XiaoMi-AI文件搜索系统
World File Search System代表性
实现和维持口服霍乱疫苗覆盖率的挑战：从刚果民主共和国霍乱流行社区的系列横断面代表性调查中获得的见解
摘要 背景 在刚果民主共和国乌维拉开展大规模霍乱疫苗接种运动后，我们进行了三次连续的横断面代表性调查，以 (1) 估计疫苗接种覆盖率并探索地理和人口因素的异质性；(2) 研究疫苗接种的障碍和促进因素，以及 (3) 描述覆盖率随时间的变化并预测未来的覆盖率。 方法 我们收集了 2021 年 8 月、2022 年 4 月和 2023 年 4 月（接种疫苗后约 11、19 和 30 个月）的社会人口统计数据、自我报告的疫苗接种状况、人口流动以及与灭活口服霍乱疫苗 (kOCV) 相关的知识、态度和行为。我们比较了按疫苗接种状况划分的参与者的特征，并探讨了人口流动作为低覆盖率的潜在作用。我们使用指数衰减模型根据年龄别覆盖率预测随时间推移接种≥1 剂 kOCV 的人口比例。结果 我们在所有调查中招募了来自 1433 个家庭的 8735 名参与者。在调查 1（2021 年 8 月）中，≥1 剂 kOCV 的覆盖率为 55%（95% CI 51 至 60），≥2 剂的覆盖率为 23%（95% CI 20 至 27）。拒绝疫苗与对疫苗安全性缺乏信心有关，29% 未接种疫苗的成年人报告说，如果在他们所在地区开展额外的大规模疫苗接种运动，他们不太可能接受 kOCV。≥1 剂 kOCV 的覆盖率平均每年下降 18%（95% 可信区间 14 至 23），到调查 3 时（第二剂运动后约 30 个月）为 39%（95% CI 36 至 43）。结论我们的研究结果表明，在乌维拉这样的环境中，需要努力增强疫苗信心以实现更高的疫苗接种覆盖率，而通过更频繁和协调的地理疫苗接种工作可以减少疫苗覆盖率的稀释。
随机临床试验的计算表型图，以评估其现实世界的代表性和个性化推断
此预印本的版权所有者于 2025 年 1 月 24 日发布此版本。；https://doi.org/10.1101/2024.05.15.24306285 doi: medRxiv preprint
使用前瞻性代表性数据
目的：本研究使用来自印度南部的前瞻性代表性数据集来开发和评估多模式机器学习模型，以区分细菌和真菌性角膜炎。设计：机器学习分类器培训和验证研究。参与者：印度马杜赖（Madurai）的Aravind Eye Hospital诊断出患有急性感染性角膜炎的五百九十九名受试者。方法：我们使用了前瞻性的，连续收集的，代表性的数据集（Madurai数据集）收集的前瞻性，连续收集的代表性数据集，并比较了3种预测模型，以区分细菌和真菌角膜炎。这些模型包括一个临床数据模型，使用效率网状结构的计算机视觉模型以及将成像和临床数据都结合在一起的多模式模型。我们将Madurai数据集分为70％的火车/验证和30％的测试集。进行了模型训练，并进行了五重交叉验证。我们还比较了由Madurai训练的计算机视觉模型的性能与具有相同架构的模型，但对从多个先前的细菌和真菌性角膜炎随机临床试验（RCT）（RCT训练的计算机视觉模型）进行了培训。主要结果指标：主要评估度量是Precision-Recall曲线（AUPRC）下的面积。二级指标包括接收器操作特征曲线（AUROC），准确性和F1分数下的区域。与计算机视觉模型相比，多模式模型并不能显着提高性能。眼科科学2025; 5：100665ª2024，美国眼科学会。结果：由Madurai训练的计算机视觉模型优于临床数据模型和持有测试集的RCT训练的计算机视觉模型，其AUPRC 0.94（95％的置信间隔：0.92 E 0.96），AUROC 0.81（0.76 E 0.85）（0.76 E 0.85）（0.76 E 0.85），精度为77％和F1 0.85。结论：传染性角膜炎的表现最佳的机器学习分类是使用Madurai数据集训练的计算机视觉模型。这些发现表明，基于图像的深度学习可以显着增强感染性角膜炎的诊断能力，并强调使用前瞻性，连续收集的，代表性的机器学习模型培训和评估的重要性。财务披露：本文末尾的脚注和透视性可以在脚注和验证中找到。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
对医疗保健、治疗和诊断领域人工智能的认知和了解：一项具有代表性的人口调查
人工智能 (AI) 是指系统正确解释和学习数据的能力，以及通过灵活适应这些学习来实现特定目标和任务的能力。尽管人工智能在医学领域有广泛的应用，但医疗保健专业人员不愿意实施人工智能设备。目前，关于德国公众对医疗人工智能的看法的数据很少。因此，2021 年在德国进行了两项在线调查，以评估人们对人工智能在一般和医学领域的知识和看法，包括医学数据的处理。共有 1,001 名和 1,000 名成年人参加了调查。调查结果强调，需要通过提高认识、强调潜力以及确保遵守处理数据保护的准则和法规来改善对医疗人工智能应用的教育和看法。这项调查为德国民众对这一相关主题提供了初步见解。
