XiaoMi-AI文件搜索系统
World File Search Systemrisk
算法可以确定威士忌是美国还是苏格兰威士忌
这项研究由昆士兰州大学教授詹姆斯·沃森（James Watson）合着，评估了整体上完整的，最小化的热带雨林，适用于16,000多种哺乳动物，鸟类，爬行动物和两栖动物。这项研究发表在美国国家科学院会议录中。
时间分辨神经和培养基的经验动态
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2024年12月24日。 https://doi.org/10.1101/2024.02.05.578828 doi：Biorxiv Preprint
了解2型糖尿病，神经退行性和小血管疾病的MRI标记和痴呆症风险之间的关系：调解分析
摘要探索神经变性和脑小血管疾病（SVD）可以介导2型糖尿病和较高痴呆症风险之间的关联。分析样本由2228名参与者组成，来自三城市研究，年龄在65岁及65岁及以上，没有痴呆症的痴呆症。糖尿病是通过药物摄入或禁食或非燃料升高的葡萄糖水平来定义的。 在最多12年的随访期间，每2至3年评估痴呆状态一次。 脑实质分数（BPF）和白质超强度体积（WMHV）分别选择为神经变性的标记和脑SVD。 我们使用线性和COX模型对年龄，性别，教育水平，高血压，高胆固醇血症，BMI，BMI，吸烟和饮酒状态，APOE-apoE-apoE-apoE-apoe-apoE-ε4状态以及研究地点进行了调整，对基线BPF和WMHV（介体）对糖尿病与痴呆症风险之间关联的影响进行了调解分析。 基线时，有8.8％的参与者患有糖尿病。 糖尿病（是vs. no）与较高的WMHV（β糖尿病= 0.193，95％CI 0.040; 0.346）和较低的BPF（β糖尿病= -0.342，95％CI -0.474; -0.474; −0.210; -0.210; − -0.210; -195％），以及1.1的风险超过了12年。 CI 1.04; 糖尿病状况与痴呆症风险之间的关联是由较高的WMHV（HRDIAB = 1.05，95％CI 1.01; 1.11; 1.11，介导的零件= 10.8％）和较低的BPF（HR DIAB = 1.12，95％CI 1.05; 1.20; 1.20; 1.20; 1.20，介导的部分= 22.9％）介导的。 这项研究表明，神经退行性变性和脑SVD统计上都解释了糖尿病与痴呆症之间几乎30％的关联。糖尿病是通过药物摄入或禁食或非燃料升高的葡萄糖水平来定义的。在最多12年的随访期间，每2至3年评估痴呆状态一次。脑实质分数（BPF）和白质超强度体积（WMHV）分别选择为神经变性的标记和脑SVD。我们使用线性和COX模型对年龄，性别，教育水平，高血压，高胆固醇血症，BMI，BMI，吸烟和饮酒状态，APOE-apoE-apoE-apoE-apoe-apoE-ε4状态以及研究地点进行了调整，对基线BPF和WMHV（介体）对糖尿病与痴呆症风险之间关联的影响进行了调解分析。基线时，有8.8％的参与者患有糖尿病。糖尿病（是vs. no）与较高的WMHV（β糖尿病= 0.193，95％CI 0.040; 0.346）和较低的BPF（β糖尿病= -0.342，95％CI -0.474; -0.474; −0.210; -0.210; − -0.210; -195％），以及1.1的风险超过了12年。 CI 1.04;糖尿病状况与痴呆症风险之间的关联是由较高的WMHV（HRDIAB = 1.05，95％CI 1.01; 1.11; 1.11，介导的零件= 10.8％）和较低的BPF（HR DIAB = 1.12，95％CI 1.05; 1.20; 1.20; 1.20; 1.20，介导的部分= 22.9％）介导的。这项研究表明，神经退行性变性和脑SVD统计上都解释了糖尿病与痴呆症之间几乎30％的关联。
机器学习模型可以预测遗传遗传疾病的儿童的风险评估
。cc-by 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv授予Biorxiv的许可，以永久显示预印本。这是该版本的版权所有，该版本于2024年8月22日发布。 https://doi.org/10.1101/2024.08.22.609095 doi：Biorxiv Preprint
全基因组的相互作用分析对62,370名女性的更年期荷尔蒙治疗使用和乳腺癌风险
小王王1.2 *，Pooja Middha Kapore 3.4，Paul L. Open 5.6，Joe Dennis 7，Alison M. Dunk 7，Michael Lush 7，Kyria Michailidu 7，K。Michailidu 7，K。Bill 7，Majjet K. 7，Majjet K. 13.16 , Emili Cordinina‑Duverer 17 , Trug 17 , Clir Trug 17 , Clir Mut 18 , Lauren R. Treat 19 , Alpa V. Patel 19 , Laure Dossus 20 , Rudolf Capy 3 , Reiner Hops 21.22 , Thomas Brüning 21 , Thomas Brümon , Kamila Czen 24 , Kamila Czen 24 , Kamila Czen 24 , Kamila春24，Kamila czen 25 Marike Gabrielson 25，每厅25.26，Mikael Eriksson 25，Audrey Jung 3，Heiko Becher 27，Nicole L. Larson 29，Janet E. Olson 29，Janet E. Olson 29，Graham Gilles 30 31.3334，Loic Le Marchan 36，Christopher A. Hallman 37，HåkanOlsson38，Autain Auttain 38 TheCrüger38，Philip Wagger 38，Christoper Scott 29，Stacey J. Winham 39，Celine M. Olshan 40.41，MSREW F. Olshan 42，Melisa A. A.S. Melisa A. 42，David 42，David j. 42，David jodester 42。