XiaoMi-AI文件搜索系统
World File Search Systemsystematic
对AI和机器学习应用程序的系统评价
摘要：信用风险评估是财务决策过程中最重要的方面之一。本研究对有关人工智能（AI）和机器学习（ML）技术在信用风险评估中的应用（AI）的应用进行了系统的综述，提供了对方法，结果和普遍分析技术的见解。涵盖了来自不同地区和国家/地区的研究，该评论重点介绍了来自消费者和公司角度的基于AI/ML的信用风险评估。采用PRISMA框架，先例，决策和结果（ADO）框架和严格的包含标准，评论分析了地理重点，方法，结果和分析技术。它研究了各种数据集和方法，从传统的统计方法到先进的AI/ML和深度学习技术，强调它们对改善贷款实践的影响并确保借款人的公平性。讨论部分批判性地评估了现有研究论文的贡献和局限性，提供了新颖的见解和全面的覆盖范围。本评论重点介绍了该领域的国际研究范围，来自各个国家的贡献提供了不同的观点。这项系统评价增强了对信用风险评估不断发展的格局的理解，并为AI和ML在这个关键的金融领域中的应用，挑战和机遇提供了宝贵的见解。通过将发现与现有调查文件进行比较，本综述确定了新颖的见解和贡献，使其成为金融业研究人员，从业者和决策者的宝贵资源。
干细胞衍生的外泌体治疗急性脊髓损伤：基于临床前证据的系统综述和荟萃分析
结果：总共使用235只大鼠在初步评估时评估运动型的恢复，并在接受外泌体治疗的人的后肢运动显着改善，如Basso-Beattie-Beattie-Bresnahan（BBB）得分统计学上显着增加所示，与该统计学上的显着提高（MD：1.26，95％，95％CI：1.1.14-1.1.1.1.1.38），p.1.1.1.1.1.38 ci：1.1.1.38，p.38，p <0.001.38，pp <0.01.38。这一趋势在21项研究的最终评估数据中持续存在，汇总分析证实了相似的结果（MD：1.56，95％CI：1.43–1.68，p <0.01）。漏斗图分析表明，基线和终点评估的合并BBB分数中的不对称性，表明潜在的出版偏差。外泌体源自骨髓，脂肪组织，脐带或人胎盘MSC。荟萃分析结果显示，在各种治疗时间点，这些MSC-外源源之间的治疗功效没有统计学上的显着差异。
糖尿病管理？系统评价 | ...
摘要 目的 糖尿病是一种慢性疾病，给患者、护理人员和整个社会带来沉重的负担。虽然健康饮食和监测血糖等自我管理行为有助于减轻护理负担，但人们仍然认为这些行为很麻烦。移动应用程序已成为帮助患者自我管理病情的有前途的数字工具。我们进行了系统评价，以探讨使用移动应用程序进行糖尿病自我管理的 1 型、2 型和妊娠期糖尿病成年人的看法和体验。设计 对已发表的原始研究进行系统评价，探讨使用/曾经使用移动应用程序进行自我管理的 1 型、2 型和妊娠期糖尿病成年人的看法和体验。本研究遵循系统评价和荟萃分析的首选报告项目中定义的最佳实践指南进行报告。数据来源 我们通过 MEDLINE（Ovid）、Embase（Elsevier）、CINAHL（Ovid）和 Scopus（Elsevier）搜索了从 2007 年 1 月至 2023 年 12 月发表的文章。 资格标准 主要定性研究，描述成年人使用移动应用程序自我管理 1 型、2 型和妊娠期糖尿病的看法和经验，发表于 2007 年 1 月至 2023 年 12 月期间。 数据提取和综合 两位独立审阅者筛选已确定的论文是否符合资格，使用预定义的数据提取表提取数据，并应用批判性评价技能计划工具评估纳入研究的质量。在“技术接受和使用的统一理论 (UTAUT)”框架的指导下，以叙述方式综合数据。 结果 审查共纳入 24 项采用访谈和开放式问题调查的定性研究。我们确定了四个主要主题，这些主题与“UTAUT”框架的结构相对应：“绩效期望”、“努力期望”、“社会影响”和“促进条件”。超过 50% 的研究描述了与监测血糖、饮食和运动相关的有利应用程序功能，同时也强调了根据患者需求定制这些功能的重要性。约 40% 的研究描述了与上传过多信息、监测设备相关的不利方面
深部脑刺激中的机器学习：系统评价
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
儿童定性研究系统评价方案
