摘要。在BMWK [1]资助的项目Karli中,开发了用于Au tomed驾驶的HMI系统,以确保符合级别的驾驶员行为,以确定SAE水平为0-4 [2]。Karli的目标是开发一个新的整体系统,以确保由用户以用户为中心的迭代开发程序安全驾驶。设计思维方法用于开发思想和概念,以全面促进符合水平的驾驶员行为。这些想法被阐述为概念(例如学习系统,游戏化,信任校准),并以用户叙事的形式以低保真原型的形式进行。这些是基于文本的方案,其中使用户有形这些概念。定性研究的目的是评估旨在在接受和进一步发展的潜力方面促进级别驱动器行为而开发的概念。用户叙述中的概念在用户研究中进行了评估。进行了十二个指导的个人访谈(M = 74分钟)。样本合作有不同需求的人群。分析基于定性内容分析[3]。结果表明,除其他外,偏好是混合的偏好。根据结果,建议使用游戏化/经典干预或信任校准/经典干预和紧急停止的学习系统组合系统。本文提供了有关Karli研究项目用户中心方法的见解,并报告了定性评估研究的关键发现。基于关键发现,将提供以用户为中心的开发的建议和前景。
摘要目的:研究记录了人工智能 (AI) 在医学成像实践中改善患者护理的临床潜力。本研究旨在定性探索放射技师对非洲医学成像实践中人工智能整合的看法。方法:本研究采用定性设计,使用开放式在线工具,于 2020 年 3 月至 8 月期间进行。参与者包括在研究期间在非洲工作的放射技师。使用定性内容分析对获得的数据进行分析。产生了六个关注主题:预期工具;职业不安全感;新技术成本、设备保存和数据不安全;服务交付质量;需要扩大人工智能意识。结果:共获得 475 份有效答复。参与者对人工智能在临床质量改进、准确诊断、减少辐射剂量和改进研究方面表现出积极的看法。然而,他们对这项技术的实施表示担忧,包括工作保障和核心专业放射技师技能和角色的丧失。此外,人们对人工智能设备维护、对人工智能缺乏认识以及教育和培训机会的担忧也显而易见。结论:人们认识到人工智能在医学成像实践中的重要性;然而,为了在非洲的医学成像中成功实施这些先进技术,必须高度重视与工作保障和数据保护有关的担忧。强烈建议在未来放射技师的培训中加入人工智能模块。关键词:人工智能、医学成像、放射学、非洲、在线调查、定性研究
抽象目标是探索没有阻塞动脉的心肌缺血的人的生活经历。使用半结构化访谈设计定性研究。与居住在英国的17名参与者进行电话访谈。参与者有17人(21名男性,15名女性; 31-69岁),假定或确认的心肌缺血诊断为没有阻塞性动脉,通过社交媒体和在线患者主导的支持论坛招募。结果产生了五个主题。主题1描述了参与者描述的广泛经验,尤其是症状的频率和强度,以及症状通常引起的不确定性和恐惧。主题2描述了对社会关系,就业和日常生活其他方面的主要影响。主题3说明了参与者围绕诊断和获得医疗支持的途径的挑战和创伤经历。主题4强调了参与者在治疗和管理方面面临的缺乏共识和明确性。主题5描述了参与者重视的应对和支持策略。结论本研究提供了对没有阻塞动脉的心肌缺血的挑战的见解。发现突出了对患有这些疾病的人们的重大心理影响,以及需要改善诊断,支持和长期管理。
在2004年至2007年期间(n = 10)期间,所有接受AHSCT为MS的人(在瑞典)的AHSCT治疗的所有人都被要求参加该研究并被接受。进行了开放式访谈,数字记录,逐字记录,然后以归纳方法进行定性内容分析。访谈中出现了五个主要主题:(i)被诊断为MS - 不可预测的存在; (ii)一种新的待遇 - 新生活的可能性; (iii)AHSCT - 过渡; (iv)恢复生命; (v)光明的未来,伴随着不安全感。ahsct,这是第二次机会和新生活的机会。治疗成为从疾病状态到健康状态的过渡,使以前的严重不确定性恢复了正常状态。尽管包括不同年龄和性别的参与者,但这项研究的主要局限性是相对较少的参与者。此外,仅仅从一个中心中加入人可能会限制结果的转移性。
