XiaoMi-AI文件搜索系统
World File Search System受试者
阿尔茨海默氏病的纵向轨迹CSF生物标志物和认知健康受试者的血压
注意：使用Kruskal-Wallis ANOVA比较连续变量的组（ANOVA对年龄进行除外）。数据表示为平均值±标准偏差，除非另有说明。对于CSF生物标志物，我们使用ANCOVA调整年龄，并将数据作为平均值±标准误差。 T-TAU和P-TAU 181的 P值来自排名的Ancova。 第五次访问时限制数据，对中位时间进行了评估。 缩写：Apoe，载脂蛋白E； BMI，体重指数； DBP，舒张压； HDL，高密度脂蛋白； LDL，低密度脂蛋白； NL，认知正常； NTN，正常性； SBP，收缩压； Quicki，定量胰岛素灵敏度检查指数。 显着的P值以粗体。 可用于196名受试者的数据（129个正常人，36名患有受控高血压[HTN]的受试者，而31例HTN不受控制）。 b数据可用于200名受试者（131个正常人，35名受控HTN的受试者和34名不受控制的HTN的受试者）。 c数据可用于156名受试者（104个正常人，25个受控HTN的受试者，而27名不受控制的HTN受试者）。 d数据可用于195名受试者（127个正常人，34名受控HTN的受试者和34名不受控制的HTN的受试者）。 e可用于190名受试者（122个正常人的人，34名受控HTN受试者和34名受其不受控制的HTN的受试者）。 f数据可用于186名受试者（120个正常人，34名受控HTN的受试者和32名具有不受控制的HTN的受试者）。 *在<0.05校正时与正常的组不同（Bonferroni）。对于CSF生物标志物，我们使用ANCOVA调整年龄，并将数据作为平均值±标准误差。T-TAU和P-TAU 181的 P值来自排名的Ancova。 第五次访问时限制数据，对中位时间进行了评估。 缩写：Apoe，载脂蛋白E； BMI，体重指数； DBP，舒张压； HDL，高密度脂蛋白； LDL，低密度脂蛋白； NL，认知正常； NTN，正常性； SBP，收缩压； Quicki，定量胰岛素灵敏度检查指数。 显着的P值以粗体。 可用于196名受试者的数据（129个正常人，36名患有受控高血压[HTN]的受试者，而31例HTN不受控制）。 b数据可用于200名受试者（131个正常人，35名受控HTN的受试者和34名不受控制的HTN的受试者）。 c数据可用于156名受试者（104个正常人，25个受控HTN的受试者，而27名不受控制的HTN受试者）。 d数据可用于195名受试者（127个正常人，34名受控HTN的受试者和34名不受控制的HTN的受试者）。 e可用于190名受试者（122个正常人的人，34名受控HTN受试者和34名受其不受控制的HTN的受试者）。 f数据可用于186名受试者（120个正常人，34名受控HTN的受试者和32名具有不受控制的HTN的受试者）。 *在<0.05校正时与正常的组不同（Bonferroni）。P值来自排名的Ancova。第五次访问时限制数据，对中位时间进行了评估。缩写：Apoe，载脂蛋白E； BMI，体重指数； DBP，舒张压； HDL，高密度脂蛋白； LDL，低密度脂蛋白； NL，认知正常； NTN，正常性； SBP，收缩压； Quicki，定量胰岛素灵敏度检查指数。显着的P值以粗体。可用于196名受试者的数据（129个正常人，36名患有受控高血压[HTN]的受试者，而31例HTN不受控制）。b数据可用于200名受试者（131个正常人，35名受控HTN的受试者和34名不受控制的HTN的受试者）。c数据可用于156名受试者（104个正常人，25个受控HTN的受试者，而27名不受控制的HTN受试者）。d数据可用于195名受试者（127个正常人，34名受控HTN的受试者和34名不受控制的HTN的受试者）。e可用于190名受试者（122个正常人的人，34名受控HTN受试者和34名受其不受控制的HTN的受试者）。f数据可用于186名受试者（120个正常人，34名受控HTN的受试者和32名具有不受控制的HTN的受试者）。*在<0.05校正时与正常的组不同（Bonferroni）。g数据可用于201名受试者（131个正常人，36名受控HTN的受试者和34名不受控制的HTN的受试者）。h数据可用于203名受试者（134个正常人，36名受控HTN的受试者，而33个受试者不受控制的HTN）。I可用于201名受试者的数据（131个正常人，36名受控HTN的受试者和34名不受控制的HTN的受试者）。†与受控高血压<0.05校正时不同。
