XiaoMi-AI文件搜索系统
World File Search Systemversus
VERITAC-2：PROTAC ER 降解剂 vepdegestrant 与氟维司群在 ER+/HER2- 晚期乳腺癌中的 III 期研究
a 乳腺癌研究项目，莎拉坎农研究所，纳什维尔，田纳西州 37203，美国；b 华盛顿大学医学院医学系，圣路易斯，密苏里州 63110，美国；c 乳腺和胸部肿瘤学系，意大利那不勒斯 80131 国立肿瘤研究所 IRCCS“Fondazione G. Pascale”；d 医学研究与发展战略系，名古屋市立大学医学研究生院，名古屋 467-8601，日本；e 血液肿瘤学分部，华盛顿大学医学院，医学系，西雅图，华盛顿州 98195，美国；f 临床研究部，弗雷德哈钦森癌症中心，西雅图，华盛顿州 98109，美国； g 肿瘤内科，马萨诸塞州总医院癌症中心，波士顿，MA 02114，美国； h 哈佛医学院，波士顿，MA 02115，美国； i 医学肿瘤学，布罗克癌症中心，弗吉尼亚肿瘤协会，诺福克，VA 23502，美国； j 生物统计学，辉瑞公司，圣地亚哥，CA 92121，美国； k 临床开发，辉瑞公司，纽约，NY 10017，美国； l 转化肿瘤学，辉瑞公司，圣地亚哥，CA 92121，美国；临床药理学硕士，辉瑞公司，圣地亚哥，CA 92121，美国； n 临床研究，Arvinas Operations, Inc.，纽黑文，CT 06511，美国； o 肿瘤内科，Institut de Cancérologie de l'Ouest Angers-Nantes，Angers，49055，法国
pyridate与Atrazine与HPPD的相互作用...
建议在水箱混合物中使用多种有效的除草剂模式，以缓慢耐水性（Amaranthus tuberculatus）的耐药性演化，这可能会允许种植者延长当前除草剂的使用。在光系统II（PSII）和HPPD抑制剂之间已经报道了1个协同的除草剂相互作用，最常见于除草剂阿雷津加上术。1,2,3,4吡啶酸酯是6组PSII抑制剂 - 组氨酸215粘合剂，其结合位点与阿特拉津不同。对吡啶甲酯和HPPD抑制剂之间的相互作用进行了有限的研究。
为地球生命提供燃料：化学合成与光合作用
13. 为什么化学合成对深海中的自养生物和异养生物都很重要？答案各不相同。这是自养生物在被认为不存在生命的地方产生自身能量的机制。这些过程对异养生物很重要，因为异养生物依靠自养生物获取能量；反过来，自养生物又为丰富多样的群落的发展提供所需的食物。此外，海洋中任何导致所用化合物可用性发生变化的变化都可能对深海生物产生不利影响。深海中的许多生态系统都依赖于从海面落下的食物，这些食物是死物和被称为“海洋雪”的废物——但在存在化学喷口和渗漏的地区，从岩石和沉积物中升起的化学物质可提供能量。
社会影响的比较评估：传统汽车与电动汽车
本研究使用社会热点数据库 (SHDB) 和社会生命周期评估 (SLCA) 方法评估和比较了传统内燃机汽车 (ICEV) 和电池电动汽车 (BEV) 的社会影响。研究重点关注日本汽车行业，分析了三种情景：一切照旧 (BAU)、广泛采用和 2035 年 ICEV 禁令。该研究考察了各种类别的社会风险，包括劳工权利、人权、健康和安全、治理和社区准入。结果表明，由于制造和电池更换阶段，BEV 的社会风险高于 ICEV。与 ICEV 相比，它们在从油井到车轮阶段的风险较低。分析表明，BEV 的采用率增加与整体社会影响的减少相关。确定的关键社会热点包括与原材料提取、电池制造和供应链透明度相关的问题。该研究强调了确保可持续和合乎道德地负责任地过渡到电动汽车所面临的复杂挑战。
偏好获取速度与新癌症药物生存益处的确定性：一个离散选择实验
方法，通过用于调查研究的在线平台Cint招募了美国国家代表性的老年人样本，以参加在线离散选择实验。为了符合条件，受访者必须自我报告一些癌症的经验 - 他们，他们自己，亲密的朋友或家人，以前或目前被诊断出患有癌症。在实验中，受访者选择了两种癌症药物，考虑了五个属性：功能状态，预期寿命，新药的生存益处的确定性，该药物对替代端点的影响以及美国食品和药物管理（FDA）批准时间的延迟。第一个主要结果是生存益处确定性的相对重要性和等待受访者的时间。第二个主要结果是愿意等待更大的生存益处，包括按癌症经验，年龄，教育状况，种族或种族和收入和收入进行亚组分析。次要结果是对确定性和等待时间的敏感性的变化，具体取决于药物对替代端点的影响，受访者的功能状况和预期寿命。研究计划已在ClinicalTrials.gov，NCT05936632中注册。
早期使用CDK4/6抑制剂在晚期乳腺癌中的使用
