XiaoMi-AI文件搜索系统
World File Search Systemvariables
人员，出席定性变量的人。结果：
定量变量和频率（百分比）用于定性变量。结果：分析了一百二十二名患者（男性56.5％，女性为43.4％）的样本，其中87例（71.3％）与诊断为诊断为CD的诊断为诊断为UC和35（28.7％）。肝胆表现出现在27名患者（22％）中，脂肪变性（9％）和PSC（5.6％）是最常见的。仅在一名患者中发现了两种同时表现（HAI和PSC）。38名患者在肝生化测试中发生了变化，其中29％的患者当时没有任何已知的肝功能。（图1）。讨论：尽管IBD中最好描述的表现是PSC，但在我们的研究中，它们脱颖而出，因为相当多的患者表现出肝生物化学测试或成像研究的变化，与已知的肝病病理学无关，并且可能与多进科关系有关。结论：IBD中肝胆管变化的普遍性是相当大的，这就是为什么需要定期进行临床，生化和成像研究监测以及时执行适当的诊断和治疗程序的原因。资金：本研究中使用的资源来自医院，没有任何其他利益宣言：作者没有宣布潜在的意义上的冲突。
评估人工智能对印尼英语学习者写作技能的影响 卡哈鲁丁教育与教师培训学院，印尼望加锡伊斯兰州立大学（UIN） 摘要 --- 带有人工智能的电子设备促进了高等学校的学习-教学过程。本研究将人工智能在阅读教学中的应用和反馈作为自变量，以提高学生的写作技能作为因变量。学生对这种教学的态度是中介变量。这项研究是在望加锡市的高等学校进行的。研究工具是向100名高等学校学生分发的问卷，但只处理了83名学生。对数据进行了路径分析。研究结果：1）使用人工智能教授阅读对学生的写作没有直接影响，而是通过态度间接产生影响。2）讲师的反馈实际上通过态度对学生的写作有直接和间接的影响。3）通过态度阅读和反馈对学生写作技能提高的贡献率为34.8%。关键词 --- 人工智能、态度写作、反馈、阅读。介绍 COVID-19 大流行的爆发是一场全球灾难，扰乱了人类生活的各个方面。但是，我们必须明智地处理这个问题。在教育领域，它强制在虚拟学习教学中使用技术。许多讲师认为这不是最佳应用。不可否认的是，在这次 COVID-19 爆发之前，学习教学过程仍然以传统的面对面课堂学习模式为主，没有利用技术提供的设施。另一方面，应该利用学习教学过程提供的各种虚拟设施来应对技术进步。因此，研究人员认为，政府通过政策强制实施的这种虚拟学习教学可能会对望加锡高等学校的学习教学产生积极或消极的影响
评估人工智能对印尼英语学习者写作技能的影响 卡哈鲁丁教育与教师培训学院，印尼望加锡伊斯兰州立大学（UIN） 摘要 --- 带有人工智能的电子设备促进了高等学校的学习-教学过程。本研究将人工智能在阅读教学中的应用和反馈作为自变量，以提高学生的写作技能作为因变量。学生对这种教学的态度是中介变量。这项研究是在望加锡市的高等学校进行的。研究工具是向100名高等学校学生分发的问卷，但只处理了83名学生。对数据进行了路径分析。研究结果：1）使用人工智能教授阅读对学生的写作没有直接影响，而是通过态度间接产生影响。2）讲师的反馈实际上通过态度对学生的写作有直接和间接的影响。3）通过态度阅读和反馈对学生写作技能提高的贡献率为34.8%。关键词 --- 人工智能、态度写作、反馈、阅读。介绍 COVID-19 大流行的爆发是一场全球灾难，扰乱了人类生活的各个方面。但是，我们必须明智地处理这个问题。在教育领域，它强制在虚拟学习教学中使用技术。许多讲师认为这不是最佳应用。不可否认的是，在这次 COVID-19 爆发之前，学习教学过程仍然以传统的面对面课堂学习模式为主，没有利用技术提供的设施。另一方面，应该利用学习教学过程提供的各种虚拟设施来应对技术进步。因此，研究人员认为，政府通过政策强制实施的这种虚拟学习教学可能会对望加锡高等学校的学习教学产生积极或消极的影响
vlasov中的koopman savefunctions和clebsch变量 -
