XiaoMi-AI文件搜索系统
World File Search System减少的
评估对2型糖尿病疗法的体重减少的潜力：对120个随机对照试验的元回归分析
1。Antman EM，Loscalzo J.心脏病学的精确医学。nat Rev car-diol。2016; 13（10）：591-602。 2。 Kuss O，Opitz ME，Brandstetter LV，Schlesinger S，Roden M，HoyerA。 2型糖尿病治疗如何用于精密糖尿病ogy？ 来自174个随机ISED试验的血糖控制数据的元回归。 糖尿病学。 2023; 66：1622-1632。 3。 Jameson JL，Longo DL。 精确医学 - 个性化，问题和有前途。 n Engl J Med。 2015; 372（23）：2229-2234。 4。 Hawgood S，Hook-Barnard IG，O'Brien TC，Yamamoto KR。 精确医学：超出拐点。 SCI Transl Med。 2015; 7（300）：1-3。 5。 丹尼斯JM。 2型糖尿病中的精确药物：使用个性化预测模型来优化治疗的选择。 糖尿病。 2020; 69（10）：2075-2085。 6。 Wilkinson J，Arnold KF，Murray EJ等。 现实的时间检查机器学习驱动的精密药物的承诺。 柳叶刀数字健康。 2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2016; 13（10）：591-602。2。Kuss O，Opitz ME，Brandstetter LV，Schlesinger S，Roden M，HoyerA。2型糖尿病治疗如何用于精密糖尿病ogy？来自174个随机ISED试验的血糖控制数据的元回归。糖尿病学。2023; 66：1622-1632。3。Jameson JL，Longo DL。精确医学 - 个性化，问题和有前途。n Engl J Med。2015; 372（23）：2229-2234。 4。 Hawgood S，Hook-Barnard IG，O'Brien TC，Yamamoto KR。 精确医学：超出拐点。 SCI Transl Med。 2015; 7（300）：1-3。 5。 丹尼斯JM。 2型糖尿病中的精确药物：使用个性化预测模型来优化治疗的选择。 糖尿病。 2020; 69（10）：2075-2085。 6。 Wilkinson J，Arnold KF，Murray EJ等。 现实的时间检查机器学习驱动的精密药物的承诺。 柳叶刀数字健康。 2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2015; 372（23）：2229-2234。4。Hawgood S，Hook-Barnard IG，O'Brien TC，Yamamoto KR。精确医学：超出拐点。SCI Transl Med。2015; 7（300）：1-3。 5。 丹尼斯JM。 2型糖尿病中的精确药物：使用个性化预测模型来优化治疗的选择。 糖尿病。 2020; 69（10）：2075-2085。 6。 Wilkinson J，Arnold KF，Murray EJ等。 现实的时间检查机器学习驱动的精密药物的承诺。 柳叶刀数字健康。 2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2015; 7（300）：1-3。5。丹尼斯JM。2型糖尿病中的精确药物：使用个性化预测模型来优化治疗的选择。糖尿病。2020; 69（10）：2075-2085。6。Wilkinson J，Arnold KF，Murray EJ等。 现实的时间检查机器学习驱动的精密药物的承诺。 柳叶刀数字健康。 2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。Wilkinson J，Arnold KF，Murray EJ等。现实的时间检查机器学习驱动的精密药物的承诺。柳叶刀数字健康。2020; 2（12）：E677-E680。 7。 Prasad RB，Groop L. 2型糖尿病中的精密药物。 J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2020; 2（12）：E677-E680。7。Prasad RB，Groop L. 2型糖尿病中的精密药物。J Intern Med。 2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。J Intern Med。2019; 285（1）：40-48。 8。 tsapas A，Karagiannis T，Kakotrichi P等。 降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。 