XiaoMi-AI文件搜索系统
World File Search System人群
大规模人群研究中常染色体显性多囊肾病的基因型和表型特征以及对精准医疗干预的启示
引文：Behnam S. Holler Benjamin。（2025 年）。大规模人群研究中常染色体显性多囊肾病的基因型和表型特征以及对精准医学干预的启示。国际肾脏病学杂志 (IJNE)，3(1),1–7。摘要链接：https://iaeme.com/Home/article_id/IJNE_03_01_001 文章链接：https://iaeme.com/MasterAdmin/Journal_uploads/IJNE/VOLUME_3_ISSUE_1/IJNE_03_01_001.pdf
共享经济物流和人群后勤的文献计量分析
摘要目的 - 本研究旨在回顾有关共享经济物流和人群后勤的文献，以回答以下三个问题：关于共享经济物流的文献如何结构化？共享经济物流和人群物流的主要趋势是什么？未来的研究选择是什么？设计/方法/方法 - 文献计量分析用于评估过去12年中发表的85篇文章；它确定了促成该领域的顶级学术期刊，作者和研究主题。发现 - 共享经济物流和人群后勤文献是围绕几个学科和亮点构建的，即在其主题定义，设计，建模和创新解决方案中，有些人比其他学科更先进。主要趋势是在三个群集左右组织的：群集1是指成本，价格，分销和供应商关系的最佳分配；集群2对应于与业务相关的众包和国际行业实践。集群3包括运输对最后一英里交付，人群运输和环境的影响。研究局限性/含义 - 该研究基于来自同行评审的科学期刊和会议的数据。更广泛的概述可以包括其他数据源，例如书籍，书籍章节，工作文件等。独创性/价值 - 未来的研究方向是在从人群后勤到人群智能的演变中讨论的，以及人群后勤的复杂性，例如了解如何将社交人群整合到物流过程中。我们的结果是人群科学和工程概念的一部分，并提供了一些有关人群网络系统问题有关物流领域中人群智能的答案。
接受阿片类药物使用障碍治疗的全国样本人群的药物准备、注射相关感染和危害减少实践
摘要背景 美国注射毒品使用的增加导致注射部位感染增加。我们对吸毒者进行了一项全国性调查，以评估常见的吸毒准备、减少伤害的做法以及注射部位感染的经历。方法 2021 年至 2022 年，向关键线人患者调查计划的成员分发了一项调查，并分发给 18 岁或以上的新进入美国 68 个物质使用障碍治疗计划之一的患者，其主要诊断为阿片类药物使用障碍。调查对象接受了有关准备和使用药物时的做法以及自我报告的感染和药物使用并发症的调查。结果 1289 名参与者回复了调查。性传播感染很常见，37.6% 的人报告曾经患过任何性传播感染。注射相关感染影响了 63.4% 曾经使用过注射毒品的参与者。许多受访者表示没有寻求专业医疗帮助进行感染管理，其中 29% 的人在没有寻求医疗护理的情况下引流脓肿，22.8% 的人通过非医疗来源获得抗生素。非无菌注射做法包括与发烧或生病的人共用针头 (18%)、使用之前用于引流伤口/脓肿的针头 (9.9%) 进行后续注射毒品，以及舔针头 (21.2%)。结论 接受阿片类药物使用障碍治疗的患者报告了很高的传染病负担。确定了许多易于改变的导致注射相关感染的高风险行为。需要努力向 PWID 传播有针对性的减害教育，了解如何降低注射相关感染的风险。关键词 物质使用障碍、减害、注射毒品患者
设计AI驱动的医疗保健助理，通过医疗服务有效地吸引脆弱的人群：南非大学学生的离散选择实验
