XiaoMi-AI文件搜索系统
World File Search Systemvariate
基于多元调整的逻辑回归的二氯苯酚与代谢综合征的关联：一项美国基于全国人口的研究20
调整尿肌氨酸后，2,5-DCP和总二氯苯酚的1个单位增加与MetS患病率高5％有关（表2）。调整了生活方式和饮食因素（模型4）后，总二氯苯酚和MetS患病率之间的关联并不显着，而较高的2,5-DCP浓度仍然具有更高的MetS患病率。在类别分析中，我们还观察到2,5-DCP暴露与MetS患病率之间的显着和正相关。在增加四分位数的多元调整ORS（95％CI）为1.09（0.93-1.28），1.22（1.00-1.49）和1.34（1.04-1.73），在整个模型中为2,5-DCP（趋势4，P = 0.018）。此外，包括P-DCB生物标记物（包括P-DCB生物标志物）作为连续变量的受限立方样本模型，以评估P-DCB暴露和MetS患病率之间的剂量响应关系显示出相似的趋势（图1）。调查
多元贝叶斯结构化变量选择用于药物基因组学研究
很大一部分晚期实体瘤具有潜在可治疗的基因组变异体（Fontes Jardim等，2015; Le Tourneau等，2015； Von Hoff等，2010），但实际上很少有癌症患者受益于基因组知识治疗（Marquart等人，2018年）。因此，通过更好的患者分层和疗法的患者设计，有很大的潜力可以改善对个别患者的治疗的使用和利益。精确癌症医学旨在根据每个患者疾病的详细分子表征来指导癌症患者治疗。一种快速获得关注的策略是离体癌症药物敏感性筛查，该策略预示着对癌细胞系和患者衍生细胞中一系列潜在疗法的反应，并确定与药物反应相关的分子特征。研究，药物替代性和分子（多词），数据都可以使用的研究通常称为药物研究。在本文中，我们采用具有高维输入矩阵的多元（多响应）回归设置来分析药物基因组学数据，其中几种药物的敏感性是响应变量，分子（多）OMICS变量是输入特征。我们分析了癌症（GDSC）数据库中药物敏感性基因组学的数据（Garnett等，2012; Yang等，2013），其中包含来自药物敏感性筛选的结果，用于代表数百种泛滥癌症的癌症药物的癌症药物的结果。
逆境暴露的发展时机与成年中的白质完整性之间的多元联系
抽象的早期逆境在全球范围内普遍存在，这代表了整个生命周期中心理健康负担增加的有效风险因素。但是，逆境暴露，神经生物学变化和心理健康问题之间存在实质性的异质性。考虑到逆境的关键特征，例如暴露的发展时机可以阐明逆境，神经发育和心理健康之间的关联。本研究利用稀疏的规范相关性分析来表征逆境年龄暴露年龄与整个大脑中白质区完整性之间的协方差模式。我们发现，在儿童期间（尤其是5-6岁和8-9岁）的逆境暴露与白质道完整性的变化有关，以便支持感觉运动功能的区域在与逆境暴露的关系中表现出更高的完整性，而支持皮质皮层通信表现出较低的完整性。此外，在学龄前年龄和中学期间经历的逆境（4-9岁）与逆境相关的潜在道模式与成年后与创伤相关的症状有关。我们的发现强调了逆境暴露可能会以功能和发展的特定方式差异地影响白质，并表明4-9岁之间经历的逆境可能会以与成人心理健康相关的方式影响全球白质区的发展。
用惩罚回归技术测量线性多元过程中的连通性
对耦合和因果关系的时间和频域度量的评估依赖于线性多元过程的参数表示。时间序列之间时间依赖性的研究基于矢量自回旋模型的识别。通过通过普通最小二乘（OLS）估计器解决的回归问题的定义来实现此过程。但是，其准确性受到数据点不足的强烈影响，并且并不能保证稳定的解决方案。要克服这个问题，可以使用受惩罚的回归技术。这项工作的目的是将OLS的行为与不同实验条件下连通性分析的不同惩罚回归方法进行比较。偏见，用于此目的的网络结构重建和计算时间的重建精度。通过模拟数据在不同量的可用数据示例中实现不同的地面真实网络的模拟数据测试了不同的惩罚回归。然后，将方法应用于从执行运动成像任务的健康志愿者中记录的真实脑电图信号（EEG）。惩罚的回归优于仿真设置中的OLS。实际脑电图数据上的应用程序显示了如何使用从大脑网络中提取的功能，即使在数据匮乏的条件下，也可以在两个任务之间进行分解。惩罚回归技术可用于大脑连通性估计，并且可以根据线性假设克服经典OLS施加的局限性来计算所有连接性估计器。