依赖细胞周期蛋白的激酶4和6抑制剂（CDK4/6I）与内分泌治疗结合改善激素受体受体（HR）阳性，HER2阴性晚期乳腺癌的预后，可以早期作为一线治疗或推迟至二线治疗1-7。缺乏比较在一线和二线设置中使用CDK4/6i的随机数据。第三阶段SONIA试验（NCT03425838）随机分配了1,050名患者，他们尚未接受过晚期乳腺癌治疗的治疗，以在一线或二线设置8中接受CDK4/6I。所有患者接受了相同的内分泌疗法，包括用于一线治疗的芳香酶抑制剂和用于二线治疗的燃烧剂。主要终点被定义为从二线治疗后从随机到疾病进展的时间（无进展生存率2（PFS2））。与二线治疗相比，我们观察到使用CDK4/6i作为第一线没有统计学上的显着益处（中位数分别为31.0和26.8个月；危险比= 0.87; 95％置信区间= 0.74–1.03; p = 0.10）。两组与健康相关的生活质量相似。一线CDK4/6I的使用与更长的CDK4/6I治疗持续时间有关（中位数CDK4/6i治疗持续时间分别为24.6 ves 8.1个月）和≥3级的不良事件（分别为2,763 vess 1,591）。这些数据挑战了所有患者一线使用CDK4/6i的需求。
针对先前治疗的晚期非小细胞肺癌患者的Tepotinib与多西他单一治疗的成本效益MET
参考：1。Bladt F等。Clin Cancer Res。 2013; 19（11）：2941; 2。 Tepmetko：医学概述。 2022。 可在以下网址提供：https：//www.ema.europa.eu/en/documents/product-information/tepmetko-epar-product-product- inoceal_en.pdf。 2024年11月11日访问； 3。 Paik PK等。 n Engl J Med。 2020; 383（10）：931–943; 4。 Mazieres J等。 Jama Oncol。 2023; 9（9）：1260–1266; 5。 MäklinS等。 卫生与福利研究所2021。 可用：https：//www.julkari.fi/handle/10024/142882。 2024年11月11日访问； 6。 Herbst RS等。 lancet 2016; 387（10027）：1540–1550; 7。 制药定价委员会的健康经济评估指令。 可在以下网址提供：https：//www.hila.fi/content/uploads/2024/06/instructions_tts_2024_190624.pdf。 2024年11月11日访问； 8。 Hahl J等。 健康价值。 22：补充。 3S721（2019年11月）。Clin Cancer Res。2013; 19（11）：2941; 2。 Tepmetko：医学概述。 2022。 可在以下网址提供：https：//www.ema.europa.eu/en/documents/product-information/tepmetko-epar-product-product- inoceal_en.pdf。 2024年11月11日访问； 3。 Paik PK等。 n Engl J Med。 2020; 383（10）：931–943; 4。 Mazieres J等。 Jama Oncol。 2023; 9（9）：1260–1266; 5。 MäklinS等。 卫生与福利研究所2021。 可用：https：//www.julkari.fi/handle/10024/142882。 2024年11月11日访问； 6。 Herbst RS等。 lancet 2016; 387（10027）：1540–1550; 7。 制药定价委员会的健康经济评估指令。 可在以下网址提供：https：//www.hila.fi/content/uploads/2024/06/instructions_tts_2024_190624.pdf。 2024年11月11日访问； 8。 Hahl J等。 健康价值。 22：补充。 3S721（2019年11月）。2013; 19（11）：2941; 2。Tepmetko：医学概述。2022。可在以下网址提供：https：//www.ema.europa.eu/en/documents/product-information/tepmetko-epar-product-product- inoceal_en.pdf。2024年11月11日访问； 3。Paik PK等。 n Engl J Med。 2020; 383（10）：931–943; 4。 Mazieres J等。 Jama Oncol。 2023; 9（9）：1260–1266; 5。 MäklinS等。 卫生与福利研究所2021。 可用：https：//www.julkari.fi/handle/10024/142882。 2024年11月11日访问； 6。 Herbst RS等。 lancet 2016; 387（10027）：1540–1550; 7。 制药定价委员会的健康经济评估指令。 可在以下网址提供：https：//www.hila.fi/content/uploads/2024/06/instructions_tts_2024_190624.pdf。 2024年11月11日访问； 8。 Hahl J等。 健康价值。 22：补充。 3S721（2019年11月）。Paik PK等。