Designing AI-powered healthcare assistants to effectively reach vulnerable populations with health care services: A discrete choice experiment among South African university students Running Title: A discrete choice experiment to inform AI-powered healthcare assistant design Zheng A MPH* 1 , Long L PhD* 2,3 , Govathson C PhD 3 , Chetty-Makkan C PhD 3 , Morris S BS 4 , Rech D MBA 4 , Fox MP DSC＃1,2,3，Pascoe S博士学位＃3 *同等贡献，共享的第一作者资格＃同等贡献，共享的最后作者隶属关系：1年流行病学系，波士顿大学公共卫生学院，美国马萨诸塞州波士顿，美国马萨诸塞州。2美国马萨诸塞州波士顿的波士顿大学公共卫生学院全球卫生部。 3南非约翰内斯堡维特沃特斯兰大学健康科学学院健康经济学和流行病学研究办公室。 4 Audere，美国华盛顿州西雅图。 通讯作者：Amy Zheng Amyzheng@bu.edu 715 Albany St Talbot Building，4E，波士顿，马萨诸塞州，02118。 支持者：K01MH119923（NIH）LL成立研究者奖（波士顿大学）AZ AGMT DTD 8-4-23（BMGF）CG CCM CCM CCM SP SP数量的主要表格：2主要数字数：2 ：22美国马萨诸塞州波士顿的波士顿大学公共卫生学院全球卫生部。3南非约翰内斯堡维特沃特斯兰大学健康科学学院健康经济学和流行病学研究办公室。 4 Audere，美国华盛顿州西雅图。 通讯作者：Amy Zheng Amyzheng@bu.edu 715 Albany St Talbot Building，4E，波士顿，马萨诸塞州，02118。 支持者：K01MH119923（NIH）LL成立研究者奖（波士顿大学）AZ AGMT DTD 8-4-23（BMGF）CG CCM CCM CCM SP SP数量的主要表格：2主要数字数：2 ：23南非约翰内斯堡维特沃特斯兰大学健康科学学院健康经济学和流行病学研究办公室。4 Audere，美国华盛顿州西雅图。 通讯作者：Amy Zheng Amyzheng@bu.edu 715 Albany St Talbot Building，4E，波士顿，马萨诸塞州，02118。 支持者：K01MH119923（NIH）LL成立研究者奖（波士顿大学）AZ AGMT DTD 8-4-23（BMGF）CG CCM CCM CCM SP SP数量的主要表格：2主要数字数：2 ：24 Audere，美国华盛顿州西雅图。通讯作者：Amy Zheng Amyzheng@bu.edu 715 Albany St Talbot Building，4E，波士顿，马萨诸塞州，02118。支持者：K01MH119923（NIH）LL成立研究者奖（波士顿大学）AZ AGMT DTD 8-4-23（BMGF）CG CCM CCM CCM SP SP数量的主要表格：2主要数字数：2
使用基于人工神经网络的精神分裂症分类器估算日本普通人群中精神分裂症的患病率：Web-B
背景：估计普通人群中精神分裂症的流行仍然是全球以及日本的挑战。很少有研究估计日本人口中的精神分裂症患病率，并且经常依靠医院的报告和自我报告的医师诊断或典型的精神分裂症症状。由于污名，洞察力差或受访者缺乏医疗保健的机会，这些方法可能会低估真正的患病率。为了解决这些问题，我们先前使用了来自大型日本基于日本的大型网络调查的数据开发了一个基于人工神经网络（ANN）基于精神分裂症分类模型（SZ分类器），以增强普通人群中精神分裂症病例识别的全面性。此外，我们还计划引入一项基于人群的调查，以收集一般信息和样本参与者，以匹配人口的人口结构，从而实现对日本精神分裂症患病率的精确估计。目的：本研究旨在通过将SZ分类器应用于日本人群的随机样本中来估计精神分裂症的流行。方法：我们随机选择了750名参与者的样本，其中年龄，性别和区域分布与日本基于日本的大规模调查中的日本人口结构相似。人口数据，与健康相关的背景，身体合并症，精神病合并症和社会合并症被收集并应用于SZ分类器，因为此信息也用于开发SZ分类器。