Hunter 43.44，Heather A. Eliassen 44.45，Rull M. Timimi 44.46，Cristens Brantley 45，Irene L. Andruliis 47.48，Jonine Figueroa 49.50.51，Stephen J. Chanock 51，Thomas U.Ahearn 51，Montsersertserrat Garciith 33 G. Newman 52.53 , Anthony Hous 55 , Hoda Anton‑Culver 57 , Argyrios Ziogas 57 , Michael E. Jones 58 , Nick Orus J. Swing 58 , Anthog 58.60 , Cari , Cari 61 , Martha Lint 61 , Martha Lint 61 Ross L. Prentice 2 , Douglas F. Eastton 7.8 , Roger L. Millen 31.32.33 ，Peter Kraft 44.62，Jenny Changu 1.63和Sara Lindstrum 1.2
错失的机会：急性住院患者高风险饮酒和非法药物使用的检测和管理
高风险的酒精和非法药物使用是疾病和住院并发症的危险因素。本研究调查了临床医生是否在急性住院内科患者的电子记录中记录药物使用情况。研究样本包括 2016 年 11 月至 2017 年 12 月期间在挪威奥斯陆一家内科医院接受治疗的 2,872 名患者，前瞻性地收集了药物使用数据，从而确定了酒精和非法药物阳性患者。医院工作人员不知道这些数据。对于研究证实的酒精使用量超过低风险指南（酒精使用障碍识别测试 4 评分 [AUDIT-4] 女性≥ 5，男性≥ 7）和/或非法药物使用（液相色谱-质谱 [LC-MS] 分析检测到一种或多种非法药物）的患者，检查了医生是否记录了定量的药物使用评估和干预措施。在 548 名经研究证实的酒精阳性患者中，医生记录了 43.2%（n = 237）患者的使用数量和频率 (QF)，22.0%（n = 121）患者的干预措施。酒精干预与有害饮酒（AUDIT-4 ≥ 9 分；调整后的优势比 [AOR] = 4.87；95% CI：2.54 – 9.31；p < 0.001）和 QF 评估（AOR = 3.66；95% CI：1.13 – 11.84；p = 0.02）相关。在 157 名非法药物阳性患者中，34.4%（n = 54）定量描述了药物使用情况，26.0%（n = 40）描述了干预措施。医院医生对酒精和非法药物使用的定量评估率较低，因此干预率较低。错过了减少或干预酗酒和非法药物滥用风险的重要机会。
机构投资者，气候政策风险和指示创新
Marie-Theres von Schickfus Ifo Institute - 慕尼黑大学慕尼黑大学莱布尼兹经济研究所，慕尼黑大学Poschingerstr。5 81679，德国慕尼黑vonschickfus@ifo.de *我感谢LMU -IFO经济学和商业数据中心（EBDC）团队和LMU财务和银行业的数据访问和支持。Julius Berger，Konrad Bierl和Patrick Hoffmann提供了宝贵的研究帮助。 这项研究的一部分是在访问伦敦经济学院的格兰瑟姆气候变化和环境研究所时进行的，我感谢他们的款待和德国学术交流服务（DAAD）的资金。 我还要感谢Stefano Ramelli，Suphi Sen，Feodora Teti，Martin Watzinger和Markus Zimmer以及UZH年轻的气候金融研究员研讨会的参与者，慕尼黑创新研讨会，EEA 2020年EEA 2020年Virtual Congress，Grasfi Phd Day，Grasfi Phd Day和VFS年度国会的言论。 来自德国教育和研究部的资金“预见”（授予号 01 LA 1811）非常感谢。Julius Berger，Konrad Bierl和Patrick Hoffmann提供了宝贵的研究帮助。这项研究的一部分是在访问伦敦经济学院的格兰瑟姆气候变化和环境研究所时进行的，我感谢他们的款待和德国学术交流服务（DAAD）的资金。我还要感谢Stefano Ramelli，Suphi Sen，Feodora Teti，Martin Watzinger和Markus Zimmer以及UZH年轻的气候金融研究员研讨会的参与者，慕尼黑创新研讨会，EEA 2020年EEA 2020年Virtual Congress，Grasfi Phd Day，Grasfi Phd Day和VFS年度国会的言论。来自德国教育和研究部的资金“预见”（授予号01 LA 1811）非常感谢。
2023-2024银行业气候风险压力测试
全球经济在内，包括金融行业面临的气候变化威胁越来越大，而极端气候事件造成的广泛损害和中断。鉴于这些不断升级的挑战，以及国际努力通过减少碳排放来限制全球变暖的努力，香港货币管理局（HKMA）进行了气候风险压力测试（CRST），以评估香港银行业的气候韧性，并促进行业的能力衡量和促进行业来衡量和管理风险风险。借鉴了2021年的飞行员练习的经验以及行业反馈，HKMA以增强的框架推出了CRST（CRST 2.0）的第二轮（CRST 2.0），最近在该行业的强有力的支持下完成了。
由家族史预测的高风险个体的重叠，...
peh ho（博士学位）1：2，克里斯汀·金·亚鲁1，孟黄1， （博士学位）7，奥古斯丁森的Annelie（PhD）8，Sabine Behrens 9，Bodelon Clara 10，Natalia v 17，Nicola J.营地（博士）18，Jose E. Castle（MD）19，Melissa H. Cessna（MD）20， （博士学位）23-25，莎拉·V·科隆纳（MD）18，卡米·塞恩（Cami Czene）（博士）26 26，玛丽·戴利（Mary B.恩格尔（MD）31,32，Mikael Eriksson（博士）26，D。GarethEvans（MD）17.33， Willinina R.R.Gived 39，Glendon的Gord（MSC）4，Hall（PhD）26.40，Ute Hamann（PhD）41，Cecilia Y.S.您的42，