药物和生物制品随机临床试验中协变量的调整
I. 引言 本指南介绍了 FDA 目前关于在药物开发计划中的随机临床试验统计分析中调整协变量的建议。本指南为在随机平行组临床试验分析中使用协变量提供了建议，这些建议适用于优效性试验和非劣效性试验。本指南主要关注如何使用预后基线协变量 3 来提高估计和检验治疗效果的统计效率。本指南不涉及在非随机试验中使用协变量来控制混杂变量、在模型中使用协变量来解释缺失的结果数据（美国国家研究委员会，2010 年）、使用协变量调整来分析纵向重复测量数据、使用贝叶斯方法进行协变量调整或使用机器学习方法进行协变量调整。一般而言，FDA 的指导文件并未规定具有法律强制力的责任。相反，指南描述了机构当前对某个主题的想法，除非引用了特定的监管或法定要求，否则应仅将其视为建议。机构指南中使用的“应该”一词意味着建议或推荐某事，但不是要求。
多元生物标志物预测sacituzumab govitecan（...
sacituzumab govitecan（sg）是一种trop-2 ADC，将人源化的抗Trop2单克隆抗体与拓扑异构酶I抑制剂SN-38结合在一起，通过可切除的CL2A链接器5。sg用于两次或多个先前的全身疗法5之后的不可切除或转移性三阴性乳腺癌（TNBC），以及以前曾接受过含铂化学疗法的局部晚期或转移性膀胱癌患者，并且PD-1或PD-1或PD-L1抑制剂6。trop2蛋白的表达，尽管所有客观反应发生在中等或强染色的患者中，但这几乎代表了所有研究人群（88％），提供了层次7的机会7。在Immu-12-01篮子试验中，在9种或更多患者的9种实体瘤类型中的8种观察到了客观反应，其反应率从胰腺癌的0％（0 /16）到TNBC中的33.3％（36/108）8。鉴于在肿瘤类型中观察到的客观反应率的显着差异，我们试图开发SG反应的预测生物标志物。由于我们无法提供来自临床试验的组织样本，因此我们利用了来自晚期实体瘤队列（N = 23,968）的基于可用的下一代测序（NGS）的分子促进数据，以开发多元生物标记物算法，以预测跨毛瘤类型跨瘤物类型的经过观察的目标响应。
完整无缺的快速现场化学鉴定...
摘要：法医和安全部门一直需要快速、现场、易于使用、非侵入式地对爆炸前犯罪现场的完整高能材料进行化学鉴定。仪器小型化、数字数据的无线传输和云存储以及多变量数据分析方面的最新技术进步为近红外 (NIR) 光谱在法医科学中的应用创造了新的、非常有前景的选择。这项研究表明，除了滥用药物外，具有多变量数据分析功能的便携式 NIR 光谱也为识别完整的高能材料和混合物提供了绝佳的机会。NIR 能够表征法医爆炸物调查中涉及的各种化学物质，包括有机化合物和无机化合物。对实际法医案件样本的 NIR 表征令人信服地表明，该技术可以处理法医爆炸物调查中遇到的化学多样性。 1350–2550 nm NIR 反射光谱中包含的详细化学信息可用于正确识别给定类别的含能材料中的化合物，包括硝基芳族化合物、硝基胺、硝酸酯和过氧化物。此外，还可详细表征含能材料混合物，例如含有 PETN（季戊四醇四硝酸酯）和 RDX（三硝基三嗪烷）的塑料配方。所给出的结果表明，含能化合物的 NIR 光谱
通过多元模式分析揭示大脑连接的长期和冥想特定调节
