HR 0.50，95％CI 0.38至0.65；绝对风险降低4.0％，95％CI 2.5％至5.3％）。结论固定剂量联合疗法使用polypill可以安全地将主要心血管疾病的风险减半。试用注册号NCT03459560。
DAPA-MI - 一项基于务实注册表的双盲RCT试验，旨在调节评估
1。SD Wiviott和Al。n Engel J Med 2019; 380：347-357; 2。McMurray JJV和Al。n Engl J Med 2019; 381：1995-2008; 3。SD和Al Solomon。n Engle J Med 2022; 387（12）：1089-1098; 4。hjl和al。n Engel J Med。2020; 383：1436-14464; 5。James S和Al。 Am Heart J2023。 lvef：登录分数James S和Al。Am Heart J2023。lvef：登录分数
机电工程中的人工智能：ESPRIT 模型 Mohamed Hedi Riahi、Nadia Ajailia ESPRIT 工程学院 摘要 近十年来，人工智能 (AI) 蓬勃发展，现已涵盖自动化、电力和维护等机电领域，为此我们引入了 ESPRIT 方法。该方法强调工程师需要丰富技能组合，以适应不断变化的环境。这种教育模式将 AI 模块整合到机电工程课程中，符合 CDIO 标准，以培养广泛的 AI 能力。该课程经过精心设计，从基础知识进阶到高级应用和评估，采用主动学习策略提高学生的技术、解决问题和专业技能，最终鼓励全面掌握工程领域的 AI。本文介绍了 ESPRIT 方法，这是一种专为让机电工程师具备必要的 AI 能力而量身定制的教学范式。ESPRIT 机电工程课程中专用 AI 模块的整合符合 CDIO 标准，标志着工程教育取得了重大进步。我们的教学贡献有三方面，涵盖了三年内 AI 模块的设计、执行和评估。该课程采用主动学习策略（标准 8）让学生沉浸在 AI 问题解决中，营造出一种实践参与的环境。课程以结构化的方式展开（标准 3），从第三年的 AI 发现阶段开始，学生将熟悉 Python、AI 库和基础 AI 概念，包括基本分类和回归算法。第二阶段是第四年，重点是应用和强化所获得的知识，重点是 AI 项目的生命周期。学生通过开展一个遵循 AI 项目惯例的小型项目来结束这一阶段。第五年的最后阶段强调实际应用和掌握，最终在 NVIDIA DLI 研讨会上结束，学生有机会获得预测性维护 AI 证书。最后，本文对这种教学方法进行了批判性分析，强调了其实用应用和与学生能力相符的节奏良好的学习轨迹。尽管如此，它强调了在 AI 的理论和实践方面实现对称平衡的必要性，以充分利用其在机电工程中的潜力。关键词
机电工程中的人工智能：ESPRIT 模型 Mohamed Hedi Riahi、Nadia Ajailia ESPRIT 工程学院 摘要 近十年来，人工智能 (AI) 蓬勃发展，现已涵盖自动化、电力和维护等机电领域，为此我们引入了 ESPRIT 方法。该方法强调工程师需要丰富技能组合，以适应不断变化的环境。这种教育模式将 AI 模块整合到机电工程课程中，符合 CDIO 标准，以培养广泛的 AI 能力。该课程经过精心设计，从基础知识进阶到高级应用和评估，采用主动学习策略提高学生的技术、解决问题和专业技能，最终鼓励全面掌握工程领域的 AI。本文介绍了 ESPRIT 方法，这是一种专为让机电工程师具备必要的 AI 能力而量身定制的教学范式。ESPRIT 机电工程课程中专用 AI 模块的整合符合 CDIO 标准，标志着工程教育取得了重大进步。我们的教学贡献有三方面，涵盖了三年内 AI 模块的设计、执行和评估。该课程采用主动学习策略（标准 8）让学生沉浸在 AI 问题解决中，营造出一种实践参与的环境。