糖尿病OBES METAB。2019; 285（1）：40-48。8。tsapas A，Karagiannis T，Kakotrichi P等。降糖药物对2型糖尿病患者体重和血压的比较功效：系统评价和网络元分析。糖尿病OBES METAB。糖尿病OBES METAB。2021; 23（9）：2116-2124。9。Blundell J，Finlayson G，Axelsen M等。每周一次的半紫鲁丁对食欲，饮食的控制，食物的控制和体重的影响。糖尿病OBES METAB。 2017; 19（9）：1242-1251。 10。 Palmer SC，Mavridis D，Nicolucci A等。 比较2型糖尿病患者的临床外发生和与降糖药物相关的不良事件：荟萃分析。 JAMA。 2016; 316（3）：313-324。 11。 Palmer SC，Tendal B，Mustafa RA等。 葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。 bmj。 2021; 372：M4573。 12。 tsapas A，Avgerinos I，Karagiannis T等。 降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。 Ann Intern Med。 2020; 173（4）：278-286。糖尿病OBES METAB。2017; 19（9）：1242-1251。 10。 Palmer SC，Mavridis D，Nicolucci A等。 比较2型糖尿病患者的临床外发生和与降糖药物相关的不良事件：荟萃分析。 JAMA。 2016; 316（3）：313-324。 11。 Palmer SC，Tendal B，Mustafa RA等。 葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。 bmj。 2021; 372：M4573。 12。 tsapas A，Avgerinos I，Karagiannis T等。 降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。 Ann Intern Med。 2020; 173（4）：278-286。2017; 19（9）：1242-1251。10。Palmer SC，Mavridis D，Nicolucci A等。比较2型糖尿病患者的临床外发生和与降糖药物相关的不良事件：荟萃分析。JAMA。 2016; 316（3）：313-324。 11。 Palmer SC，Tendal B，Mustafa RA等。 葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。 bmj。 2021; 372：M4573。 12。 tsapas A，Avgerinos I，Karagiannis T等。 降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。 Ann Intern Med。 2020; 173（4）：278-286。JAMA。2016; 316（3）：313-324。 11。 Palmer SC，Tendal B，Mustafa RA等。 葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。 bmj。 2021; 372：M4573。 12。 tsapas A，Avgerinos I，Karagiannis T等。 降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。 Ann Intern Med。 2020; 173（4）：278-286。2016; 316（3）：313-324。11。Palmer SC，Tendal B，Mustafa RA等。葡萄糖共转运蛋白-2（SGLT-2）抑制剂和胰高血糖素样肽-1（GLP-1）受体激动剂用于2型糖尿病：随机对照试验的系统审查和网络荟萃分析。bmj。2021; 372：M4573。12。tsapas A，Avgerinos I，Karagiannis T等。降糖药物对2型糖尿病的比较有效性：系统评价和网络荟萃分析。Ann Intern Med。 2020; 173（4）：278-286。Ann Intern Med。2020; 173（4）：278-286。
实时基于EEG的情绪识别，使用离散小波在完整和减少的通道信号上转换
