XiaoMi-AI文件搜索系统
World File Search Systemseverity
19 严重程度和死亡率？
1. Huang C, Wang Y, Li X 等。中国武汉市 2019 年新型冠状病毒感染患者的临床特征。柳叶刀。2020;395(10223):497-506。https://doi.org/10.1016/S0140-6736(20)30183-5 2. Wang D, Hu B, Hu C 等。中国武汉市 138 例住院 2019 年新型冠状病毒感染肺炎患者的临床特征。JAMA。2020;323(11):1061-1069。https:// doi.org/10.1001/jama.2020.1585 3. Richardson S, Hirsch JS, Narasimhan M 等。呈现纽约市地区 5700 名 COVID-19 住院患者的特征、合并症和结果。JAMA。2020；323（20）：2052-2059。https://doi.org/10.1001/jama.2020.6775 4. Zhou F、Yu T、Du R 等。中国武汉 COVID-19 成年住院患者的临床病程和死亡危险因素：一项回顾性队列研究。柳叶刀。2020；395：1054-1062。5. Guan WJ、Ni ZY、Hu Y 等。中国 2019 年冠状病毒病的临床特征。N Engl J Med。2020；382：1708-1720。6. Wu Z、McGoogan JM。中国冠状病毒病 2019（COVID-19）疫情特点及重要教训：中国疾病预防控制中心 72314 例病例报告摘要。JAMA。2020；13：1239-1242。7. Leiva Sisnieguez CE、Espeche WG、Salazar MR。动脉高血压与 COVID-19 严重程度及死亡风险。欧洲呼吸杂志。2020；55（6）：2001148。https://doi.org/10.1183/13993003.01148- 2020 8. Sun Y 等。高血压和糖尿病对 COVID-19 患者临床结果的独立和联合影响：
严重程度及复发风险评估
背景与目的：药物相关性颌骨坏死（MRONJ）严重影响患者的生活质量，且对治疗效果不佳。关于MRONJ的X线特征识别的研究很多，但通过定量X线分析评估MRONJ严重程度和复发风险的报道却很少。本研究旨在利用ITK-SNAP研究MRONJ患者溶骨性病变的体积和骨硬化性病变的放射密度值，以预测其严重程度并评估预后。材料与方法：本研究纳入78例MRONJ患者（78个病变），其中53例为溶骨性病变，25例为单纯骨硬化性改变。综合调查患者的CBCT图像、人口统计学特征和临床资料。利用ITK-SNAP进行体积分析和放射密度测量。使用SPSS 25.0进行统计学分析。结果：接受静脉双磷酸盐治疗的MRONJ患者（P=0.004）与无骨质疏松症患者（P=0.027）的溶骨性病变体积均较大，但与治疗时间无明显相关性（P=0.094）。硬化性病变的放射密度值与治疗时间有明显相关性（P=0.040）。复发的MRONJ患者术后病变周围放射密度值较大（P=0.025），但与硬化性病变向溶骨性病变的转化无明显相关性（P=0.507）。结论：接受静脉双磷酸盐治疗的MRONJ患者更容易发展为大体积溶骨性病变。双磷酸盐治疗时间长可能与骨硬化病灶骨密度增高有关，而骨密度增高与骨硬化病灶向溶骨性病灶转化无关，术后病灶附近骨密度增高可能是MRONJ复发的预测因素。
HDL和LDL胆固醇与...
引言抑郁症是初级保健环境中最诊断出的精神障碍之一[1]。到2030年，单极抑郁症被预计将是全球疾病负担的第二大促进者[2,3]。抑郁症与其他非传染病具有共同的病因因素，可以扩大疾病负担为合并症或结果，因此对个人，家庭和社会产生重大影响[4]。胆固醇的作用，无论是HDL还是“好”胆固醇，以及LDL或“坏”胆固醇，在某些心脏和神经系统疾病中都强调了，并且它们与情绪障碍的联系显而易见[5]。增加的体重指数（BMI）和肥胖症与情绪障碍有关，抑郁症或复发性抑郁等情绪障碍与肥胖有关[6]。此外，发现包括恐慌症，强迫症和恐惧症在内的焦虑症障碍症患者的血清胆固醇水平升高[7-9]。
预测失语症患者的严重程度 - AphasiaBank
摘要 — 语言病理学家需要准确评估失语症 (PWA) 患者的严重程度，以设计和提供最佳治疗方案。目前，严重程度由经验丰富且训练有素的临床医生手动评估，而这越来越少，需要花费大量时间资源。通过分析三种话语引出方法的记录，本研究结合自然语言处理 (NLP) 和机器学习 (ML) 来预测 PWA 的严重程度，包括分数和严重程度级别。通过从 PWA 任务中设计语言特征，非结构化 k 均值聚类呈现不同的失语症类型，显示所选特征的有效性。我们开发了回归模型来预测严重程度分数以及按级别（轻度、中度、重度和非常严重）对严重程度进行分类，以帮助临床医生轻松计划和监控治疗过程。我们最好的 ML 回归模型使用深度神经网络，平均绝对误差 (MAE) 为 0.0671，均方根误差 (RMSE) 为 0.0922。我们的最佳分类模型使用随机森林，总体准确率为 73%，轻度准确率最高为 87.5%。我们的结果表明，使用 NLP 和 ML 是一种准确且经济有效的方法来评估 PWA 的严重程度，从而帮助临床医生确定康复程序。
无人机地面碰撞严重程度评估
法律免责声明 本文提供的信息可能包含第三方提供的内容。尽管本文包含的数据和信息是从可靠来源制作或处理的，但联邦航空管理局不对本文提供的任何信息、结论或建议的准确性、充分性、完整性、合法性、可靠性或实用性作任何明示或暗示的保证。本文包含的信息的分发并不构成联邦航空管理局或美国运输部对本文提供的数据或信息的认可或保证。联邦航空管理局或美国运输部对本文包含的信息的任何不当或不正确使用均不承担任何责任，也不对任何人使用该信息承担任何责任。联邦航空管理局和美国运输部对因访问或使用数据或信息而产生的任何损失、损害或其他损害不承担任何责任，包括但不限于任何直接、间接、偶然、示范性、特殊或后果性损害，即使已被告知发生此类损害的可能性。美国联邦航空管理局对任何人依据本文所含信息做出的任何决定、采取的任何行动或未采取的任何行动均不承担责任。
癫痫发作严重程度的定量标记库