课程以结构化的方式展开（标准 3），从第三年的 AI 发现阶段开始，学生将熟悉 Python、AI 库和基础 AI 概念，包括基本分类和回归算法。第二阶段是第四年，重点是应用和强化所获得的知识，重点是 AI 项目的生命周期。学生通过开展一个遵循 AI 项目惯例的小型项目来结束这一阶段。第五年的最后阶段强调实际应用和掌握，最终在 NVIDIA DLI 研讨会上结束，学生有机会获得预测性维护 AI 证书。最后，本文对这种教学方法进行了批判性分析，强调了其实用应用和与学生能力相符的节奏良好的学习轨迹。尽管如此，它强调了在 AI 的理论和实践方面实现对称平衡的必要性，以充分利用其在机电工程中的潜力。关键词
PERFECTRA：一项实用的、多中心的、现实生活研究，比较巴瑞替尼与 TNF 抑制剂针对 csDMARD 治疗失败后的活动性类风湿性关节炎患者的靶向治疗策略
摘要 目的 比较在现实生活中的治疗达标 (T2T) 环境中，在传统合成的疾病改良抗风湿药物 (csDMARDs) 失败后，使用巴瑞替尼和 TNF 抑制剂 (TNFi) 治疗类风湿关节炎 (RA) 患者的疗效。方法 患有生物和靶向合成 DMARD (b/tsDMARD) 初治 RA 且病程≤5 年且无 b/tsDMARD 禁忌症的患者，在 T2T 环境中 csDMARD 无法控制病情时，随机接受 TNFi 或巴瑞替尼治疗。每 12 周评估一次临床和患者报告结果指标 (PROM) 的变化，共 48 周。主要终点是巴瑞替尼策略在 12 周时达到美国风湿病学会 50 (ACR50) 反应的患者数量方面的非劣效性，如果证明非劣效性则测试其优效性。次要终点包括 28 关节计数疾病活动评分与 C 反应蛋白 (DAS28-CRP) <2.6、PROM 的变化和放射学进展。结果共研究了 199 名患者 (TNFi，n=102；巴瑞替尼，n=97)。两个研究组相似。巴瑞替尼在实现第 12 周 ACR50 反应方面既不劣于且优于其他方案 (42% vs 20%)。此外，75% 的巴瑞替尼患者在第 12 周达到 DAS28-CRP <2.6，而 TNFi 患者这一比例为 46%。在整个研究期间的次要结果中，巴瑞替尼策略表现出与 TNFi 策略相当或更好的结果。虽然没有安全性证据，但在这组相对较小的患者中没有发现意外的安全信号。结论到目前为止，在 T2T 环境中，对 csDMARDs 治疗无效的 RA 患者有两种主要策略需要考虑，即 Janus Kinases 抑制剂与 bDMARDs（在临床实践中，主要是 TNFi）。PERFECTRA 研究表明，在 12 周时实现反应方面，巴瑞替尼优于 TNFi，并且结果
使用实用数据收集方法
HIC，高收入国家；新生儿重症监护病房1。Chawanpaiboon S，Vogel JP，Moller A-B，Lumbiganon P，Petzold M，Hogan D等。2014年对早产水平的全球，区域和国家估计：系统评价和建模分析。柳叶刀全球健康。2019; 7（1）：E37-E46。 2。 Cotten CM。 新生儿抗生素暴露的不利后果。 Curr Opin Pediatr。 2016; 28（2）：141-9。 3。 Bell BG，Schellevis F，Stobberingh E，Goossens H，PringleM。对抗生素消耗对抗生素耐药性的影响的系统综述和荟萃分析。 BMC感染。 2014; 14：13。 4。 Julian S，Burnham CA，Sellenriek P，Shannon WD，Hamvas A，Tarr Pi等。 新生儿重症监护床配置对晚期细菌败血症和耐甲氧西林金黄色葡萄球菌定殖速率的影响。 感染控制医院流行病。 2015; 36（10）：1173-82。2019; 7（1）：E37-E46。2。Cotten CM。新生儿抗生素暴露的不利后果。