摘要。[目的]超声检查可用于非侵入性分析人体的任何横截面并测量组织弹性,厚度和亮度。进行了这项研究,以检查静止肌肉肌肉的定量和定性变化,并在最大闭塞下进行评估,并评估这些变化与个人一般健康之间的关系。[参与者和方法]研究队列组成30名健康成年人。研究了基本参与者信息(性别,年龄,身高,体重,体重指数,体内脂肪,最大咬合力,手绘力量和舌压力)与咬肌肌肉超声检查数据之间的相关性。[结果]男性的咬合肌肉厚度明显高于女性。体重和体重指数与咬肌厚度正相关。体重指数和体内脂肪百分比与咬肌亮度正相关。舌压压与手工束强度正相关。[结论]我们对肌肉厚度和亮度的分析表明,超声检查可能有助于评估咬肌的数量和质量,而咬肌的状况可能与个人的整体健康状况相关。关键词:超声检查,咬肌,肌肉厚度
Amis, JM 和 Silk, ML (2008)。定性组织研究中的质量哲学与政治。组织研究方法,11 (3),456 – 480。Bender, EM 和 Friedman, B. (2018)。自然语言处理的数据语句:减轻系统偏见并实现更好的科学。计算语言学协会会刊,6,587 – 604。Bockting, CL、van Dis, EA、van Rooij, R.、Zuidema, W. 和 Bollen, J. (2023)。生成式人工智能的生活指南:为什么科学家必须监督其使用。自然,622 (7984),693 – 696。Code, L. (2001)。理性的想象,负责任的认知:你能从这里看多远?在 N. Tuana 和 S. Morgen (Eds.) 编著的《Engendering rationalities》(第 261 – 282 页)中。纽约州立大学。 Crawford, K. (2021)。是时候规范解读人类情感的人工智能了。《自然》,592 (8),167。 Floridi, L., & Taddeo, M. (2016)。什么是数据伦理?《哲学汇刊 A》,374,2016036020160360。https://doi. org/10.1098/rsta.2016.0360 Gibbs, GR (2018)。分析定性数据。Sage。https://doi.org/10.4135/9781526441867 Gregor, S. (2024)。负责任的人工智能和期刊出版。信息系统协会杂志,25 (1),48 – 60。https://doi.org/10.17705/1jais.00863 Grimes, M.、von Krogh, G.、Feuerriegel, S.、Rink, F. 和 Gruber, M. (2023)。从稀缺到丰富:生成人工智能时代的学者和学术。管理学院杂志,66 (6),1617 – 1624。Hammersley, M. 和 Traianou, A. (2012)。定性研究中的伦理:争议和背景。Sage。Iphofen, R. 和 Tolich, M. (2018)。定性研究伦理的基础问题。在 Iphofen 和 Tolich(编辑)《Sage 定性研究伦理手册》中。Sage。 https://doi.org/10.4135/9781526435446 Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, YJ, Madotto, A., & Fung, P. (2023)。自然语言生成中的幻觉调查。ACM 计算调查,55 (12),1 – 38。Mingers, J. (2008)。管理知识与知识管理:现实主义和真理形式。知识管理研究与实践,6,62 – 76。Oakley, A. (2013)。采访女性:一个矛盾的说法。在 H. Roberts(编辑),进行女权主义研究(第 30 – 61 页)。劳特利奇。Pearlman, R. (2017)。根据美国知识产权法,承认人工智能 (AI) 为作者和投资者。Rich-mond 法律与技术杂志,24,1-38。Susarla, A.、Gopal, R.、Thatcher, JB 和 Sarker, S. (2023)。生成式人工智能的 Janus 效应:为信息系统中负责任地开展学术活动指明道路。信息系统研究,34 (2),399-408。英国社会科学院。(2015 年)。为社会科学研究制定通用伦理原则。https://acss.org。uk/wp-content/uploads//Generic-Ethics-Principles-in-Social-Science-Research-2013.pdf 联合国教科文组织。(2021 年)。关于人工智能伦理的建议。https://www.unesco.org/en/articles/recommendation-ethics-artificial-intelligence
