XiaoMi-AI文件搜索系统
World File Search System决策支持
Progetto“H-SMA-CE：循环经济转型的决策支持系统”
结构：经济学 标题：H-SMA-CE：循环经济转型决策支持系统。项目 PRIN 2022_MUR：代码 2022JZLL7J CUP J53D23009390006
决策支持的汇总价值系统
我们采用以人工智能的新兴和杰出的愿景，需要建立可信赖的智能系统。这样的系统应能够通过处理多元化并遵守人类价值观来应对互连，全球化的世界的挑战。在这个愿景中，多元化价值对齐是AI的核心问题，即创建与一组不同的个体价值系统保持一致的AI系统的挑战。到目前为止，大多数有关价值一致性的文献都认为与单个价值体系保持一致。为了解决这一研究差距，我们提出了一种估计和汇总多个个人价值系统的新方法。我们依靠社会选择文献中的最新结果，并将价值体系汇总问题形式化为优化问题。然后，我们将这个问题作为回归问题提出。这样做提供了一个有原则的一般理论框架来建模和解决聚合问题。我们的聚合方法使我们能够考虑一系列伦理原则，从功利主义（最大效用）到平等主义（最大公平）。我们通过考虑来自两个案例研究的现实世界数据来说明价值体系的聚集：参与价值评估过程和欧洲价值研究。我们的实验评估表明，如何根据选择的道德原则获得不同的共识价值系统，从而为决策者提供了如何执行价值系统聚合的实用见解。
让医疗保健更安全 IV_快速审查_计算机化临床决策支持，预防用药错误和药物不良事件
结果。我们的搜索产生了 1,335 篇独特的摘要，其中 33 篇文章符合目标标准并被纳入审查（27 篇系统性审查、1 篇审查概述和 5 篇主要研究）。20 篇报告有效性的审查（共 22 篇）被评为“良好”或“公平”质量。叙述性综合中包括的一项主要研究被评为具有“低”偏倚风险。证据涵盖了 CDSS 对各种医疗环境和专业的影响。CDSS 提供的决策支持类型和结果在研究之间是异质的。总体而言，使用药物相关 CDSS 的计算机化医嘱录入与减少用药错误（中等强度证据）和预防药物不良事件（低强度证据）相关。改进或有针对性的药物相关 CDSS 与减少用药错误和药物不良事件（中等强度证据）相关。但是，警报覆盖率很高，且在不同研究中有所不同，覆盖的适当性在很大程度上受警报类型的影响。其他意外后果包括与 CDSS 相关的错误、过度依赖警报、警报疲劳、不适当的警报覆盖和提供商倦怠。另外 48 篇文章重点介绍了 CDSS 实施的障碍和促进因素。
糖尿病管理和决策支持中的多准则决策：系统评价
背景：糖尿病的患病率正在增加，全世界的成年人和儿童正在增加。糖尿病护理很复杂；检查饮食，药物类型，糖尿病识别和使用自我管理工具的意愿只是糖尿病临床医生所面临的一些挑战，这些挑战应该对它们做出决定。做出适当的决定将降低治疗成本，降低糖尿病的死亡率并提高糖尿病患者的生活质量。有效的决策在多准则决策（MCDM）技术的范围内。目的：这项研究的核心目的是评估MCDM方法的有效性和适用性，然后引入一种新型的分类框架，以便它们在该领域中使用。方法：文献搜索的重点是2003年至2023年的出版物。最后，通过应用Prisma（系统评价和荟萃分析的首选报告项目），选择了63篇文章并检查。结果：结果表明，在糖尿病研究中使用MCDM方法可以分为6个不同的组：糖尿病药物的选择（19种出版物），糖尿病诊断（12个出版物），饮食建议（8个出版物），糖尿病管理（14个出版物），糖尿病（14个出版物），糖尿病（77个出版物）（7个出版物）和估计疾病的疾病（3次出版物），以及估计的疾病估计。结论：我们的综述显示了有关糖尿病的MCDM文献中很大一部分。研究强调了使用MCDM技术的好处，这对于各种糖尿病挑战既实用又有效。
基于移动应用的临床决策支持系统的开发和可用性测试：随机分频试验
