糖化血红蛋白(HBA1C)是评估糖尿病患者Glyce MIC控制的主要度量。HBA1C直接感知平均血糖水平,但不会拦截随着时间的流逝的血糖波动。最近的数据表明,血糖控制的其他指标具有糖尿病并发性发展的预测价值。葡萄糖和HBA1C变异性都成为并发症发展的独立风险因素。通过连续葡萄糖监测(CGM)可以评估短期血糖变异性,以变异系数测量,该仪器还提供了有关最近引入的度量标准的数据。范围(tir)的时间。tir,即。患者在70至180 mg/dL之间所花费的时间的百分比与血糖波动有关,这代表了并发症发展的独立危险因素。最近,已经提出了额外的度量标准的使用,即在紧密范围(TITR)的时间(即)。患者在血糖窗口中所花费的时间百分比为TWEEN 70和140 mg/dL,为此,数据开始从1型糖尿病患者的同类中出现。在这篇综述中,我们将讨论有关TIR,葡萄糖变异性和HBA1C变异性对并发症发展的影响的主要发现,还强调了所选降糖药物对这些指标的可能影响。
摘要:背景:心率变异性(HRV)是评估自主功能的可靠且方便的方法。横断面研究已经建立了HRV与认知之间的联系。lon-gitudinal研究是一个新兴的研究领域,具有重要的临床意义。但是,它们尚未成为系统审查的目标。因此,这项系统综述的目的是研究HRV与认知研究中的关联。方法:审查是根据系统审查和荟萃分析(PRISMA)指南的首选报告项目进行的。从最早的可用日期到2023年6月26日,搜索了embase,psycinfo和PubMed数据库。如果研究涉及成年人的受试者,并评估了HRV与认知之间的纵向关联,则包括研究。通过纽卡斯尔 - 奥塔瓦(Newcastle -Ottawa)量表评估了偏见的风险,以进行队列研究。结果是在叙事上提出的。结果:在筛选的14,359个记录中,该系统审查中包括12项研究,共有24,390名参与者。从2020年开始发表了三分之二的研究。所有研究发现HRV与认知之间存在纵向关系。在较高的副交感神经系统(PNS)活性和更好的认知之间存在一致的联系,以及较高的交感神经系统活动与较差的认知之间的某些关联。此外,较高的PNS活动持续预测了更好的执行功能,而情节记忆和语言的数据更少和/或有争议。结论:我们的结果支持HRV作为未来认知的生物标志物的作用,并可能是改善认知的治疗靶标。他们将需要通过进一步的更全面的研究确认,包括明确的非HRV交感神经措施和荟萃分析。
*可以解决任何信件:电话:+44 1437729452。电子邮件:andrew.oswald@warwick.ac.uk。完整地址:沃里克大学,经济系,考文垂Cv4 7al,英国。致谢:特别感谢他对气候科学家布莱恩·霍斯金斯爵士的评论。我们还要感谢Menghan Yuan,Amanda Goodall和David Stainforth。单词计数:8000个单词。(不包括表和附录,带有补充材料)。关键词:温度;标准偏差;气候变化;心理健康;福利;环境;绿色的。作者贡献:所有作者都设计了分析并同意结论。数据可用性:数据集可公开使用。ai:AI在任何工作或手稿中均未使用。资金声明:没有明确的资金来源。利益冲突:作者没有声明。道德批准:不适用,尽管原始数据集收藏家获得了批准。患者同意陈述:不适用。允许从其他来源复制:不适用。本文的其他版本:无。