具有消费级EEG设备的基于EEG的实时情感识别（EEG-ER）涉及使用减少的渠道进行情绪进行分类。这些设备通常只提供四个或五个通道，与大多数当前最新研究中通常使用的大量通道（32或更多）不同。在这项工作中，我们建议使用离散小波变换（DWT）提取时频域特征，并且我们使用几秒钟的时间窗口来执行eeg-er-ers分类。该技术可以实时使用，而不是在整个会话后数据后使用。我们还将在先前研究中开发的基线去除预处理应用于我们提出的DWT熵和能量特征，从而显着提高了分类精度。我们考虑两个不同的分类架构，一个3D卷积神经网络（3D CNN）和一个支持向量机（SVM）。我们在主题独立和依赖于主题的设置上评估了这两个模型，以对个人情绪状态的价和唤醒维度进行分类。我们对DEAP数据集提供的完整32通道数据以及同一数据集的5通道提取物进行了测试。SVM模型在所有提出的场景中表现最佳，对于整个32渠道主体依赖性案例的价准确度为95.32％，唤醒的精度为95.68％，击败了先前的实时EEG-EEG-EEG-EEG-EEG依赖性依赖性基准。也获得了与受试者的情况下的价准确度为80.70％，唤醒的精度为81.41％。将输入数据降低到5个通道仅在所有情况下平均将精度降低3.54％，从而使该模型适合与更易于访问的低端EEG设备一起使用。
在数量不断减少的溪流繁殖青蛙中，壶菌感染表现出历史传播和当代季节性
1 德克萨斯大学奥斯汀分校综合生物学系，美国德克萨斯州奥斯汀 2 康奈尔大学生态与进化生物学系，美国纽约州伊萨卡 3 加利福尼亚州鱼类和野生动物部，美国加利福尼亚州西萨克拉门托 4 地球研究所和 5 加利福尼亚大学生态、进化和海洋生物学系，美国加利福尼亚州圣巴巴拉 6 加利福尼亚大学基因组中心，美国加利福尼亚州戴维斯 7 美国地质调查局，森林和牧场生态系统科学中心，美国俄勒冈州科瓦利斯 8 六河国家森林，下三一护林区，美国农业部森林服务局，邮政信箱 68，美国加利福尼亚州威洛溪 9 Spring Rivers 生态科学有限责任公司，美国加利福尼亚州卡塞尔 10 佛罗里达国际大学生物科学系，美国佛罗里达州迈阿密 11 普卢默斯国家森林，美国农业部森林服务局，美国加利福尼亚州昆西 12 美国地质调查局，国家野生动物健康中心，美国威斯康星州麦迪逊 13 Point雷耶斯野外站，美国地质调查局，西部生态研究中心，美国加利福尼亚州雷斯角站 14 尖峰国家公园，美国国家公园管理局，美国加利福尼亚州派辛斯 15 加州大学脊椎动物学博物馆，美国加利福尼亚州伯克利市 16 加州大学综合生物学系，美国加利福尼亚州伯克利市 17 塞拉利昂溪流研究所，美国加利福尼亚州内华达城 18 HELIX 环境规划公司，美国加利福尼亚州罗斯维尔 19 华盛顿州立大学生物科学学院，美国华盛顿州温哥华 20 美国农业部林务局太平洋西南研究站，美国加利福尼亚州阿克塔 21 旧金山州立大学生物系，美国加利福尼亚州旧金山 22 美国土地管理局中央海岸实地办事处，美国加利福尼亚州马里纳市 23 加州科学院爬虫学系，美国加利福尼亚州旧金山市
人工智能深度学习重建算法对 CT 图像质量和潜在剂量减少的影响：一项体模研究
摘要背景：最近，计算机断层扫描 (CT) 制造商已经开发出基于深度学习的重建算法来弥补迭代重建 (IR) 算法的局限性，例如图像平滑和空间分辨率对对比度和剂量水平的依赖性。目的：评估人工智能深度学习重建 (AI-DLR) 算法与混合 IR 算法对胸部 CT 图像质量和剂量减少的影响，对比不同临床适应症。方法：在用于胸部 CT 条件的五个剂量水平 (CTDI vol: 9.5/7.5/6/2.5/0.4 mGy) 下对 CT 美国放射学会 (ACR) 464 和 CT Torso CTU-41 体模进行采集。使用滤波反投影、两级 IR（iDose 4 级别 4 (i4) 和 7 (i7)）和五级 AI-DLR（精确图像；更平滑、平滑、标准、清晰、更清晰）重建原始数据。计算了噪声功率谱 (NPS)、基于任务的传递函数和可检测性指数 (d ′)：d ′ 模型检测软组织纵隔结节（纵隔内的低对比度软组织胸部结节 [LCN]）、毛玻璃影 (GGO) 或高对比度肺 (HCP) 病变。两名放射科医生独立评估胸部拟人幻影图像的主观图像质量。他们使用常用的四或五分量表评估了纵隔图像的图像噪声、图像平滑度、纵隔血管与脂肪之间的对比度、实质图像的支气管与肺实质之间的视觉边界检测以及整体图像质量。结果：从标准到平滑水平，平均而言，噪声幅度降低（所有剂量水平：纵隔图像为 - 66.3% ± 0.5%，实质图像为 - 63.1% ± 0.1%），平均 NPS 空间频率降低（所有剂量水平：纵隔图像为 - 35.3% ± 2.2%，实质图像为 - 13.3% ± 2.2%），三种病变的可检测性 (d′) 增加。从标准到清晰水平则发现了相反的模式。从平滑到清晰水平，
比较量子和经典机器学习在大型强子对撞机中矢量玻色子散射背景减少的效果