背景：混淆评估方法定义的三分钟诊断访谈（3D-CAM）是一种专门开发的仪器，用于评估一般病房的ir妄，具有较高的敏感性和特异性。然而，床旁护士在常规实践中使用3D-CAM的可用性相对较差，在评估过程中有多个人为错误。目的：本研究旨在根据3D-CAM开发基于移动应用的ir妄评估工具，并通过床头护士评估其在老年患者中的可用性。方法：开发了基于3D-CAM（3D-DST）的决策支持的ir妄评估工具，以解决3D-CAM的现有问题并优化评估过程。在随机跨界设计后，使用问卷调查来评估床头护士在老年人中3D-DST的可用性。同时，记录了3D-DST和3D-CAM纸张版本的性能，包括评估完成率，完成评估所需的时间以及评估过程中护士在评估过程中犯的人类错误的数量，并将其差异进行了比较。结果：3D-DST包括3个评估模块，9个评估接口和16个结果接口，并带有内置提醒，以指导护士完成ir妄评估。在可用性测试中，由72名带有3D-CAM纸张版本和3D-DST的床头护士对148名老年人进行了432次ir妄评估（216对）。与3D-CAM纸张版本相比，使用3D-DST（4.35 vs 3.40; P <.001）时，平均可用性得分明显更高。使用3D-CAM纸版本和3D-DST对护士的令人满意的评估问卷的6个域的中位数分别高于2.83和4.33点（P <.001）。使用3D-DST时，完成评估的平均时间减少了2.1分钟（4.4 vs 2.3分钟； P <.001）。结论：这项研究表明，3D-DST显着提高了ir妄评估的效率，并且被床头护士认为高度可接受。
注意个性化临床决策支持系统
摘要 - 健康管理已成为主要问题，因为新型疾病和复杂的症状被引入迅速发展的现代社会。建立一个更好，更智能的医疗基础设施是智慧城市的最终目标之一。据我们所知，已经采用了神经网络模型来帮助医疗保健专业人员实现这一目标。 通常，培训神经网络需要大量数据，但是临床数据的异质和脆弱的特性为传统的集中式网络带来了挑战。 此外，将新输入添加到医疗数据库需要从头开始重新训练现有模型。 为了应对这些挑战，我们提出了一个基于深度学习的临床决策支持系统，该系统在联合学习范式下进行了培训和管理。 我们专注于一种新的策略，以确保患者隐私的安全性并克服网络攻击的风险，同时实现大规模的临床数据挖掘。 因此，我们可以利用丰富的临床数据来训练每个本地神经网络，而无需交换患者的机密数据。 此外，我们将提出的方案作为序列到序列模型结构进行了整合。 因此，我们的目标是提供一个个性化的临床决策支持系统，具有可发展的特征，可以提供准确的解决方案并帮助医疗保健专业人员进行医学诊断。 索引术语 - 临床决策支持系统，医疗保健，人工智能，顺序到序列网络，注意机制，联合学习据我们所知，已经采用了神经网络模型来帮助医疗保健专业人员实现这一目标。通常，培训神经网络需要大量数据，但是临床数据的异质和脆弱的特性为传统的集中式网络带来了挑战。此外，将新输入添加到医疗数据库需要从头开始重新训练现有模型。为了应对这些挑战，我们提出了一个基于深度学习的临床决策支持系统，该系统在联合学习范式下进行了培训和管理。我们专注于一种新的策略，以确保患者隐私的安全性并克服网络攻击的风险，同时实现大规模的临床数据挖掘。因此，我们可以利用丰富的临床数据来训练每个本地神经网络，而无需交换患者的机密数据。此外，我们将提出的方案作为序列到序列模型结构进行了整合。因此，我们的目标是提供一个个性化的临床决策支持系统，具有可发展的特征，可以提供准确的解决方案并帮助医疗保健专业人员进行医学诊断。索引术语 - 临床决策支持系统，医疗保健，人工智能，顺序到序列网络，注意机制，联合学习
决策支持干预措施和预测模型（算法透明度）的要求HTI-1最终规则
•本演讲中包含的有关“健康数据，技术和互操作性：认证计划更新，算法透明度和信息共享”（HTI-1）最终规则的最终规则基于HHS批准的文件，该文件已发布在Healthit.gov上，并将提交给联邦登记册的办公室。该文件尚未被放置在公共显示上或在联邦公报上发布。在Healthit.gov上发布的文件可能与已发布的文件略有不同。联邦公报上发表的最终规则是由HHS批准的官方文件，该文件修改了45 C.F.R.中包含的规定。部分170和171。虽然已竭尽全力确保重述这些规定的准确性，但本介绍不是法律文件。请注意，其他联邦，州和地方法律也可能适用。
