XiaoMi-AI文件搜索系统
World File Search System人口统计
关于亚裔美国人、夏威夷原住民和太平洋岛民的概况介绍
通过该计划获得融资的企业主的人口统计信息。这包括为 AA 和 NHPI 受益人提供更详细地报告其种族的选项，以更好地了解 SSBCI 如何满足 AA 和 NHPI 社区内多样化的业务需求：14 可以报告的个人种族包括印度人、中国人、菲律宾人、日本人、韩国人、越南人、关岛人或查莫罗人、夏威夷原住民和萨摩亚人。15 2021 年综合拨款法案授权的两个资本准入计划 ECIP 和 CDFI 公平复苏计划也将从获奖者（包括 AA 和 NHPI 社区）收集有关种族和民族的信息。16;17 ECIP 使用早期数据来突出显示特别有影响力的 ECIP 投资，一旦 2024 年夏季报告受益人的人口统计信息成为计划要求，预计将提供更多人口统计数据。18
用于预测智能手机成瘾的机器学习模型
智能手机已成为我们生活中不可或缺的一部分，并且在过去的十年中，它们的使用急剧增加。虽然智能手机提供了许多好处，但过多的智能手机使用可以导致成瘾，并对个人和心理健康，社会关系和生产力产生负面影响。机器学习可用于开发可以根据各种功能（例如智能手机使用模式，社交媒体使用情况，人口统计信息和心理因素）预测智能手机成瘾的模型。这些模型可以帮助识别有智能手机成瘾风险的个人，并为他们提供适当的干预措施和支持。开发一种用于预测智能手机成瘾的机器学习模型，通常是从大量个体样本中收集数据开始。这些数据将包括有关其智能手机使用模式，社交媒体使用，人口统计信息（例如年龄，性别和心理因素）的信息，例如焦虑，抑郁和压力水平。它通过打电话或发短信为人们之间的沟通提供了极大的便利。
Scanian经济数字数据库（SEDD）
Scanian经济 - 人口统计数据库（SEDD）是跨越1646- 1967年期间的高质量纵向数据资源。它涵盖了在瑞典南部斯堪的尼亚西南亚市出生或迁移到Landskrona市的所有个人。该地区存在的整个人口在1813年之后被充分覆盖。在个人层面上，SEDD结合了各种人口统计和社会经济记录，包括死亡原因，出生地点和教区居住地的地理数据。在家庭一级，数据包含人口记录以及有关职业，土地持有和收入的信息的组合。1813-1967的数据是在中间数据结构（IDS）的模型中构造的。除了将源数据存储在SEDD IDS表中外，还构建了广泛的个体和上下文级变量，这意味着可以在不需要进一步阐述数据的情况下进行大多数使用SEDD的分析。本文讨论了数据库的源材料，链接方法和结构。
使用规范模型的第一集精神病患者的脑皮质厚度进行了10年的纵向研究
表1：参与者在三个时间点的人口统计。*：组对基线年龄有显着影响（F = 24.0 1,295，p <0.01）和12个月（F = 18.1 1,295，p <0.01）。其他人口统计学变量没有其他显着差异。基线12个月10年
2024员工校园气候调查完整报告
•通过电子邮件调查链接（2024年4月15日和6月7日）。•匿名进行（不能单独识别受访者）。•可选的人口统计问题（参与者可以选择提供此信息）。•每周通过电子邮件提醒。•QR码传单分布在校园设施中。
现在和未来的职业健康与安全风险
劳动力老龄化劳动力、多样性、经济、员工福利、未来劳动力、劳动力市场和退休、职业安全与健康劳动力、人口、社会心理因素、安全政策、技能转型、工人总体健康、全民基本收入、工人健康、工人福利、劳动力人口统计
类型3C糖尿病
Chris Woodmansey，Andrew P. McGovern，Katherine A. McCullough，Martin B. Whyte，Neil M. Munro，Ana C. Correa，Piers A.C. Gatenby，Simon A. Jones，Simon de Lusignan；外分泌胰腺糖尿病的发生率，人口统计和临床特征（3C型）：回顾性队列研究。 糖尿病护理2017年11月1日； 40（11）：1486–1493。 https://doi.org/10.2337/dc17-0542Chris Woodmansey，Andrew P. McGovern，Katherine A. McCullough，Martin B. Whyte，Neil M. Munro，Ana C. Correa，Piers A.C. Gatenby，Simon A. Jones，Simon de Lusignan；外分泌胰腺糖尿病的发生率，人口统计和临床特征（3C型）：回顾性队列研究。糖尿病护理2017年11月1日； 40（11）：1486–1493。https://doi.org/10.2337/dc17-0542https://doi.org/10.2337/dc17-0542