最近讨论了量子计算在等离子体模拟中的可能作用的动机，在这里，我们在弗拉索夫 - 马克斯韦尔动力学理论的背景下为库普曼的希尔伯特空间表述提供了不同的方法。著名的Koopman-Von Neumann建筑提供了两种不同的汉密尔顿结构：一个是规范的，并恢复了弗拉索夫密度的通常的Clebsch表示，另一个是非统计的，似乎克服了规范形式中出现的某些问题。此外，为带有不同相动态的Koopman -Von Neumann结构的变体还原了规范结构。回到Van Hove的Quantum理论，相应的Koopman -Van Hove方程提供了替代性的Clebsch表示，然后将其耦合到电磁场。最后，详细讨论了仪表转换在新上下文中的作用。
代码手册：方法论、纳入标准和变量
本文档反映了全球恐怖主义数据库 TM 的收集和编码规则。GTD 是一个事件级数据库，包含自 1970 年以来在世界各地发生的 200,000 多起恐怖袭击记录。它由马里兰大学的国家恐怖主义和应对恐怖主义研究联合会 (START) 维护。本代码簿描述了 GTD 的方法、纳入标准和变量。GTD 研究团队定期更新代码簿；主要更改记录如下。本代码簿分为两大领域。首先，本介绍解释了 GTD 的起源、其数据收集方法和一般原则。我们的目标是尽可能透明地说明数据库的生成方式，并致力于创建高度全面和一致的恐怖袭击数据集。我们描述了 GTD 对恐怖主义的定义、纳入标准和其他定义过滤机制，以及当前的数据收集方法。其次，代码簿概述了构成 GTD 的变量并定义了变量的可能值。这些类别包括 GTD ID、事件日期、事件地点、事件信息、攻击信息、目标/受害者信息、肇事者信息、肇事者统计数据、责任声明、武器信息、伤亡信息、后果、绑架/劫持人质信息、附加信息和来源
高复杂度诊所中高血压患者的血压控制及相关变量
简介：动脉高血压是一种对心血管死亡率和发病率影响很大的疾病；然而，它仍然没有得到充分控制。目的：评估专科门诊患者的高血压控制情况并确定相关变量。方法：横断面研究，分析在一家高度复杂的门诊接受治疗的 782 名患者的病历。纳入标准：年龄≥18岁，确诊患有高血压，治疗≥6个月。排除继发性高血压患者（104）和数据不完整患者（64）。主要结果是血压控制（收缩压<140和舒张压<90 mmHg）。研究的独立变量是：社会人口统计学和临床特征（药物使用、合并症和实验室检查）。在双变量分析中使用 Pearson χ2 检验、Fisher 检验、Student t 和 Wilcoxon-Mann-Whitney 检验，在多重分析中使用逻辑回归，采用 p ≤ 0.05。结果：高血压控制率为 51.1%。与血压控制不足相关的因素包括：体重指数（OR = 1.038；95% CI = 1.008 - 1.071）、卒中史（OR = 0.453；95% CI = 0.245 - 0.821）、左心室肥大（OR = 1.765；95% CI = 1.052 - 3.011）和用药次数（OR = 1.082；95% CI = 1.033 - 1.136）。结论：约一半的高血压患者血压得到控制；临床变量和靶器官损害与血压控制有关。
DAGBagM：学习混合变量的有向无环图并应用于识别卵巢癌的预后蛋白生物标志物
动机：通过将有向无环图 (DAG) 模型应用于蛋白质组数据推断出的有向基因/蛋白质调控网络已被证明可有效检测临床结果的因果生物标志物。然而，在 DAG 学习中仍然存在尚未解决的挑战，即联合建模临床结果变量（通常采用二进制值）和生物标志物测量值（通常是连续变量）。因此，在本文中，我们提出了一种新工具 DAGBagM，用于学习具有连续和二进制节点的 DAG。通过为连续和二进制变量使用适当的模型，DAGBagM 允许任一类型的节点在学习图中成为父节点或子节点。DAGBagM 还采用了引导聚合策略来减少误报并实现更好的估计精度。此外，聚合过程提供了一个灵活的框架，可以稳健地整合边缘上的先验信息以进行 DAG 重建。结果：模拟研究表明，与常用的将二进制变量视为连续变量或离散化连续变量的策略相比，DAGBagM 在识别连续节点和二进制节点之间的边方面表现更好。此外，DAGBagM 的表现优于几种流行的 DAG
