Received : 11/15/2024 Accepted : 1/15/2025 Published : 1/25/2025 ------------------------------------------------------------------------
*国家校正系数适用于生活津贴,以确保所有研究人员的平等待遇和购买权力平等**家庭津贴为可以在项目期间授予的家庭义务的研究人员的出行相关费用做出贡献。
欢迎我们很高兴能成为我们多样化和充满活力的高级学习专业人员社区的一部分。当您踏上这一激动人心的教育之旅时,我们希望您知道自己并不孤单。我们了解,开始任何新事物既令人振奋又具有挑战性,但是请放心,我们在这里为您提供每一步。- 特伦特大学Durham GTA
绿色能量定义为源自可再生能源的能量。它也被称为干净,可持续或可再生能源。绿色能源产生不会向大气中发出危险的温室气体,从而几乎没有环境影响。太阳能,风,地热,沼气,低影响力的水电和某些合格的生物质来源都是关键的绿色能源。
目的:对心肺复苏后24小时存活的患者预测模型的研究研究(CPR)是有限的。我们旨在探索这些患者中与医院死亡率相关的因素,并开发出一种预测模型,以帮助临床决策并提高激怒后患者的存活率。方法:我们从Dryad数据集中的一项回顾性研究中获取数据,将心脏骤停后CPR遭受心脏骤停的患者分为训练集,并以7:3的比率进行验证。我们使用最低绝对收缩和选择操作员(Lasso)回归以及单变量和多元物流分析的训练集中鉴定了与医院死亡率相关的变量。利用这些变量,我们开发了一个预后的nom图,用于预测评分后死亡率。校准曲线,接收器工作曲线(ROC)下的面积,决策曲线分析(DCA)和临床影响曲线用于评估诺格图的可区分性,准确性和临床实用性。结果:研究人群包括374例患者,分配给培训组的262例,为验证组112例。,有213名患者在医院死亡。ROC在训练组中显示AUC分别为0.827和0.817。校准曲线,DCA和临床冲击曲线以良好的准确性和临床实用性证明了列图。进一步确认模型的精度需要外部验证数据。Multivariate logistic analysis revealed age (OR 1.05, 95% CI: 1.03 – 1.08), witnessed arrest (OR 0.28, 95% CI: 0.11 – 0.73), time to return of spontaneous circulation (ROSC) (OR 1.05, 95% CI: 1.02 – 1.08), non-shockable rhythm (OR 3.41, 95% CI: 1.61 – 7.18),碱性磷酸酶(OR 1.01,95%CI:1 - 1.01)和顺序器官衰竭评估(SOFA)(OR 1.27,95%CI:1.15 - 1.4)是CPR后24小时患者的医院死亡率的独立危险因素。结论:我们的预测模型具有准确的预测性预测价值,该医院死亡率在CPR后24小时存活的患者中具有准确的预测价值,这将是有益的,这将是有益的。
关于 HIPRA HIPRA 是一家生物技术制药公司,专注于动物和人类健康预防(One Health),提供各种高度创新的疫苗和先进的诊断服务。HIPRA 以“增强免疫力,建设更健康的世界”为口号,致力于为改善全球健康贡献解决方案。公司拥有强大的国际影响力,在欧洲(西班牙)和美洲(巴西)设有 40 家子公司、3 个研发中心和 6 个战略性生产基地。此外,其广泛的国际分销网络确保与近 100 个国家/地区的开放销售渠道,覆盖五大洲。研发是 HIPRA 专业知识的核心。公司将其每年收入的 10% 以上分配给研发活动,专注于创造和应用最新的科学进步来开发最高质量的创新疫苗。HIPRA 提供基于各种技术平台的疫苗组合。其研发团队研究各种病原体,其中一些被世卫组织列为未来大流行的潜在风险。为了增加疫苗接种方面的专业知识,该公司还开发了动物健康医疗设备和可追溯性服务。媒体联系人 Verónica Muñoz – vmunoz@harmon.es – M. 661 977 270 Irene Calle – icalle@harmon.es – M. 609 873 052 José María Nieto – jnieto@harmon.es – M. 689 186 062