收稿日期:2019年12月19日 摘要 接受日期:2020年7月25日 认知工作量研究是数字社会中备受关注的一个研究领域。工业4.0范式的实施要求数字工厂中的智能操作员完成更多“认知导向”而非“物理导向”的任务。作者提出了一个信息论框架中的分析模型来估计操作员的认知工作量。在该模型中,采用主观和生理措施来测量工作量。前者指的是表达主观感知工作量的NASA-TLX测试。后者采用个体的心率变异性(HRV)作为工作量的一个客观间接测量。通过对样本受试者进行实验获得了主观和生理测量结果。要求受试者根据文献中定义的“n-back”测试程序完成具有不同认知负荷的标准化任务。所得结果显示了所提出的分析模型以及所采用的实验主观和生理测量的潜力和局限性。研究结果为未来的发展铺平了道路。
从气候的角度来看,在任何降水状态下要检查的重要因素是周围的海面温度(SSTS)。大气 - 海耦合在全球范围内观察到的许多季节性模式中都是强大的驱动力。El Nino/Southern振荡也许是最著名的。海面温度异常(SSTA)是这些研究中使用的主要数据集。SSTA可以与许多观察到的条件(例如降水,最高温度或雪覆盖)相关,而与天气变化相比,SSTS变化缓慢。季风可变性研究表明,太平洋SST是确定西南和大平原上夏季干旱或雨季条件的重要因素。此外,这些太平洋SST有助于调节上一个冬季的降水量。这些分析表明,早发季风之前的冬季是北太平洋中期和北太平洋亚热带中温暖的SSTA中的冷SSTA的特征。较晚的季风恰恰相反。
使用 HRV 数据,训练分类模型以成功区分疲劳和非疲劳状态。图 2 显示了每个分类问题的最重要特征。训练集中的交叉验证结果在补充材料中报告(见表 S1)。表 1 和表 2 分别总结了在任务相关和静息 HRV 数据上训练的分类器的测试集预测性能。下面,我们报告最重要的发现。置换测试表明,所有分类器在所有分类问题中的分类性能与置换零分布有显著不同。对于每个分类问题,SVM、KNN 和 RF 分类器的性能产生类似的结果。但是,在所有分类问题中,SVM 的平均表现略优于其他两个分类器。不管
摘要分为三个部分。第一部分介绍了地质统计学中开发的概率模型,用于描述空间中分布的自然变量的变异性、估计测量点之外的值、建立考虑空间变异性的数值模型以及表征数据和数值模型的不确定性。它涵盖了在 Georges Matheron 的领导下在 20 世纪下半叶发展起来的整个地质统计学:结构分析(变差函数的计算和建模)、线性估计(克里金法)、非平稳模型、多变量方法、支持变化和非线性方法(析取克里金法)、条件模拟、缩放效应和逆问题。通过理论和实践两个方面的阐述,对不同的地质统计方法进行了全面的阐述。介绍了实际应用,例如英吉利海峡隧道的地质构造建模以及预测与现实之间的比较。
此预印本的版权持有人(此版本发布于2023年7月6日。; https://doi.org/10.1101/2023.01.11.11.523683 doi:biorxiv Preprint
低屈服和质量差的基因型的增长是埃塞俄比亚芝麻生产的主要限制之一。实验,以评估芝麻基因型中遗传变异和性状遗传的程度。在2018年的裁剪季节,使用简单的晶格设计评估了四十九个芝麻基因型。方差的组合分析在所有定量性状的基因型中显示出高显着的差异(p <0.01)。每植物的分支,每植物胶囊,生物量产量,收获指数,千种种子重量和细菌疫病严重程度显示出中等的表型和基因型变异系数。种子产量,生物量产量,每植物胶囊,细菌疫病的严重程度和每植物的分支显示出适中的遗传力,而遗传进步高为平均百分比。千种子体重显示出较高的遗传力,而中等遗传进展为平均百分比。收获指数显示中等的遗传力和遗传进步百分比。虽然所有其余的特征均显示出较低的遗传性,而遗传进展低为平均百分比。通常,这项研究表明了测试的芝麻基因型之间存在显着的遗传变异,以及在随后的繁殖世代中获得遗传进步的可能性。关键字:遗传进步,遗传力,芝麻(芝麻insamum l.),