XiaoMi-AI文件搜索系统
World File Search Systempps
法国总从业者开处方MHealth应用程序和设备的意愿：定量研究
背景：移动健康领域（MHealth）一直在不断扩展。在临床实践中集成MHealth应用程序和设备是一个重大而复杂的挑战。全科医生（GPS）是患者护理途径中的重要联系。由于他们是患者的首选医疗保健中介，GP在支持患者向MHealth的过渡中起着重要作用。目的：本研究旨在确定与法国全科医生对患者开出MHealth应用程序和设备的意愿相关的因素。方法：这项研究是APIAPPS项目的一部分，其总体目的是通过开发一个定制的平台来帮助它们，以帮助消除GPS面部的障碍。这项研究包括从法国多个医学院（里昂，尼斯和鲁恩）的总执业部门招募的GPS，以及学术GPS，医疗保健专业协会以及社交和专业网络的邮寄清单。参与者被要求填写一份基于网络的问卷，该问卷收集了有关各种社会人口统计学变量的数据，他们参与持续教育计划的指标以及他们致力于在患者咨询期间促进健康行为的时间以及表征其患者人群的指标。还收集了有关其对MHealth应用程序和设备的看法的数据。最后，调查表包括了用于测量GPS可接受开处方MHealth应用程序和设备的项目的项目。结果：在174 GPS中，有129（74.1％）宣布他们向患者开出MHealth应用程序和设备的意愿。参与多变量分析，参与持续的教育计划（赔率[OR] 6.17，95％CI 1.52-28.72），是法语的更好的患者基础指挥官（OR 1.45，95％CI 1.13-1.88），对MHEATH APPS和GP的医疗效果的效果以及MHEADE HEADTAR的效果，以及MHEADE效果的效果 - 实践（OR 1.04，95％CI 1.01-1.07），以及通过随机临床试验（OR 1.02，95％CI 1.00-1.04）对MHealth应用程序和设备的验证都与GPS愿意开处方MHealth应用程序和设备有关。相比之下，年龄较大的GPS（OR 0.95，95％CI 0.91-0.98），女性GPS（OR 0.26，95％CI 0.09-0.69），以及那些认为患者或医疗实践风险的人（或0.96，95％CI 0.94-0.99）是不太贴心的贴法。
appsaccelerate for Oracle SCM：斜视自动化
Apps Associates是一家主要的企业应用程序和技术顾问，在企业转型之旅的每个阶段都在咨询和执行 - 不仅是目的地。超过二十年来，应用程序员工与几乎每个行业的决策者进行了密切合作，提供了端到端的整合，现代化和云迁移服务。通过帮助将孤岛分解为当今最复杂的业务挑战，Apps Associates正在解锁解决方案和效率，以扩展到未来的机会。
精神健康和福祉的智能手机应用
智能手机的传播（全球超过20亿用户）1伴随着数字智能手机应用程序的快速分离，包括用于健康和福祉。这种现象可以潜在地减少精神卫生服务提供的差距。因此，世界卫生组织启动了2020 - 2025年全球数字健康战略“为了改善每个人的健康，通过加速和采用适当，可及，可及，可及，可持续性，以人为中心的以人为中心的数字健康解决方案”（第3页）。2为精神健康状况提供大规模筛查和治疗工具的机会导致了该领域的迅速发展（除了许多与福祉相关的应用程序外，还可以通过Google Play和App Store提供10,000多种心理健康应用程序）。3,4此外，已经启动了一些智能手机应用程序，该应用程序针对有问题的智能手机使用。4,5尽管与健康相关应用的质量相关的重要问题，但有6,7个元评论和荟萃分析的证据表明，某些心理健康应用程序可能会在减少焦虑，抑郁和“压力。” 8 - 11
天然与跨平台移动应用的生态影响：初步研究
在十年内，移动软件领域取得了巨大的成功。景观也重组了，导致了2个移动平台的压倒性优势，这些移动平台现在共享市场：Android（Google）几乎为71％，iOS（Apple）为27％。但是，这个市场分裂仍然是移动开发人员的关注点。他们要么选择本地开发，但必须两次编写该应用程序，或者他们选择跨平台开发来编写单个代码库。无论是从市场上还是用户体验的角度来看[8]，每种开发方法的利弊是定期辩论的。但是，随着气候变化的增加，全球经济和政治议程越来越多，越来越多的（移动）开发人员也关心他们创建的软件的可持续性。因此，从环境的角度比较开发实践是有用的，直到软件的脱碳成为主流实践为止。不幸的是，在面对这一挑战时，日常移动开发人员通常会独自发现自己。在[11]中，对经验丰富的开发人员进行的一项调查显示，尽管知识很少，但他们对软件的能源消耗确实很感兴趣。[18]的作者指出了移动开发人员在堆栈中提出的与能源相关的问题，急于了解其他人遇到的与电力有关的问题。从战es中，在实施阶段，环保移动开发人员可能指的是嵌入式系统[12]或移动特异性绿色模式[2]的代码气味目录。在此之前，编程语言的选择最近，他们可能会使用类似绒毛的工具自动清洁其能量代码的代码库[4]，[7]。
行为变化技术与与移动健康应用程序的参与之间的潜在关联：系统评价