nusadialogue：对话摘要和代表性不足和极低的农产品语言
开发针对巨大低资源语言的对话摘要是一项挑战任务。我们介绍了Nusadialogue，这是马来语 - 波利尼西亚语言家族中三种代表性不足语言的对话摘要数据集：Minangkabau，Balinese和Buginese。nusadialogue coverers 17个主题和185个子主题，由73位母语人士提供了注释。另外，我们使用中型印尼特异性语言模型（LMS）进行了精细调整，并对各种多语言大型语言模型（LLMS）进行了零和少数学习。结果表明，对于诸如Minangkabau，Balinese和Buginese之类的极低的资源语言，微调方法的性能与零射击提示相比，其性能明显更高，即使在LLMS具有相当大的Parame-Parame-Parame-ter尺寸时，也会产生更高的提示。我们在https://huggingface.co/ datasets/prosa-text/nusa-dialogue un- der cc-by-sa 4.0许可证中公开发布nusadia-logue数据集。
1108 项具有代表性的人口研究的汇总分析
贡献者国家和地区数据组的成员收集并重新分析数据，并检查汇总数据以确保有关他们研究以及他们国家其他研究的信息准确性。AWR、BZ、KES、RKS、RMCL、RAH、GAS、VPFL、NHP、AFBP、LJ、YDDB、AG 和 AM 整理了来自不同研究的数据。AWR、BZ 和 RAH 管理数据库。BZ、AWR、JEB 和 AM 在 CJP 和 ME 的帮助下调整了统计模型。BZ 和 AWR 分析了数据并准备了结果。ME、BZ 和 AWR 在汇总分析和写作小组其他成员的帮助下撰写了手稿的初稿。国家和地区数据组的成员对报告草稿发表了评论。ME 负责监督研究。国家和地区数据组的成员可以访问并验证各个参与研究的数据。AWR、BZ 和 RAH 可以访问并验证分析中使用的汇总数据。通讯作者对于提交出版的决定负有最终责任。
1990 年至 2022 年全球糖尿病患病率和治疗趋势：对 1108 项具有 1.41 亿参与者的人口代表性研究的汇总分析
结果 到 2022 年，估计将有 8.28 亿（95% 可信区间 [CrI] 757–908）成年人（18 岁及以上）患有糖尿病，比 1990 年增加 6.3 亿（554–713）人。从 1990 年到 2022 年，131 个国家的女性糖尿病年龄标准化患病率增加，155 个国家的男性糖尿病年龄标准化患病率增加，后验概率超过 0.80。增幅最大的是东南亚（如马来西亚）、南亚（如巴基斯坦）、中东和北非（如埃及）和拉丁美洲和加勒比地区（如牙买加、特立尼达和多巴哥和哥斯达黎加）的低收入和中等收入国家。西欧和中欧、撒哈拉以南非洲、东亚和太平洋地区、加拿大和一些太平洋岛国的部分国家在 1990 年发病率已经很高，年龄标准化发病率既没有增加也没有减少，后验概率超过 0.80；日本、西班牙和法国的女性以及瑙鲁的男性发病率下降，后验概率超过 0.80。2022 年全球发病率最低的国家是西欧和东非（男女），日本和加拿大（女性），2022 年全球发病率最高的国家是波利尼西亚和密克罗尼西亚国家、加勒比地区和中东及北非的部分国家以及巴基斯坦和马来西亚。 2022 年，4.45 亿（95% 人群 401-496）30 岁或以上患有糖尿病的成年人未接受治疗（占 30 岁或以上患有糖尿病的成年人的 59%），是 1990 年的 3.5 倍。从 1990 年到 2022 年，118 个国家的女性糖尿病治疗覆盖率增加，98 个国家的男性糖尿病治疗覆盖率增加，后验概率超过 0.80。治疗覆盖率提高最大的是一些中欧和西欧和拉丁美洲国家（墨西哥、哥伦比亚、智利和哥斯达黎加）、加拿大、韩国、俄罗斯、塞舌尔和约旦。撒哈拉以南非洲、加勒比地区、太平洋岛国以及南亚、东南亚和中亚的大多数国家的治疗覆盖率没有增加。2022 年，撒哈拉以南非洲和南亚国家的年龄标准化治疗覆盖率最低，一些非洲国家的治疗覆盖率不到 10%。韩国、许多西方高收入国家以及中欧和东欧（例如波兰、捷克和俄罗斯）、拉丁美洲（例如哥斯达黎加、智利和墨西哥）和中东和北非（例如约旦、卡塔尔和科威特）的一些国家，治疗覆盖率达到55％或更高。
建立一支强大且具有代表性的野火缓解和管理队伍
野火救援人员一直是全球关注的焦点，这是有充分理由的。最近几年的灾难性火灾给野火响应系统带来了巨大压力，包括广泛的资源短缺以及消防员的疲劳和倦怠。人们越来越普遍地认识到，社会必须与火灾建立一种新的关系——这种关系需要创新的土地管理方法，以管理社会生态健康而不是火灾。为了打破火灾状况不断恶化、工作人员负担越来越重以及响应者和社区面临更严重风险的循环，有必要进行主动投资，以准备、减少和建立对建筑和自然环境以及人员的野火影响的抵御能力。然而，有许多挑战阻碍了这种模式转变的实现，包括劳动力能力不足以满足日益扩大的野火风险管理需求，而不仅仅是灭火；劳动力持续同质化；社区参与和影响火灾管理决策的机会不足；以及消防管理人员过度依赖灭火实践。