使用多模式LLM /作者= Kambara，Motonari的人类行动理解基于机器人计划； Hori，Chiori； Sugiura，Komei； ota，kei; Jha，Devesh K。； Khurana，Sameer； Jain，Siddarth； corcodel，radu;罗梅雷斯，迭戈； Le Roux，Jonathan /CreationDate = 2024年6月11日 /受试者=人工智能，计算机视觉，机器人技术，语音< /div>
摘要在未来的智能家居中，机器人有望处理日常任务，例如烹饪，取代人类的参与。为机器人自主获得此类技能是高度挑战的。因此，现有方法通过通过监督学习来控制真实的机器人和培训模型来解决此问题。但是，长途任务的数据收集可能非常痛苦。为了解决这一挑战，这项工作着重于从人类视频中生成动作序列的任务，展示了烹饪任务。通过现有方法为此任务而生成的动作序列的质量通常不足。这部分是因为现有方法不会有效地处理每个输入模式。为了解决此问题，我们提出了Avblip，这是一种用于生成机器人动作序列的多模式LLM模型。我们的主要贡献是引入多模式编码器，该编码器允许多种视频，音频，语音和文本作为输入。这使下一个动作的生成可以考虑到人类的语音信息和环境产生的音频信息。结果，在所有标准评估指标中，所提出的方法优于基线方法。
电动机替代模型的数据有效的机器学习方法 /作者= Wang，Bingnan; Sakamoto，Yusuke /creationDate = 2024年6月5日 /受试者=电气系统，机器学习，多物理建模< /div < /div>
电动机广泛用于家庭和各种行业，其技术和设计原则已良好。但是，电机设计和定制的要求，特别是对于电动汽车和飞机等新应用以及工厂自动化的要求，总是对汽车设计人员构成新的挑战。参数扫描或迭代优化方法经常被使用，以评估大量设计候选者，然后再识别特定任务的最佳设计。对每个电动机设计糖果的准确分析通常依赖于有限元分析（FEA）的数值模拟，这些模拟是耗时的，尤其是当评估一个设计的各种操作点时。因此，希望寻求FEA的替代分析方法来快速预测运动性能。基于替代模型的优化已被研究以加快过程[1]。由于高度非线性的性质，传统替代模型的准确性在预测某些运动性能（例如扭矩波形和效率图）时会受到影响。近年来，机器学习和深度学习方法已经找到了许多应用，并且由于其模拟高度非线性功能的能力而应用于运动设计[2]，[3]。这种方法的一个主要挑战是达到合理预测准确性所需的大型数据集大小。在本文中，我们提出了用于电动机设计优化的数据有效机器学习模型的三种策略：一个，减少用于电机设计的机器学习模型的输入维度；第二，与基于物理的方法结合
基于MRI的糖尿病和胃肠道症状受试者的泛主功能和运动性的定量
大规模生物量存储用于现代生物能源，由于生物量的内在自我加热引起了潜在的安全问题。尽管如此，在该领域进行了非常有限的研究。该项目通过开发一个综合的建模框架来填补一个关键的空白，以在生物质桩中进行自加热并进行一系列实验研究，以探索这些桩中复杂的子过程。本文仅介绍建模和测试工作的一小部分。它成功地证明了该模型在预测煤炭堆自动加热方面的有用性，从而指导煤炭储存的安全措施。在各种存储参数中，桩高，粒径和环境风速度已被确定为对煤桩内的自加热和自我命运产生重大影响。本文还说明了初始生物质水分含量对微生物反应性和氧气消耗率的明显影响。初始水分含量的增加显着提高了整体微生物反应性和氧气消耗率。小麦稻草在相同的储存条件下更容易自热，这可以证明，较高的热量产生，更快的氧气消耗以及较短的时间到达峰值温度。此外，发现微生物活性在生物质自加热中起着至关重要的作用，尤其是在热量累积的初始阶段，在0 - 75℃的温度范围内。对于此处讨论的建模，尽管桩上的流动较高，但必须将多孔桩中的流动视为层流。这是基于雷诺数的数量，该数字是根据速度的in-count量平均值和燃料颗粒的平均直径计算得出的，燃料颗粒的平均直径明显低于临界阈值（RE CR = 200）。可以将生物量桩中相关子过程得出的见解和子模型集成到模型框架中。这种整合将创建一个更全面，更强大的模型，以预测生物质储存桩中的自我加热和自命不凡，从而增强对这些现象的理论和实践管理。
循环IPA级别降低，确定具有代谢合并症的受试者：多词研究