本研究证明了能力通过SZ分类器检测到的阳性病例的比例计算了精神分裂症的原始患病率。通过排除假阳性病例和包括假阴性病例以确定精神分裂症的实际患病率，进一步完善了原油估计。结果：在750名参与者中，SZ分类器将62例分类为精神分裂症病例，导致日本普通人群的精神分裂症患病率为8.3％（95％CI 6.6％-10.1％）。在这62个案件中，假定有53个案件是假阳性，而3个案件被认为是假否定的。调整后，普通人群中精神分裂症的实际患病率估计为1.6％（95％CI 0.7％-2.5％）。结论：这种估计的患病率略高于先前的研究中报道的，这可能是由于更全面的疾病分类方法或相反的模型限制。
移动糖尿病干预对提高印度农村地区普通人群糖尿病认知和促进健康生活方式改变的有效性
方法：采用准实验设计，mDiabetes 项目实施了 1 年，覆盖 1,03,538 名农村居民。根据该项目，为期 6 个月，通过语音电话向参与者传播了 56 条糖尿病预防信息（每周两次，使用当地语言）。此外，经过培训的社区卫生工作者还主持了社区健康教育会议，并向社区成员分发了教育传单。问卷调查在三个不同的时间点进行——基线（干预前）、终点（干预后）和随访（终点后 3 个月），以收集人口统计数据、糖尿病相关知识、态度、实践、身体活动和饮食习惯。分析比较了参与所有三项调查的 545 名受试者的数据。
应用机器学习算法在南非反复基于成人人群的调查中预测HIV测试：多
背景：HIV测试是艾滋病毒预防的基石，也是实现联合国联合国艾滋病毒/艾滋病联合计划（UNAIDS）到2030年终止艾滋病的目标的关键步骤。尽管有相关的调查数据，但使用机器学习（ML）来分析和预测南非成年人的HIV测试方面仍然存在研究差距。需要进一步的研究来弥合这一知识差距并为改善HIV测试的基于证据的干预措施提供信息。目的：本研究旨在通过在南非反复基于成人人群的调查中应用监督的ML算法来确定HIV检测的一致预测指标。方法：将对多波横断面调查数据进行回顾性分析，以确定18岁及以上的南非成年人对HIV测试的预测因子。将在南非国家艾滋病毒患病率，发病率，行为和传播调查（SABSSM）调查的五个周期中应用一种监督的ML技术。人类科学研究委员会（HSRC）于2002，2005，2008，2012和2017进行了SABSSM调查。可用的SABSSM数据集将导入Rstudio（版本4.3.2； Potit Software，PBC），以清洁和删除异常值。将进行卡方检验，以选择HIV测试的重要预测指标。每个数据集将分为80％的培训和20％的测试样本。逻辑回归，支持向量机，随机森林和决策树。将使用一种交叉验证技术将训练样本划分为K折，包括验证集，并且将对每个折叠进行训练。模型的表现将在验证集上使用评估指标进行评估，例如精度，精度，回忆，F 1 -SCOOR，曲线接收器操作特性下的面积和混淆矩阵。结果：SABSSM数据集是HSRC数据库上可用的打开访问数据集。伦理学的批准是从约翰内斯堡大学研究与伦理委员会于2024年4月23日获得的（REC-2725-2024）。HSRC于2024年8月20日授予作者访问所有五个SABSSM数据集。探索数据集以识别可能影响HIV测试吸收的自变量。这项研究的结果将确定一致的变量，预测20年中南非成年人口的艾滋病毒测试吸收。此外，本研究将评估和比较4种不同ML算法的性能指标，最佳模型将用于开发HIV测试预测模型。
使用多重功能数据减少代表性不足的人群中的变异分类不平等
©作者2024。Open Access本文在创意共享属性下获得许可 - 非商业 - 非洲毒素4.0国际许可证，该许可允许以任何中等或格式的任何非商业用途，共享，分发和复制，只要您与原始作者提供适当的信誉，并为您提供了符合创造性共识许可的链接，并提供了持有货物的启动材料。您没有根据本许可证的许可来共享本文或部分内容的适用材料。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by-nc-nd/4。0/。