n Engl J Med。2020; 383（10）：931–943; 4。Mazieres J等。Jama Oncol。 2023; 9（9）：1260–1266; 5。 MäklinS等。 卫生与福利研究所2021。 可用：https：//www.julkari.fi/handle/10024/142882。 2024年11月11日访问； 6。 Herbst RS等。 lancet 2016; 387（10027）：1540–1550; 7。 制药定价委员会的健康经济评估指令。 可在以下网址提供：https：//www.hila.fi/content/uploads/2024/06/instructions_tts_2024_190624.pdf。 2024年11月11日访问； 8。 Hahl J等。 健康价值。 22：补充。 3S721（2019年11月）。Jama Oncol。2023; 9（9）：1260–1266; 5。MäklinS等。 卫生与福利研究所2021。 可用：https：//www.julkari.fi/handle/10024/142882。 2024年11月11日访问； 6。 Herbst RS等。 lancet 2016; 387（10027）：1540–1550; 7。 制药定价委员会的健康经济评估指令。 可在以下网址提供：https：//www.hila.fi/content/uploads/2024/06/instructions_tts_2024_190624.pdf。 2024年11月11日访问； 8。 Hahl J等。 健康价值。 22：补充。 3S721（2019年11月）。MäklinS等。卫生与福利研究所2021。可用：https：//www.julkari.fi/handle/10024/142882。2024年11月11日访问； 6。Herbst RS等。lancet 2016; 387（10027）：1540–1550; 7。制药定价委员会的健康经济评估指令。可在以下网址提供：https：//www.hila.fi/content/uploads/2024/06/instructions_tts_2024_190624.pdf。2024年11月11日访问； 8。Hahl J等。 健康价值。 22：补充。 3S721（2019年11月）。Hahl J等。健康价值。22：补充。3S721（2019年11月）。3S721（2019年11月）。
人工智能困境：增长与生存风险
人工智能 (AI) 的最新进展可能会在未来几年提高生活水平。蛋白质折叠、语音识别以及生成模型在生成文本和图像方面的惊人成就已经超出了几年前的预期（Bubeck 等人，2023 年）。人工智能似乎很可能在短期内增强我们的创新能力，而且人工智能在许多认知任务上匹敌甚至超越人类智能并开始自我创新肯定是有可能的。一旦机器能够产生想法，研究人员的数量和质量所设定的增长限制可能不再存在，增长率可能会加快，甚至有可能导致所谓的无限消费的“奇点”。Aghion、B. Jones 和 C. Jones（2019 年）；Trammell 和 Korinek（2020 年）；Davidson（2021 年）； Nordhaus ( 2021 )；以及 Erdil 和 Besiroglu ( 2023 )。另一方面，这些进步并非没有风险。包括 OpenAI 和谷歌的顶尖研究人员在内的人工智能社区的相当一部分人警告说，这些进步可能对人类构成生存风险，要么来自“坏人”对人工智能的恶意使用，要么甚至可能来自超级智能人工智能本身。更简洁地说，人工智能可以比电力或互联网提高生活水平。但它可能带来超过核武器的风险。此外，这些可能性——无论可能性如何——都是相互关联的。正是在这样的世界状态下，人工智能足够强大，可以带来深刻的增长
卡方和p值与机器学习功能选择
相反，应使用卡方检验和p值来确保真正的关联，而不是依靠套索和RF方法。5-7因此，它们的结果可能有所不同。机器学习中的特征选择可能无法提供真正的关联，原因有几个原因。一个主要问题是过度插入，其中模型，尤其是复杂的模型，捕获噪声而不是训练数据中的真正基础模式。此外，机器学习算法通常会鉴于特征与目标变量之间的相关性，但是这些相关性可能并不意味着因果关系。这种区别至关重要，因为相关并不意味着一个变量会导致另一个变量。另一个挑战是特征选择方法固有的偏差和差异。这些方法可能对使用的特定数据敏感，从而导致偏见或高变化的恢复，这些偏差并不能很好地推广到新数据。此外，不同的算法具有不同的优势和劣势。例如，拉索可能会收缩一些系数为零，可能缺少重要的重要特征，而RF由于其固有的结构而可能会过度强调某些特征。卡方检验和p值是统计方法，可在目标和特征之间提供真正关联。卡方检验和p值测量特征与目标变量之间关联的统计意义，有助于将真实关联与随机噪声区分开。这些方法基于假设检验，提供了一个框架，以测试观察到的关联是否可能是由于偶然的原因。另外，统计方法可以控制混杂变量，以确保确定的关联不是虚假的。最后，统计测试的结果通常可重现，可以在不同数据集中验证。