-巴纳多斯 -Catch 22 -儿童和青少年研究单位 -今日儿童 -苏格兰儿童 -威尔士儿童 -社区研究与发展信息服务 - CREST - 卫生和社会保健部 - 早期干预基金会（存档网站）--苏格兰政府 -Juvenis -Leaders Unlocked - 司法部 -全国防止虐待儿童协会 -国家青年机构 -个人社会服务研究单位 -罗素·韦伯斯特网站 -圣吉尔斯信托 -本·金塞拉信托教育和青年中心 -英格兰儿童专员 -儿童协会 -希望收藏 -杨基金会 -英国青年 -暴力减少单位（个人网站） -青年捐赠基金 -青年司法委员会
纹理分析和人工智能作为诊断多发性硬化症的决策支持工具 - 系统评价
麦当劳标准（Thompson等，2018），MS的诊断结合了临床，成像和实验室证据。神经系统检查与成像[磁共振成像（MRI）或光学相干断层扫描]和神经生理测试（视觉诱发电位）结合使用。在MRI上患有临床症状和病变的患者中，脑脊液通过腰椎穿刺收集。在脑脊液流体中存在寡克隆条带证实了MS的诊断（Thompson等，2018）。磁共振成像技术，例如双重反转恢复，相位敏感的反转恢复和使用梯度回声序列的磁化的快速采集来突出大脑皮层的MS病变。这些区域是由T1，T2或流体衰减反转恢复（Flair）方法获得的MRI图像中存在的高强度白质区域（Hitziger等，2022）。在图1a上，有一个示例MRI T1图像，带有两个病变，这些损伤显示为白质的高强度区域（Sarica和Seker，2022年）。在长轴中至少有3毫米的高强度区域被认为是病变（Thompson等，2018）。监测该疾病的演变，但治疗的效率也通过在年度随访MRI图像上出现或没有新病变来分析（Martínez-Heras等人，2023年）。在MRI图像上对脱髓鞘区域的手动识别和划定（图1B）具有一些缺点，耗时，需要合格的人员。其结果取决于专家解释MRI图像的经验。除了人为因素的主观性外，还可能发生差异，这是由于不同分辨率或具有各种质量的MRI图像而发生的。为了减少这些缺点，已经提出了几种用于诊断和监测MS的自动解决方案（Shoeibi等，2021）。通过在深度学习算法中使用神经网络与纹理分析相结合（Componick等，2021a），获得了与专家注释相当的结果。纹理分析是医学图像处理中的一种已知且有前途的技术，可在检测硬化病变方面具有显着的结果（Elahi等，2020； Boca等，2023）。通常，尝试通过那些特征来检测病变，这些特征是强度，照明，几何变换或噪声变化的图像不变的。为此，量化了像素强度和像素分布的相互关系，因此获得了许多特征。这些功能可以分为以下类别：第一阶特征（灰度直方图分析），二阶特征（灰度依赖矩阵），光谱特征和分形特征（小波变换和傅立叶变换）。用随机纹理识别的像素被归类为噪声（Friconnet，2021）。为了提高信号噪声比并降低噪声，将包括数学过滤组成的预处理操作应用于MRI图像。为例，高斯带通滤波器用于消除背景噪声（Kumar等，2023）。放射线学的方法由于出现了用于检测医学图像病变的自动方法（Lambin等，2012），因此有必要开发一种方法来通过自动检测方法来分析和评估结果的可重复性和质量。放射素学已逐渐应用于病理损害，诊断，差异诊断和MS预后的分析。开发了使用放射线特征的机器学习（ML）模型来检测MS病变（Peng等，2021）。
视频监控系统中用于可疑活动检测和事件响应的人工智能：系统文献综述
摘要 人工智能 (AI) 已被证明是提高视频监控系统效率、有助于公共安全的关键工具。本系统评价旨在分析人工智能在这一领域的贡献，符合可持续发展目标 16 (SDG 16)，即促进和平与包容的社会。我们分析了从 Scopus、WOS、ProQuest、EBSCO、IEEE Xplore 和 Science Direct 等主要数据库中提取的 145 篇文章。使用 PRISMA 方法，应用纳入和排除标准，得到 42 篇与评价相关的文章。研究结果表明，物联网、计算机视觉和边缘计算等先进的人工智能技术的使用与人工智能的结合最为紧密，增强了人工智能在视频监控系统中的功能。在此框架中，深度学习是优化这些应用程序的重要基础。最后，本评价的结果为未来人工智能在视频监控中的应用研究奠定了坚实的基础。所评估的技术有可能进一步促进不同环境和环境下的安全性和运营效率的提高。
基于AI的自动化工具如何有助于系统搜索