摘要 神经影像学研究已经提供了证据，表明大量的冥想练习会改变人类大脑的功能和结构特性，例如大规模大脑区域的相互作用。然而，不同的冥想风格如何参与这些大规模大脑网络的调节仍不清楚。在这里，我们使用机器学习和 fMRI 功能连接，研究了集中注意力和开放监控冥想风格如何影响大规模大脑网络。具体来说，我们训练了一个分类器来预测两组受试者的冥想风格：专家上座部佛教僧侣和新手冥想者。我们表明，分类器只能区分专家组的冥想风格。此外，通过检查训练后的分类器，我们观察到前部显着性和默认模式网络与分类相关，这与它们在冥想中参与情绪和自我相关调节的理论一致。有趣的是，结果还强调了调节注意力和自我意识的关键区域与处理和整合体感信息相关区域之间的特定耦合的作用。最后，我们观察到左半球间连接在分类中的作用更大。总之，我们的研究支持了以下证据：大量的冥想练习会调节大规模的大脑网络，而不同的冥想风格会对有助于特定风格功能的连接产生不同的影响。
多变量 BWAS 可以用中等大小的样本进行复制
全脑关联研究 (BWAS) 将个体的表型特征差异与大脑结构和功能的测量结果关联起来，在过去 30 年中已成为连接心智和大脑的主要方法。单变量 BWAS 通常分别测试数万到数十万个大脑体素，而多变量 BWAS 则将跨大脑区域的信号整合到预测模型中。单变量 BWAS 存在许多问题，包括缺乏能力和可靠性，以及无法解释分布式神经回路中嵌入的模式级信息 1–4 。多变量预测模型解决了许多这些问题，并为提供基于大脑的行为和临床状态及特征测量提供了巨大希望 2,3 。在他们最近的论文 4 中，Marek 等人在三个大型神经影像数据集中评估了样本量对单变量和多变量 BWAS 的影响，并得出“BWAS 的可重复性需要数千个个体的样本”的总体结论。我们赞赏他们的全面分析，并且我们同意：(1) 进行单变量 BWAS 时需要大量样本，(2) 多变量 BWAS 会显示出更大的效应，因此更有说服力。Marek 等人 4 发现，多变量 BWAS 提供的样本内关联被夸大了，除非纳入数千名参与者，否则通常无法复制（即没有说服力）。这意味着发现样本的效应大小估计必然被夸大了。然而，我们区分了效应大小估计方法（样本内与交叉验证）和样本（发现与复制），并表明，通过适当的交叉验证，Marek 等人 4 在发现样本中报告的样本内膨胀可以完全消除。通过额外的分析，我们证明，在某些情况下，高质量数据集中的多变量 BWAS 效应可以用小得多的样本量复制。具体而言，将标准多元预测算法应用于人类连接组计划中的功能连接，在 6 种表型中的 5 种测试样本量为 75-500 的情况下产生了可复制的效果（图 1）。这些分析仅限于相对高质量数据集中选定的表型数量（使用单个扫描仪在年轻成年人群中测量），不应过度概括。然而，他们强调，样本量要求的关键决定因素是大脑-表型关系的真实效应大小，并且通过适当的内部验证，可以对中等规模的研究进行适当的效应大小估计和足够大的效应。Marek 等人 4 通过在“发现样本”中训练各种多元模型来评估多元 BWAS 中的样本内效应大小膨胀
多元风能和太阳能预测的最新发展
未来几十年，可再生能源的普及程度将进一步提高。这带来了新的挑战，因为风力涡轮机和太阳能电池板只有在有风和有阳光时才能发电。主要可再生能源的随机性意味着它们需要可靠和准确的预测才能正确整合。间歇性能源发电具有挑战性，因为它破坏了规划和运营能源系统的传统方法。可再生能源生产在多个时间尺度上变化和波动，迫使电网运营商调整其日前、小时前、分钟前和实时运营程序。因此，在可再生能源渗透率高的地区，如丹麦西部和德国北部的风力发电，需要在所有相关时间尺度上进行可靠的预测，以确保电力系统安全经济地运行。以斯堪的纳维亚地区为例，需要在不同时间范围内进行准确的风能和太阳能发电预测，以确保：