XiaoMi-AI文件搜索系统
World File Search System使用者
研究文章 墨西哥土著语言使用者接种 COVID-19 疫苗的情况和障碍：一项全国代表性调查的结果
墨西哥因 COVID-19 疫情而承受着沉重的负担。自 2020 年疫情爆发以来，许多研究都强调了土著人死于 COVID-19 的巨大风险。本研究旨在评估墨西哥土著语言使用者的 COVID-19 疫苗接种情况，重点了解他们在获得疫苗方面面临的障碍。我们使用了墨西哥全国代表性健康调查 Encuesta Nacional de Salud y Nutricio´n Continua (ENSANUT) 2022 来分析自我报告的 COVID-19 疫苗接种状况、未接种疫苗的原因和其他相关协变量的数据。我们采用逻辑回归来估计疫苗接种和接种障碍的优势比 (OR)，所有模型都针对潜在混杂因素进行了调整。在 34,051 名参与者中，有 1793 人 (5.23%) 报告说自己讲土著语言。研究发现，与非土著语言使用者 (81%) 相比，土著语言使用者的疫苗接种率 (63%) 较低 (p < 0.005)。即使调整了混杂因素，他们接种 COVID-19 疫苗的可能性也低 59% (OR 0.41，95% CI 0.27–0.62)。在未接种疫苗的个体中，土著语言使用者更有可能以对疫苗的负面看法或恐惧作为不接种疫苗的理由 (OR 1.82，95% CI 1.11–3.00)，而报告获取疫苗障碍的可能性较小 (OR 0.62，CI 95% 0.42–0.91)。这项研究强调了墨西哥土著语言使用者在 COVID-19 疫苗接种方面的差异。研究结果强调，迫切需要采取有针对性的、适合文化的公共卫生干预措施，并在优先接种疫苗时考虑社会和种族的脆弱性。
中央图书馆
i. 使用者在离开借阅柜台前，必须核对所借书籍的编号与印刷的借阅单，以免日后产生混淆。任何差异将不予考虑。 ii. 图书馆会员证和所借书籍不可转让，因此不得借给他人。 iii. 如有书籍损坏或遗失，使用者须负责 iv. 如果损坏的书籍属于一套，则使用者须对整套书籍负责。 v. 使用者在借阅书籍时，应检查书籍的状况。 vi. 电力/系统故障期间，借阅柜台服务将暂停 vii. 书籍借出后，使用者须立即将其从图书馆取出。 viii. 借阅当天不得归还任何书籍。 ix. 使用者离开图书馆时，应确保随身携带未按时借阅的书籍，否则将受到纪律处分。 x.请每位用户在柜台交易结束后尽快核对自己名下的图书状态。如有任何差异，应立即告知柜台人员。此后的任何投诉均不予受理。
胰高血糖素样肽 1 受体激动剂在 MASLD 患者中的实际使用情况：TARGET-NASH 横断面分析
结论 • 在 TARGET-NASH 中，11% 的参与者被处方了 GLP-1 RA • 大多数使用者是 40-64 岁的白人女性；尽管存在药物获取方面的担忧，但使用者和非使用者之间的保险类型并无差异 • 到目前为止，在这个现实世界的队列中，GLP-1 RA 的使用似乎主要是在那些患有 2 型糖尿病的人身上 • 这个现实世界的人群有明显的合并症，GLP-1 RA 使用者和非 GLP-1RA 使用者之间存在明显差异 • 尽管如此，GLP-1 RA 的耐受性良好，大多数停药都是由于非医疗原因
美国的能源效率工作2024
工作人数来自2024年美国国家能源和就业报告（使用者），该报告侧重于所有能源工作。使用者分析了美国劳工统计局（BLS）季度就业和工资（QCEW）的数据，以跟踪各个部门的就业，包括能源生产，传输和分配。此外，使用者还依靠对美国各地的业务代表进行独特的补充调查，用于2024年使用者，有42,100家企业参加了调查。综上所述，BLS和调查数据提供了可用的能源相关就业的最全面计算。该方法已用于本地，州和联邦能源相关的数据收集和分析已有十年了。有关完整的方法详细信息，请参见使用者附录。有关更多报告详细信息，请参阅美国常见问题解答的能源效率工作，或联系建筑绩效协会或E4Thefuture。
条款和条件
本试验评估协议（“协议”）介于：（i）Luminance Technologies Ltd，这是一家在英格兰和威尔士注册的私人有限公司，其商业注册号为09857705及其在九山路的注册地址，Cambridge，Cambridge，CB2 1GE（CB2 1GE（Luminance”）和（ii）的授权或（ii）是该产品的使用者和（ii），或者是该产品的使用者，或者是该产品的使用者，是该产品的使用者，该产品是该产品的使用者。 （“客户”或“您”）。这些条款和条件构成了您与亮度之间具有法律约束力的一致性。通过勾选下面的框，您接受了这些条款和条件，并且您承认您已经阅读并理解了这一协议，并且您同意（您自己代表您代表实体或其他组织代表该实体或组织，以及该实体或组织中的任何其他个人以及使用发货范围或条件在以下日期（以下日期）'''
类风湿关节炎患者的 COVID-19 结果......