移动健康应用程序有可能使人们有能力改善其健康行为和自我管理的健康状况（Forman等，2016; Moller等，2017;数字实施投资指南（DIIG）：将数字干预整合到健康计划中，2020年）。它们是广泛可用的，拥有庞大的全球市场（健身应用市场规模，份额和增长报告，2021 - 2028年，N.D。），并提供了提供深远的行为干预措施的方法。要对行为和健康成果产生重大影响，移动健康应用需要能够支持足够的参与度以实现他们提供的干预措施的目标（Yardley等，2016； Cole-Lewis等，2019）。先前的研究已经建立了与数字干预措施的互动与它们对预期结果的影响之间的关联（Perski等，2017； Grady等，2018； McLaughlin等，2021），证明了一定程度的参与对于干预措施的有效性。保持参与度是移动健康应用程序的普遍挑战（Birnbaum等，2015; Yeager and Benight，2018; Baumel et al。，2019; Meyerowitz-Katz等，2020; Pratap et al。，2020; 2020; 2020; Troof et al。 Al。，2019年； Milne-Eves等人，2020年；
健康应用程序和行为改变：评估有效性
摘要移动健康（MHealth）应用程序的快速采用通过提供旨在改变个人健康行为的可扩展干预措施，从而改变了公共卫生的景观。本文通过研究理论框架，定量和定性评估方法以及现有研究的关键发现来评估健康应用程序在促进行为变化方面的有效性。证据强调了不同的结果，揭示了改善健康结果和重大障碍（例如用户保留率低和有限的可访问性）方面的成功。行为科学和健康心理学的见解强调了针对个人偏好和环境量身定制应用程序功能的重要性。是针对开发人员，研究人员和政策制定者提出的建议，以促进更具包容性，基于证据和可持续的MHealth解决方案。关键字：健康应用，MHealth，行为改变，数字健康，自我保健，公共卫生干预措施。
基因驱动程序如何工作？ -Bioresurs -Uppsala University
如果您想用基因驱动器消除澳大利亚的Agapaddan等入侵物种，则可能有比预期的更大程度地传播该财产的风险。agapaddan在澳大利亚引起了烦恼，但在美国最初来自的美国却不会。如果试图用基因驱动器来消灭澳大利亚的Agapaddan，那将是对基因的灾难，将被带到美国的人口，在那里它可以完全消除该物种。在这种情况下，人们可以“回到”插入的基因，以防止该物种完全消灭。因此，一个基因驱动程序可用于“恢复”或提供另一个新功能，这是一个新的基因驱动程序，以查找原始基因驱动器引入的序列。在这里也可以说，基因驱动器可以通过预期的种类传播到其他物种，或者具有传播的基因驱动因素具有更大的优势（更高的适应性），因此种群可以以难以预测的方式影响生态系统和其他物种。
基因驱动如何发挥作用？ |生物资源 - 乌普萨拉大学
基因驱动器被引入受精卵，在 Cas9、引导 RNA 和细胞修复系统的帮助下，被插入染色体中的特定位置。经过修改的染色体包含构成基因驱动器的 DNA 序列，并能表达 Cas9 酶和引导 RNA。时间和频率由发起人的选择决定。当被修饰的染色体上的基因表达时，就会导致另一条染色体（在同一染色体对中）在相应的位置被切割。 DNA分子中的两条DNA链都被切断，导致细胞启动复杂的修复过程。包含基因驱动基因（包括所需基因）的修改后的染色体现在充当切割染色体的模板，从而将构成基因驱动基因的基因复制到染色体对中的另一个染色体上。这一过程可与减数分裂过程中发生的交叉过程进行比较。
确定与吉普斯兰宣言区域相关的优先数据集及其在决策中的使用途径
NESP 海洋和沿海中心提醒，本出版物包含基于科学研究的一般性陈述。读者应注意并需要意识到此类信息可能不完整或无法用于任何特定情况。因此，在未事先寻求专家的专业、科学和技术建议的情况下，不得依赖或采取行动。在法律允许的范围内，NESP 海洋和沿海中心（包括其主办组织、员工、合作伙伴和顾问）对任何人因使用本出版物（部分或全部）及其所含信息或材料而直接或间接产生的任何后果不承担任何责任，包括但不限于所有损失、损害、成本、费用和任何其他赔偿。
使用pycerr和癌症基因组云的医学图像分析的人工智能应用程序
医学物理部，纪念斯隆·凯特林癌症中心，纽约，美国摘要这项工作介绍了用于进行人工智能的用户友好，基于云的软件框架（AI）分析医学图像。该框架允许用户通过自定义软件和硬件依赖性来部署基于AI的工作流程。我们的软件框架的组件包括用于放射学研究的Python本地计算环境（Pycerr）用于放射图像处理的平台，用于访问硬件资源和用户管理公用事业的癌症基因组学云（CGC），用于从数据存储库中访问图像，并从数据存储库中访问图像，并安装AI模型及其依赖模型及其依赖。GNU-GPL版权Pycerr从基于MATLAB的CERR移植到Python，使研究人员能够从H IGH维度的多模式数据集组织，访问和转换元数据，以在放射治疗和医学图像分析中构建与云兼容的工作流程，以构建云兼容工作流程。pycerr提供了可扩展的数据结构，可容纳常用的医学成像文件格式的元数据和观众，以允许多模式可视化。提供了分析模块，以促进与云兼容AI的工作流程，用于图像分割，放射素学，DCE MRI分析，放射疗法剂量 - 剂量 - 基于基于剂量的直方图以及正常的组织并发症和肿瘤控制模型用于放射治疗。提供了图像处理实用程序，以帮助训练和推断基于卷积神经网络的模型，以进行图像分割，注册和转换。可以使用CGC提供的API访问部署的AI模型，从而使其在各种编程语言中使用。该框架允许对成像数据进行往返分析，使用户能够将AI模型应用于CGC上的图像，并在其本地机器上检索和查看结果，而无需本地安装专用软件或GPU硬件。总而言之，提出的框架有助于端到端放射图像分析和可重复的研究，包括从源头提取数据，从AI模型中训练或推断出数据，用于数据管理的公用事业，可视化以及简化对图像元数据的访问。