1。O'Keefe H，Rankin J，Wallace SA等。调查文本挖掘方法，以帮助构建搜索策略的系统诊断测试准确性 - 案例研究。2023。2。Clark J，McFarlane C，Cleo G等。系统审核自动化工具对完成系统审查任务所花费的时间的影响：案例研究。Jmir Med Educ。2021。3。Borissov N，Haas Q，Minder B等。使用Deduklick减少系统审查负担：一种新颖，自动化，可靠且可解释的重复数据删除算法来促进医学研究。2022。4。Janka H，Metzendorf Mi。 高精度但可变的召回 - 比较五个重复数据删除工具的性能。 2024。 5。 Noel-Storr A，Dooley G，Affengruber L，Gartlehner G.使用众包和机器学习的引文筛选产生了准确的结果：评估Cochrane修改后的Screen4me服务。 J Clin Epi。 2020Janka H，Metzendorf Mi。高精度但可变的召回 - 比较五个重复数据删除工具的性能。2024。5。Noel-Storr A，Dooley G，Affengruber L，Gartlehner G.使用众包和机器学习的引文筛选产生了准确的结果：评估Cochrane修改后的Screen4me服务。J Clin Epi。 2020J Clin Epi。2020
基于AI的自动化工具如何有助于系统搜索
1。O'Keefe H，Rankin J，Wallace SA等。调查文本挖掘方法，以帮助构建搜索策略的系统诊断测试准确性 - 案例研究。2023。2。Clark J，McFarlane C，Cleo G等。系统审核自动化工具对完成系统审查任务所花费的时间的影响：案例研究。Jmir Med Educ。2021。3。Borissov N，Haas Q，Minder B等。使用Deduklick减少系统审查负担：一种新颖，自动化，可靠且可解释的重复数据删除算法来促进医学研究。2022。4。Janka H，Metzendorf Mi。 高精度但可变的召回 - 比较五个重复数据删除工具的性能。 2024。 5。 Noel-Storr A，Dooley G，Affengruber L，Gartlehner G.使用众包和机器学习的引文筛选产生了准确的结果：评估Cochrane修改后的Screen4me服务。 J Clin Epi。 2020Janka H，Metzendorf Mi。高精度但可变的召回 - 比较五个重复数据删除工具的性能。2024。5。Noel-Storr A，Dooley G，Affengruber L，Gartlehner G.使用众包和机器学习的引文筛选产生了准确的结果：评估Cochrane修改后的Screen4me服务。J Clin Epi。 2020J Clin Epi。2020
抗 HER2 治疗对乳腺癌以外实体肿瘤的疗效和安全性：系统评价与荟萃分析
摘要背景：进行了一项荟萃分析，以系统评估抗人表皮生长因子受体 2 (抗 HER2) 治疗在乳腺癌以外实体瘤中的疗效和安全性。方法：在 Cochrane 图书馆、PubMed、EMbase、临床试验和 Web of Science 数据库中搜索截至 2022 年 8 月发表的研究，这些研究报告了针对乳腺癌以外实体瘤的抗 HER2 治疗组 (实验组) 和未接受抗 HER2 治疗 (对照组) 的临床随机对照试验 (RCT)。根据 Cochrane 干预措施系统评价手册 5.1.0 的数据提取和偏倚风险评估，使用 R 4.2.1 对 15 项研究进行了结构化荟萃分析。结果：10项研究报告实验组的无进展生存期（PFS）显著低于对照组（风险比（HR）= 0.82，95％置信区间（CI）（0.75，0.90），p <0.01）。7项研究报告实验组的总生存期（OS）显著长于对照组（HR = 0.89，95％CI（0.79，0.99），p = 0.03）。实验组严重不良事件（SAE）和任何不良事件（AE）的发生率显著高于对照组（风险比（RR）= 1.35，95％CI（1.04，1.75），p = 0.03），（RR = 1.03，95％CI（1.01，1.06），p <0.01）。两组间≥3级不良反应中贫血和乏力发生率差异无统计学意义（p>0.05）。实验组腹泻、中性粒细胞减少、恶心、呕吐发生率显著高于对照组（p<0.05）。结论：研究结果表明，抗HER2疗法对乳腺癌以外的实体肿瘤治疗有效，但在临床实践中应谨慎处理一些副作用。PROSPERO注册号：CRD42024625436。