具有经典变量的量子霍尔逻辑 - UTS 的 OPUS
霍尔逻辑提供了一种面向语法的程序正确性推理方法，并且已被证明在经典和概率程序的验证中非常有效。现有的量子霍尔逻辑提案要么缺乏完整性，要么仅支持量子变量，从而限制了它们的实际应用能力。在本文中，我们针对一种涉及经典和量子变量的简单 while 语言提出了一种量子霍尔逻辑。对于用该语言编写的量子程序的部分正确性和完全正确性，证明了其合理性和相对完整性。值得注意的是，由于对经典量子态和相应断言有了新的定义，该逻辑系统非常简单，与用于经典程序的传统霍尔逻辑相似。此外，为了简化实际应用中的推理，提供了辅助证明规则，支持在断言的经典部分引入析取和量词，在量子部分引入超算子应用和叠加。最后，对一系列实用量子算法，特别是Shor因式分解的整体算法进行了形式验证，以证明该逻辑的有效性。
用于分子电影整体细化的数据引导多映射变量
（未经同行评审认证）是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者此版本于 2020 年 8 月 6 日发布。；https://doi.org/10.1101/2020.07.23.217794 doi：bioRxiv preprint
基于人工智能结合气候外生变量预测巴西和美国的新冠肺炎病例
根据世界卫生组织的数据，新型冠状病毒病（COVID-10）曾是一个公共卫生问题，截至 2020 年 6 月 10 日，全球已有超过 710 万人感染，40 多万人死亡。在当前情况下，巴西和美国每天的新增病例和死亡人数都很高。因此，预测一周时间窗口内的新增病例数非常重要，这可以帮助公共卫生系统制定应对 COVID-19 的战略规划。预测人工智能（AI）模型的应用有可能处理像 COVID-19 这样的时间序列的困难动态行为。在本文中，贝叶斯回归神经网络、立体回归、k 最近邻、分位数随机森林和支持向量回归可单独使用，并结合最近的预处理变分模态分解（VMD）将时间序列分解为几个固有模态函数。所有 AI 技术均在时间序列预测任务中进行评估，预测巴西和美国五个州的累计 COVID-19 病例数提前一、三和六天，截至 2020 年 4 月 28 日，病例数较高。所有预测模型均采用先前累计的 COVID-19 病例数和每日温度和降水等外生变量作为输入。根据性能标准评估模型的有效性。一般而言，VMD 的混合在准确性方面优于单一预测模型，特别是当预测时间范围提前六天时，混合 VMD-单一模型在 70% 的案例中实现了更好的准确性。关于外生变量，作为预测变量的重要性排名从高到低依次为过去病例、温度和降水。因此，由于评估模型能够有效地预测长达六天的累计 COVID-19 病例数，因此
Microsoft Word - 49 员工自我效能、乐观、希望、韧性和人口统计变量作为工作态度的决定因素
摘要：本研究旨在确定不同制药公司销售和营销部门员工的自我效能、乐观、希望、适应力、某些人口统计变量和工作绩效之间的关系。本研究旨在找出员工工作绩效的预测因素。本研究还旨在预测自我效能、乐观、适应力和希望对管理人员绩效的影响。还试图根据研究因素预测销售主管的绩效。样本包括在德里国家首都地区工作的 257 名管理和销售主管。使用标准化工具收集信息。使用 SPSS 软件包对数据进行逐步多元回归分析，发现统计方法更合适。分析结果显示，年龄与工作绩效之间存在显著的负相关性，而经验与工作绩效之间存在显著的正相关性。此外，自我效能、乐观、希望和适应力与员工的工作绩效呈显著的正相关性。然而，乐观主义成为员工工作绩效最主要的预测因素，其次是自我效能和韧性。乐观主义和自我效能影响管理人员的工作绩效，而乐观主义本身成为制药公司非管理人员工作绩效的预测因素。事实上，乐观主义似乎是员工绩效的总体决定因素。此外，本文详细讨论了结果的含义和重要性，并提供了适当的证据。