可解释的人工智能可提高决策支持系统的透明度
人工智能 (AI) 被认为是一种先进的技术，可以以高精度和精确度协助决策过程。然而，由于依赖复杂的推理机制，许多 AI 模型通常被评价为黑匣子。这些 AI 模型如何以及为何做出决策的复杂性往往无法被人类用户理解，导致人们对其决策的可接受性感到担忧。先前的研究表明，缺乏以人类可理解的形式提供的相关解释会使最终用户无法接受这些决策。在这里，可解释 AI (XAI) 的研究领域提供了广泛的方法，其共同主题是研究 AI 模型如何做出决策或解释决策。这些解释方法旨在提高决策支持系统 (DSS) 的透明度，这在道路安全 (RS) 和空中交通流量管理 (ATFM) 等安全关键领域尤其重要。尽管不断发展，但 DSS 仍处于安全关键应用的发展阶段。 XAI 带来的透明度提高，成为使这些系统在实际应用中可行、解决可接受性和信任问题的关键推动因素。此外，根据欧盟委员会目前授予的解释权以及世界各地组织的类似指令，认证机构不太可能批准这些系统用于一般用途。这种将解释渗透到现行系统中的迫切愿望为以 DSS 为中心的 XAI 研究铺平了道路。
关键空间决策支持系统...
将责任分析到机构或部门的责任范围内。关键优先事项包括太空战、太空服务支持、太空支持行动、太空领域意识和国家情报总监办公室的目标。每个优先事项都包含责任范围内的特定能力，评分范围为 1 到 5，5 表示最高威胁。网络攻击或反卫星武器等威胁也使用相同的评分标准进行评分，并按具有该能力的参与者进行分类。最后，漏洞按类型分类，并使用相同的评分标准在轨道或地面领域进行评分。28 这些 PCAL 评分以及美国太空司令部指挥官的指导允许每年跨机构制定联合 PCAL，以确定要保护的最关键资产。
临床决策支持系统在糖尿病护理中的应用：范围评论
背景：面对糖尿病管理的日益复杂性以及缺乏专门的内分泌学家来支持糖尿病护理，提供全面和个性化的糖尿病护理仍然是一个重大挑战。临床决策支持系统（CDSS）逐渐被用来改善糖尿病护理，而许多医疗保健提供者缺乏对糖尿病护理中CDSS的认识和知识。仍然缺乏对CDSS在糖尿病护理中的应用的全面分析。目的：本综述旨在总结研究格局，临床应用以及对糖尿病护理中CDSS的患者和医生的影响。方法：我们在Arksey和O'Malley框架之后进行了范围审查。在7个电子数据库中进行了搜索，以识别截至2022年6月30日的糖尿病中CDSS的临床应用。对2021 - 2022年期间的会议摘要进行了其他搜索。两名研究人员独立执行了筛选和数据图表过程。结果：在11,569项检索研究中，包括85个（0.7％）进行分析。在这一领域的研究兴趣正在增长，过去5年中的85项研究中有45个（53％）。在披露基本决策机制的85项研究中，有58个（68％）中，大多数CDSS（44/58，76％）是基于知识的，而近年来，基于非知识的系统的数量一直在增加。在85项披露应用方案的研究中的81个（95％）中，大多数CDSS用于治疗建议（63/81，78％）。在85项研究中，有39名（46％）在披露医师的用户类型中，初级保健医师（20/39，51％）是最常见的，其次是内分泌学家（15/39，39％）和非内分泌专家（8/39，21％）。CDSS在71％（45/63），67％（12/18）和38％（8/21）的研究中显着改善了患者的血糖，血压和脂质谱，分别没有增加降低降低性糖类的风险。结论：CDSS在改善糖尿病护理方面既有效又安全，这意味着它们可能是糖尿病护理中潜在可靠的助手，尤其是对于经验有限的医生和获得医疗资源有限的患者而言。国际注册报告标识符（IRRID）：RR2-10.37766/inPlasy2022.9.0061