Curr Opin Pediatr。2016; 28（2）：141-9。 3。 Bell BG，Schellevis F，Stobberingh E，Goossens H，PringleM。对抗生素消耗对抗生素耐药性的影响的系统综述和荟萃分析。 BMC感染。 2014; 14：13。 4。 Julian S，Burnham CA，Sellenriek P，Shannon WD，Hamvas A，Tarr Pi等。 新生儿重症监护床配置对晚期细菌败血症和耐甲氧西林金黄色葡萄球菌定殖速率的影响。 感染控制医院流行病。 2015; 36（10）：1173-82。2016; 28（2）：141-9。3。Bell BG，Schellevis F，Stobberingh E，Goossens H，PringleM。对抗生素消耗对抗生素耐药性的影响的系统综述和荟萃分析。BMC感染。 2014; 14：13。 4。 Julian S，Burnham CA，Sellenriek P，Shannon WD，Hamvas A，Tarr Pi等。 新生儿重症监护床配置对晚期细菌败血症和耐甲氧西林金黄色葡萄球菌定殖速率的影响。 感染控制医院流行病。 2015; 36（10）：1173-82。BMC感染。2014; 14：13。 4。 Julian S，Burnham CA，Sellenriek P，Shannon WD，Hamvas A，Tarr Pi等。 新生儿重症监护床配置对晚期细菌败血症和耐甲氧西林金黄色葡萄球菌定殖速率的影响。 感染控制医院流行病。 2015; 36（10）：1173-82。2014; 14：13。4。Julian S，Burnham CA，Sellenriek P，Shannon WD，Hamvas A，Tarr Pi等。 新生儿重症监护床配置对晚期细菌败血症和耐甲氧西林金黄色葡萄球菌定殖速率的影响。 感染控制医院流行病。 2015; 36（10）：1173-82。Julian S，Burnham CA，Sellenriek P，Shannon WD，Hamvas A，Tarr Pi等。新生儿重症监护床配置对晚期细菌败血症和耐甲氧西林金黄色葡萄球菌定殖速率的影响。感染控制医院流行病。2015; 36（10）：1173-82。
朝向务实的多元时间序列建模
时间序列模型专门研究数据流中的观测和多个特征之间的相互作用之间的时间依赖性。在过去的十年中，深度学习模型（DL）模型在compoter愿景和自然语言处理中取得了前所未有的成功已稳定地渗透到时间序列任务上。从复发的神经网络到变形金刚，建筑设计方面的新进步改善了功能和性能。尽管取得了成功，但我确定了采用当前最新方法（SOTA）方法的挑战，包括处理分配变化和缺少数据，计算复杂性和可解释性。DL模型的成功通常归因于其自动发现有用数据表示的能力。多元时间序列模型涉及具有许多时间序列和时间观察的高维对象。但是，它们经常表现出强烈的时间依赖性和功能间关系。在本论文中，我建议设计DL架构和算法，以预测和异常检测任务，以利用这些依赖性来诱导满足所需属性的表述有效学习，这些属性可以（i）改善模型的性能，（II）通过促进域的良好性来改善域的稳健性，以降低量表性，以降低量准化的量表，以降低量准化。完成的工作分为三个部分，展示了七种新颖的模型类型和算法，这些算法在各种任务中实现了最新的性能，同时解决了关键的采用挑战。在第一部分中，我探讨了动态的潜在空间原理和设计潜在的时间表示，以制作可靠的异常检测和预测模型。在第二部分中，我为基于新型的非线性频率分解与小波理论的连接提供了一种新颖的可扩展且可解释的预测模型。它还具有两种扩展，用于将多元外源协变量用于高影响力结构域，包括能量和医疗保健。最后，在第三部分中，我提出了一项关于模型设计和数据特征的支持条件的大规模研究，用于在时间序列任务上的预训练模型的可传递性。