Policlinico tor vergata大学医院，牛津81号，罗马00133，意大利b罗马医学系，罗马 - 罗马大学00133，意大利大学医学系，意大利大学医学系，意大利C C CC 00133和森林系统（DIBAF），托斯西亚大学，01100 ITALY E e VITERBO，Rome Tor Vergata大学生物学系，00133 00133意大利罗马，Policlinico tor Vergata University Hospital，Via oxford 81，00133 Rome，Inte Inter of Lille，Inserm，Inserm，Inserm，Inserm of Policlenico tor Vergata University Hospital，Via oxford 81埃吉德（Egid），法国埃吉德（Egid）天主教大学内科系，00168意大利00168 I FONDAZIONE POLICLINICO INCORLIORIO A. GEMELLI IRCCS，00168罗马，意大利J糖尿病和营养科学Policlinico tor vergata大学医院，牛津81号，罗马00133，意大利b罗马医学系，罗马 - 罗马大学00133，意大利大学医学系，意大利大学医学系，意大利C C CC 00133和森林系统（DIBAF），托斯西亚大学，01100 ITALY E e VITERBO，Rome Tor Vergata大学生物学系，00133 00133意大利罗马，Policlinico tor Vergata University Hospital，Via oxford 81，00133 Rome，Inte Inter of Lille，Inserm，Inserm，Inserm，Inserm of Policlenico tor Vergata University Hospital，Via oxford 81埃吉德（Egid），法国埃吉德（Egid）天主教大学内科系，00168意大利00168 I FONDAZIONE POLICLINICO INCORLIORIO A. GEMELLI IRCCS，00168罗马，意大利J糖尿病和营养科学Policlinico tor vergata大学医院，牛津81号，罗马00133，意大利b罗马医学系，罗马 - 罗马大学00133，意大利大学医学系，意大利大学医学系，意大利C C CC 00133和森林系统（DIBAF），托斯西亚大学，01100 ITALY E e VITERBO，Rome Tor Vergata大学生物学系，00133 00133意大利罗马，Policlinico tor Vergata University Hospital，Via oxford 81，00133 Rome，Inte Inter of Lille，Inserm，Inserm，Inserm，Inserm of Policlenico tor Vergata University Hospital，Via oxford 81埃吉德（Egid），法国埃吉德（Egid）天主教大学内科系，00168意大利00168 I FONDAZIONE POLICLINICO INCORLIORIO A. GEMELLI IRCCS，00168罗马，意大利J糖尿病和营养科学
心力衰竭与患有房颤的受试者相关的死亡，1999年至2020年
方法和结果：从疾病控制和预防中心中提取数据，以广泛的在线数据进行流行病学研究，以确定由于AF年龄≥15岁的AF受试者的HF相关死亡，因此每10万人的年龄调整后死亡率趋势。为了计算全国年度趋势，我们使用联接点回归评估了年度年度变化（AAPC）的平均年度百分比变化（AAPC）和年度变化，相对95％CIS。在1999年至2020年之间，916 685 HF相关的死亡（396 205名男性和520 480妇女）发生在美国成年人中的AF中。整体年龄调整的死亡率增加（AAPC： +4.1％[95％CI，3.8-4.4]； p <0.001），尤其是在2011年之后（每年变化百分比， +6.8％[95％CI，6.2-7.4]; P <0.001）男性（AAPC， +4.8％[95％CI，4.4-4-4.4-4-5.00; +4.2％[95％CI，3.9至4.6]；在年龄<65岁的受试者中（AAPC： +7.5％）[95％CI，6.7-8.4]; p <0.001）。较高的死亡人数在南部注册（32.8％）。在COVID-19大流行的第一年中，AF年龄> 65岁的AF患者的HF相关死亡人数显着过多。
弗吉尼亚理工学院人类受试者研究政策 - 编号 13040
HRPP 主任出席召开的 IRB 会议，并在 AVP 和 IO 的支持下担任 IRB 的联络人。HRPP 协议协调员审查提交给 HRPP 的所有协议，以确保提交内容完整，研究人员提供的信息符合 HRPP 和 IRB 的要求。他们负责做出研究和非研究决定，并有权审查豁免研究。他们还负责指导研究人员完成 IRB 流程，协助研究人员满足联邦和大学的要求。HRPP 行政专家为 HRPP 员工和 IRB 提供支持，包括但不限于协调 IRB 会议、协助数据库、归档和通信管理、与大学内外的个人沟通和交流，以及协助安排与 HRPP 相关的会议和活动。