背景:患者参与是行为健康护理中一项关键但具有挑战性的公共卫生优先事项。在远程医疗过程中,医疗保健提供者需要主要依靠口头策略而不是典型的非口头提示来有效地吸引患者。因此,典型的患者参与行为现在有所不同,并且医疗保健提供者对远程医疗患者参与的培训不可用或非常有限。因此,我们探索了机器学习在估计患者参与度中的应用。这可以帮助心理治疗师与患者建立治疗关系,并在远程心理健康会话期间增强患者对心理健康状况治疗的参与度。目标:本研究旨在检查机器学习模型在远程心理健康会话期间估计患者参与度的能力,并了解机器学习方法是否可以支持客户和心理治疗师之间的治疗参与。方法:我们提出了一种基于多模态学习的方法。我们独特地利用了心理学文献中经常使用的情感和认知特征对应的潜在向量来了解一个人的参与度。鉴于医疗保健中存在的标记数据约束,我们探索了一种半监督学习解决方案。为了支持远程医疗类似技术的开发,我们还计划发布一个名为“临床分析中的多模式参与检测”(MEDICA)的数据集。该数据集包括 1229 个视频片段,每个片段时长 3 秒。此外,我们还展示了针对该数据集进行的实验,以及真实世界的测试,以证明我们方法的有效性。结果:与最先进的参与度估计方法相比,我们的算法报告的均方根误差提高了 40%。在我们对 20 名患者心理治疗过程中的 438 个视频片段进行的真实世界测试中,与之前的方法相比,心理治疗师的工作联盟清单得分与我们的平均和中位参与度估计值之间存在正相关。这表明所提出的模型有可能提供与心理治疗师使用的参与度测量非常吻合的患者参与度估计值。结论:患者参与度已被确定为改善治疗联盟的重要因素。然而,在远程医疗环境中,对这一点进行测量的研究有限,因为治疗师缺乏做出自信评估的传统线索。所开发的算法试图在机器学习框架内建立以人为本的参与建模理论,以准确可靠地估计远程医疗中患者的参与程度。结果令人鼓舞,并强调了将心理学和机器学习结合起来以了解患者参与的价值。进一步
方法:我们开发了一种新的工作记忆测量方法,可以使用 iOS 或 Android 智能手机进行远程自我管理。在 Sequences 中,屏幕上一次显示一系列数字和字母,参与者必须先按字母顺序点击他们看到的字母,然后按升序点击数字。在两项试点研究中评估了 Sequences 测量的可用性和可行性,然后在这项验证研究中进行了评估(总样本量为 N = 1,246)。在三项涉及 18-90 岁参与者的研究中评估了新测量方法的心理测量特性。在研究 1(N = 92)中,参与者在实验室环境中完成了 MTB 测量。他们还接受了等效的 NIH 工具箱 (NIHTB) 测量以及类似构造的外部测量。在研究 2(N = 1,007)中,参与者在实验室中接受了 NIHTB 测量,然后在自己的设备上远程完成了 MTB 测量。在研究 3 (N = 147) 中,参与者通过自己的设备远程完成了两次 MTB 测量,两次测量之间间隔 2 周。
拓扑指数是预测不同药物的物理化学和生物学功能的关键工具。它们是从化学分子结构获得的数值。这些索引,尤其是基于学位的TI是评估化合物结构及其属性之间连接的有用工具。本研究解决了如何使用基于学位的拓扑指数来优化药物设计的研究问题。耐药性的出现和当前治疗的严重负面影响进一步强调了对艾滋病毒的更安全和更有效的艾滋病毒的需求。采用基于学位的图形不变性,该研究通过应用定量结构 - 特质关系(QSPR)技术来研究13种HIV药物,以将其分子结构与其物理特性相关联。根据特定参数,使用分析层次结构过程(AHP)对HIV药物进行排名。研究的结果消除了这些方法能够确定最有效的药物组合和设计的能力,从而为开发改善的HIV治疗提供了深刻的信息。
提案 Range Energy、圣华金谷空气污染控制区 (SJVAPCD)、Thermo King, LLC. 和 Nuvve Holding Co. 将开发并进行电池供电 TRU 与电动拖车技术的端到端演示。在演示期间,一辆商用车队卡车将在典型的运营路线上拖曳一辆配备 Thermo King, LLC 电动 TRU 和车载储能系统的拖车。Nuvve Holding Co. 将在车队站点安装充电基础设施。将分析 TRU 和电动拖车系统的功率容量。充电基础设施将用于为拖车和拖车安装的设备充电。