我们报告了量子和经典机器学习技术之间的一致比较，这些技术应用于对矢量玻色子散射过程的信号和背景事件进行分类，该过程在欧洲核子研究中心实验室安装的大型强子对撞机上进行研究。基于变分量子电路的量子机器学习算法在免费提供的量子计算硬件上运行，与在经典计算设施上运行的深度神经网络相比，表现出非常好的性能。特别是，我们表明这种量子神经网络能够正确地对信号进行分类，其特征曲线下面积 (AUC) 非常接近使用相应的经典神经网络获得的特征曲线下面积 (AUC)，但使用的资源数量要少得多，训练集中的可变数据也较少。尽管这项工作是在有限的量子计算资源下给出原理证明的演示，但它代表了
一个定量性状基因座，用于减少与脑淀粉样血管病减少的小胶质细胞APOE表达
CAA风险（序数）Shade等。2024 -ROSMAP+NACC+ACT‡7,381 70.6％-0.81 [0.76，0.86] 8.00E -12 CAA风险（ordinal）Rosmap（重叠的Shade Shade et al.2024）847 46.5％50.1％0.67 [0.54，0.83] 2.57E-04 CAA风险（ORDINAL）NACC（重叠的Shade Shade Shade et al.2024）4,126 84.1％49.0％0.85 [0.78，0.92] 1.07E-04 CAA风险（ORDINAL）MCSA（独立于Shade等人2024）801 33.5％47.3％0.87 [0.73，1.05] 0.151
肠道微生物组对慢性肾脏疾病患者尿毒毒素减少的影响：系统评价和网络荟萃分析
。cc-by 4.0国际许可证是根据作者/资助者提供的，他已授予MedRxiv的许可证，以永久显示预印本。（未通过同行评审认证）
52234-001：钦奈地铁投资项目
附件 6：燃料减少估算污染效益 MDB C3 样车年份 2035 1. 由于乘客从柴油和汽油车转向地铁，每日减少的二氧化碳排放量（柴油车每日减少的车距为 4091 公里/每升柴油 33.168 公里）*每升柴油 2.71 千克二氧化碳 + 汽油车每日减少的车距为 40539 公里/每升柴油 22.139 公里）*每升汽油 2.30 千克二氧化碳）/1000 4091= 柴油车份额 5.5/100*所有汽车减少的车距 74384（假定的车辆份额 = 注册车辆数量的各自份额） 5.5=各自份额的一半 11 在 2026 年，自 2021 年起保持不变 11=2016 年的柴油车份额27 减去 2012 年至 2017 年间平均下降 4% 40539= 汽油车份额 54.5/100*所有汽车减少的车公里数 74384 54.5=到 2030 年减去 100 电动汽车政策份额，即 40 减去 5.5 柴油车预计份额 2. 由于乘客从电动汽车转向地铁而减少的每日二氧化碳排放量吨数（电动汽车减少的每日车公里数 29753/0.123 千瓦时/车公里/1000）x 0.24 排放吨二氧化碳/兆瓦时 29753=所有汽车减少的车公里数 40% 份额 74384 40%=到 2030 年电动汽车的政策份额。 3. 每日减少的污染物吨数 2020 年起不再登记 BS VI 之前的车辆车辆使用 15 年后退役意味着到 2035 年 BS VI 之前的车辆将为零。CO：（2036 年旧柴油车份额为零*4091 减少的每日行车公里数柴油车*0.554 克/公里柴油旧 BS V 型号 + 2036 年新 BS VI 车辆份额为 100%*4091 减少的每日行车公里数柴油车*0.500 克/公里柴油新 BS VI 型号）/1000/1000 +（2036 年旧汽油车份额为零*40539 减少的每日行车公里数汽油车*0.797 克/公里汽油旧 BS V 型号 + 2036 年新 BS VI 车辆份额为 100%*40539 减少的每日行车公里数汽油车*0.100 克/公里汽油新 BS VI 4. 地铁运营消耗电网电力导致的每日新增二氧化碳吨数 每日新增二氧化碳吨数 = 76.95 兆瓦时/天 * 0.24 排放吨二氧化碳/兆瓦时 76.95 = 4.5 兆伏安/天（来自 DPR） * 0.9 功率因数 * 每日运行 19 小时
最终草案指导 - Dapagliflozin用于治疗慢性心力衰竭的慢性或轻度减少的射血分数第1页，共26页
最终草案指导 - Dapagliflozin用于治疗慢性心力衰竭的射血分数，第10页，共26页
welireg_pi.pdf
----------------------- 警告和注意事项 ----------------------- • 贫血：在开始使用 WELIREG 之前和整个治疗过程中定期监测贫血。（2.2、5.1） • 暂停使用 WELIREG 直至血红蛋白≥8g/dL，然后以相同或减少的剂量恢复或停药。对于危及生命的贫血或需要紧急干预的贫血，暂停使用 WELIREG 直至血红蛋白≥8g/dL，然后以减少的剂量恢复或永久停用 WELIREG。（2.2、5.1） • 缺氧：在开始使用 WELIREG 之前和整个治疗过程中定期监测氧饱和度。对于静息时缺氧，暂停使用直至解决，以减少的剂量恢复，或根据严重程度停药。对于危及生命的缺氧，永久停用 W ELIREG。（2.2、5.2）