RXC008 第一阶段临床试验中第一位受试者接受给药
关于 Redx Pharma Plc Redx Pharma (AIM: REDX) 是一家临床阶段的生物技术公司，专注于发现和开发用于治疗纤维化疾病、癌症和癌症相关纤维化新兴领域的新型小分子靶向疗法。Redx 的目标是在评估进一步发展和潜在价值创造的选项之前，将其项目推进到临床概念验证阶段。该公司的主要纤维化候选产品是选择性 ROCK2 抑制剂 zelasudil (RXC007)，正在开发用于间质性肺病，并且正在进行特发性肺纤维化 (IPF) 的 2a 期试验，预计在 2024 年上半年获得顶线数据。该公司的第二个纤维化候选药物 RXC008 是一种针对胃肠道的 ROCK 抑制剂，用于治疗纤维狭窄性克罗恩病，目前处于第 1 阶段开发阶段，预计在 2024 年底获得健康志愿者数据。Redx 的主要肿瘤候选产品 Porcupine 抑制剂 RXC004 正在开发作为 Wnt 配体依赖性癌症的靶向治疗，预计将在 2024 年上半年报告抗 PD-1 组合 2 期数据，随后 Redx 将寻找合作伙伴进行持续开发。该公司凭借其在药物化学和转化科学方面的核心优势，在发现新药候选物方面拥有良好的记录，使公司能够发现和开发针对生物学或临床验证靶点的差异化疗法。该公司的成就不仅体现在其全资拥有的临床阶段产品候选物和发现渠道上，还体现在其战略交易上，其中包括销售现已获得美国 FDA 批准的吡托布替尼（RXC005，LOXO-305，一种非共价或可逆的 BTK 抑制剂）。以及与阿斯利康和 Jazz Pharmaceuticals 的交易。要订阅 Redx 的电子邮件提醒，请访问：www.redxpharma.com/investor-centre/email-alerts/ 。
糖尿病患者玻璃体内抗血管内皮生长因子治疗的心血管结局：现实世界中的数据分析 严重的精神疾病：心血管风险评估和管理 基于门诊的急性心力衰竭护理的有效性 对二聚体受体及其聚合物太阳能电池的构象的效率超过18％ 减少了1型糖尿病和神经病的成年人的灰质脑体积和皮质厚度 引用出版版本（APA）： Elec 的预测 具有柔性间隔者的聚合物受体提供有效且机械强大的全聚合物太阳能电池 基于MRI的糖尿病和胃肠道症状受试者的泛主功能和运动性的定量
方法：使用Trinetx（全球电子医学现实世界生态系统）分析数据。该研究包括患有糖尿病的成年人，并在数据提取时间窗口之前排除了具有CVD病史的成年人。患者分为两个队列：抗VEGF治疗或对照组（激光或类固醇疗法）。队列的年龄，性别，种族，体重指数，收缩血压，HBA1C和心血管药物的倾向得分为1：1。在1、6和12个月分析的是：（1）死亡率； （2）急性心肌梗塞（MI）； （3）脑梗塞； （4）心力衰竭。使用Trinetx上的内置R统计计算平台进行了相对风险分析。Results : In patients with diabetes ( n = 2205; mean age 58.8 ± 15.8, Std diff 0.05; 56% male), anti-VEGF therapy was associated with a numerical but non- statistically significant increased CVD risk over 1, 6, and 12 months: Mortality over 1 month (RR 1; 95% CI 0.42, 2.40), 6 months (RR 1.46; 95% CI 0.72、2.95）和12个月（RR 1.41; 95％CI 0.88，2.27）。超过1（RR N/A：不适用；在对照组中的抗VEGF组/0事件中的0/0：0事件），6和12个月（RR N/A; 0/10事件）中没有过量的急性MI过量； 0/0：0；在1、6个月（RR N/A; 0/0事件）和12个月（RR N/A; 0/10）的脑梗塞中； 0/10）;和心力衰竭超过1个月（RR N/A; 0/0事件），6个月（RR 1; 95％CI 0.42，2.40）和12个月（RR 1; 95％CI 0.42，2.34）。我们的研究支持无基线CVD的糖尿病患者玻璃体内抗VEGF治疗的现实安全。结论：尽管CVD事件的数量较小，但在接受玻璃体内抗VEGF疗法的糖尿病患者中，在短期或中期中没有统计学上的与心血管相关事件的风险。