将宿主总体分为易感,感染和免疫等类别的隔室模型构成流行病学建模的主流。有效地,这种模型将感染和免疫视为二进制变量。我们构建了一个基于个体的随机模型,该模型将免疫视为连续变量,并结合了导致免疫力变化较小的因素。较小的免疫效应(SIE)包括其他感染的交叉免疫力,亚临床暴露的免疫力较小,并且在没有反复暴露的情况下缓慢衰减。The model makes qualitatively different epidemiological predictions, including repeated waves without the need for new variants, dwarf peaks (peak and decline of a wave much before reaching herd immunity threshold), symmetry in upward and downward slopes of a wave, endemic state, new surges after variable and unpredictable gaps, and new surges after vaccinating majority of the population.实际上,SIE模型提出了普遍观察到的矮人和对称峰和反复的潮流的替代原因,在Covid-19-19大流行期间观察到了特别好的原因。我们还建议可检验的预测,以区分重复波的替代原因。该模型进一步显示了可能具有协同作用和拮抗作用的不同干预措施的复杂相互作用。也表明,从长远来看,短期内有益的干预措施也可能是危险的。
背景:气候变化威胁着东非的农村生计。证据表明,在这种情况下的气候变化适应可能会繁殖不平等的家庭性别关系,而当妇女以有意义的方式参与时,适应可能会更有效。因此,对家庭内部适应决策的性别性质的细微理解对于性别响应性研究,政策制定和实践至关重要。这项定性的系统审查旨在调查性别关系如何影响有关东非农村家庭气候变化适应的决策,以及关于气候变化适应的决策如何影响家庭内部性别动态。应用定性元合成原则,在8个数据库中进行了系统搜索,并补充了全面的手工搜索。使用预定的纳入标准筛选了3,662次独特的命中,导致最终样本的21篇论文。这些研究的相关发现是使用归纳主题编码,记忆和主题分析合成的。男性倾向于成为主要决策者,但妇女在传统的女性领域和女性家庭中行使了一些决策权。妇女和男性在家庭内适应决策中的作用似乎受到了许多相互互补的因素的影响,包括性别规范,劳动力的性别划分以及访问权限,所有权和对资源的所有权和控制。家庭内部适应似乎会影响男性和女性家庭成员之间的动态。这种影响的途径是综合性的,男女的最终结果尚不清楚。我们讨论了我们的发现,涉及有关发展和适应性性别转化方法的理论文献,以及有关东非临床变化适应性的性别性质的先前研究。然后,我们讨论对性别响应适应干预措施的影响。
1胜利癌癌症研究所,埃默里大学,亚特兰大,乔治亚州,美国,美国,精神健康部2,埃默里大学伍德拉夫健康科学中心,亚特兰大,乔治亚州乔治亚州亚特兰大,埃默里迷幻和精神中心3美国美国,美国埃默里大学医学院5级姑息医学系5级,美国亚特兰大埃默里大学医学院,美国,美国,乔治亚特兰大埃默里大学医学院,埃默里大学医学院6,美国乔治亚州埃默里大学医学院6,美国,Nell Hodggson Woodruff大学,美国埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,埃默里大学,乔治大学,乔治大学,乔治大学,乔治大学,emory okikiah ofor okik,多大高美国佐治亚州亚特兰大