癫痫发作的严重程度是患有癫痫病患者的重要临床指标，与生活质量密切相关。1然而，测量癫痫发作严重程度的最佳方法尚不清楚。现有的测量癫痫发作严重程度的量表，包括国家医院癫痫发作严重程度量表（NHS3），2,3利物浦癫痫发作量表，4和癫痫发作严重性问卷，有5个问题，包括有关癫痫发作的各个方面的问题，包括癫痫发作的各个方面。大多数量表通过其临床分类6分开癫痫发作6，以反映不同癫痫发作类型的严重程度的差异。现有癫痫发作严重程度的主要缺点是他们依赖患者或护理人员的回忆。6例如，由于癫痫发作本身，患者对癫痫发作的回忆可能会受到损害。7,8因此，以无偏见的方式评估从癫痫发作到癫痫发作的严重程度的变化是有挑战性的。因此需要测量各个癫痫发作严重程度的物体定量工具，以了解不同时间尺度上癫痫发作的变化。基于脑电图（EEG）的严重性标记是量化癫痫发作严重程度的潜在方法。过去的研究使用了脑电图9和空间同步10作为癫痫发作严重程度的代理。还建议癫痫发作活性的解剖学扩散作为癫痫发作严重程度的量度。6尚未确定这样的措施如何比较每个患者的方法。此外，随着时间的流逝，各种与严重程度直接相关的癫痫发作特征。进行检查，局灶性癫痫发作更有可能在睡眠中概括，尤其是颞叶癫痫（TLE）。12帖子抑制的结果也取决于癫痫发作的时间。13,14亚临床癫痫发作
阴影对Moko严重程度的影响（Ralston ...
在尼加拉瓜的Musaceae（Musaceae）的种植一直是良好的盈利能力和可接受的生产率领域，代表了Rivas和该国某些地区的有前途的产品。这种作物受到影响植物及其水果的这种疾病（Moko）的威胁。这项研究是从2014年3月至2015年3月进行的，以taungya系统描述损害的主要症状并计算发生率，严重性和ABCPE（疾病进度曲线下的区域）。每十五天进行一次抽样；为了进行快速现场测试，采集并消除了因果剂的病毒或有症状植物的样品；病原体数据是通过现场视觉监测收集的；实验室诊断是在农业保护与健康研究所（IPSA）进行的。由于这项研究的结果，与Guineo作物相关的Ralstonia solanacearum被确定为经济重要性的病原体。该因果因素的严重程度反映了Guineo（8％）和橡木（9％）块中的类似行为，其次是Cedro，Pochote和Caoba的范围为13％至19％。在Melina和TECA实验区块中，血管枯萎症状以24％至26％的百分比发生，每天病原体预期R²= 0.05。
良好技术评估中的严重性权重。报告...
Figure 1: Life expectancy by age (years) for a) females and b) males ................................................. 18 Figure 2: Comparison of EQ-5D utility score estimates from the DSU and Ara studies, for a) females and b) males ......................................................................................................................................... 20 Figure 3: Discounted QALEs按2016年和2022年的年龄计算方法和不同的数据源。................................................................................................................................................................................................................................................................................................................................................................................................................... 21图4：平均值（95％置信区间）按年份评估中的QALY权重..按年份按评估的短缺................................................................................................................................................................................................................................................................................................................................................................................................................... 28图8-比较qalys qalys的最大数量与AS = 12 Qalys and PS = 0.85，年龄（年龄），年龄（年龄）30次。 comparator QALYs compatible with AS =18 QALYs and PS = 0.95, by age (years) .............................................................................................................................. 31 Figure 10: Absolute Shortfall by Age (years) in the primary+ subsample with LOESS smoother ........ 32
计算机自适应测试评估异常严重程度
Gerasimos Fergadiotis，博士，CCC-SLP，波特兰州立大学的语音和听力科学，gfergadiotis@pdx.edu Marianne Casilio，M.S.匹兹堡医疗保健系统和匹兹堡大学，William.hula@va.hula@va.gov Alexander Swiderski，M.A.