摘要 目的 我们旨在研究使用生物制剂或靶向合成抗风湿药物 (b/tsDMARD) 的类风湿关节炎 (RA) 在 COVID-19 结果中的作用。方法 我们的研究检索了 2018 年 1 月 1 日至 2022 年 12 月 31 日期间 TriNetX 美国合作网络的数据。我们调查了 b/tsDMARD 在 RA 中的使用情况：白细胞介素 6 抑制剂 (IL-6i)、Janus 相关激酶抑制剂 (JAKi) 或肿瘤坏死因子-α 抑制剂 (TNFi，参考组)。COVID-19 的结果是感染发生率和不良结果（住院、重症监护服务、机械通气和死亡率）。计算了倾向评分匹配 (PSM) 不同 b/tsDMARD 患者结果的 HR 和 95% CI。结果 PSM 后，共识别出 2676 名 JAKi 使用者 vs 2676 名 TNFi 使用者，967 名 IL-6i 使用者 vs 967 名 TNFi 使用者。至于 COVID-19 发病率，JAKi 使用者与 TNFi 使用者之间未达到统计学意义（HR：1.058，95% CI：0.895 至 1.250）。与 TNFi 使用者相比，JAKi 使用者的 RA 住院风险（HR：1.194，95% CI：1.003 至 1.423）、死亡风险（HR：1.440，95% CI：1.049 至 1.976）和综合不良结局风险（HR：1.242，95% CI：1.051 至 1.468）均显著增加。未接种 COVID-19 疫苗的 JAKi 组死亡风险往往显著较高（HR：1.511，95% CI：1.077 至 2.121）。与 TNFi 使用者相比，IL-6i 使用者没有上述发现。结论患有 JAKi 的 RA 患者住院、死亡或综合不良结局的风险显著增加，尤其是未接种 COVID-19 疫苗的患者死亡率更高。应鼓励这些目标人群接种 COVID-19 疫苗。在对患有 RA 的患者使用 JAKi 时，临床医生应警惕这些不良结局，以防止其发生或及早发现以便及早干预。
如何引用：Curi，H。T.，Lima，J。，＆Ferretti，E。C.（2020）。与截瘫的手动轮椅使用者的推进效率有关的因素
简介：由于脊髓损伤（SCI）引起的截瘫患者执行手动轮椅（MWC）推进，以促进功能迁移率以进行日常活动。然而，由于MWC设置不足以及疼痛和上肢损伤（UL）引起的推进效率低下可能导致用户移动性降低。目的：通过综合审查的方法，试图识别和评估与SCI截瘫用户MWC中推进效率相关的因素。方法：我们在PubMed，Lilacs和Scielo中选择了索引研究，用于推进2008年至2018年间SCI用户的生物力学。结果：在综述中包括的10项研究中，两项研究被归类为III-2级，为第四级证据。与推进效率相关的因素被确定为：非义压力矩；恢复阶段UL的速度；手在发行期间的位置；靠背的大小；保持体重；日常活动和肩部内收益的水平；推进的强度； UL和SCI时间的方向。结论：关于UL的周期和推进模式，MWC设置，用户特征以及疼痛和伤害的证据被证明是与SCI瘫痪者MWC的推进效率有关的因素。
2024 计划年度费率 - 不符合 Medicare、遗属和 COBRA 资格的员工和退休人员
如果您是烟草使用者，您可以参加烟草使用者保费的替代方案，前提是该替代方案适合您的健康状况并符合医生的建议。请访问 www.ers.texas.gov/About-ERS/Policies/ Tobacco-Policy-and-Certification 了解更多信息。
yasmin 0.03 mg / 3 mg膜涂层片< / div>
一项来自54项流行病学研究的荟萃分析报告说，在目前使用COC的女性中，诊断出乳腺癌的相对风险（RR = 1.24）略有增加。在停止COC使用后的10年中，多余的风险逐渐消失。由于乳腺癌在40岁以下的女性中很少见，因此与乳腺癌的整体风险有关的当前和最近COC使用者的乳腺癌诊断过多的数量很小。这些研究没有提供因果关系的证据。观察到的风险增加可能是由于COC使用者对乳腺癌的较早诊断，COC的生物学作用或两者的组合。在临床上，被诊断出的乳腺癌在临床上的先进量低于从未用使用者中诊断的癌症。
新抗精神病药物使用者的多重疾病特征和重大心血管事件风险：使用可解释机器学习的事件发生时间预测研究
这项回顾性队列研究使用了香港公共医疗机构的电子健康记录。我们纳入了 18-65 岁无 MACE 的患者，这些患者在首次使用抗精神病药物前三年内曾患过两种或两种以上慢性疾病。研究考虑了基线特征，例如年龄、性别、慢性病史、抗精神病药物使用史和前一年的服药史。结果是主要不良心血管事件 (MACE)，包括中风、急性心肌梗死 (AMI) 和心血管相关死亡 (CV 死亡)。根据抗精神病药物处方的初始年份，将数据集按 7:3 的比例随机分为训练和验证子集。使用条件推断生存树 (CISTree) 来识别 MACE 风险组。使用 5 倍交叉验证对十个机器学习模型进行超参数优化训练，并在验证集上进行验证。我们进行了时间依赖性的 ROC 曲线分析、校准图和决策曲线分析图，分别比较模型的判别能力、校准和临床应用价值。使用时间相关变量重要性、部分依赖图和 SHAP 图来解释所选模型。