XiaoMi-AI文件搜索系统
World File Search System回归方程
摘要开发并验证了稳定性鉴定色谱法，以同时估算
摘要开发并验证了稳定性色谱法，以同时估算散装和片剂剂型的Remogliflozin和Teneligliptin。在210 nm处进行RP-HPLC洗脱液，并通过脑C18（4.6 x 150mm，4.8µm）进行色谱图。含有乙腈的流动相：以70:30服用的pH 4.4的OPA缓冲液以1.0 ml/min的流速为1.0 ml/min，温度保持在30°C，并以流速为1.0 ml/min。根据ICH Q2（R1）指南对所提出的方法进行了验证。Remogliflozin和Teneligliptin分别在2.222分钟和2.748分钟内洗脱。该方法的remogliflozin（r 2 = 0.999）的线性为12.5-75µg/ml，对于teneligliptin（r 2 = 0.999），方法为1.25-7.5μg/ml。Remogliflozin的平均恢复百分比为100.07％，在三个不同的水平上，十二列汀的平均恢复百分比为100.13％。在可接受的限制内发现方法可重复性和中间精度的结果。LOD和LOQ值从Remogliflozin和Teneligliptin的回归方程中获得的值分别为0.22、0.68和0.05、0.15。此外，强制退化研究的结果表明该方法是稳定的，表明它可以将主动分析物与降解产物区分开。开发的稳定性指示方法在研究的浓度范围内是线性的，并且精确，准确，特定和健壮。因此，它可以成功地用于常规分析和稳定性研究。关键字：Remogliflozin，Teneligliptin，RP-HPLC，稳定性。生物。第15卷[5] 2024年9月。收到04.06.2024修订版11.07.2024接受了17.09.2024如何引用本文：Dasari Vasavi D，Anil K D，Anil K D，Anantha M，P.Anitha。稳定性指示Remogliflozin和Teneligliptin的RP-HPLC方法。150-156
五人制足球中的心率、耗氧量和能量消耗之间的关系
本研究的主要目的是通过跑步机跑步时心率 (HR) 和氧耗 (VO 2 ) (HR-VO 2 ) 之间的回归方程，比较模拟五人制足球比赛 (S-Game) 中测得的氧耗 (Measured -VO 2 ) 与估计的氧耗 (Estimated -VO 2 )，次要目的是计算 S-Game 中的总能量消耗 (EE)。对 10 名职业运动员 (22.20 ± 3.22 岁) 进行了评估。在跑步机上的连续测试 (Cont Test ) 中单独测定 HR-VO 2 。将 S-Game 中测得的 -VO 2 与 Cont Test 中的估计 -VO 2 进行了比较。通过 VO 2 估计无乳酸和乳酸途径。使用配对 t 检验 (p = 0.38)，估计的 -VO 2 与测量的 -VO 2 没有统计学上的显著差异。但估计的和测量的 VO 2 之间的相关性非常弱 (r = − 0.05)，并且一致性较差 (一致性相关系数 = − 0.04)。此外，Bland-Altman 图显示偏差为 − 2.8 ml/kg/min，个体差异高达 19 ml/kg/min。通过 Cont 检验确定的 HR- VO 2 并不是 VO 2 的良好个体预测指标。五人制足球比赛的高强度和间歇性可能导致 HR- VO 2 关系的分离。不建议使用 Cont 检验来估计五人制足球比赛中的 VO 2 和计算个人 EE。这仅推荐用于组平均值。 S-Game 中的总 EE 为 13.10 ± 1.25 kcal.min − 1 (10.81 ± 1.57 代谢当量)。代谢途径的贡献如下：有氧 (93%)、无乳酸 (5%) 和乳酸 (2%)。
基于诺姆图>的妊娠糖尿病风险预测模型的原始文章构建和验证
摘要：目的：构建一个模型，以预测基于nom图的妊娠糖尿病（GDM）的风险并进行验证。方法：从2018年1月至2021年5月在西安国际医疗中心医院接受治疗的182例GDM患者的数据进行了回顾性分析。在同一时期选择了在西安国际医疗中心医院进行的491个正常分组，他们被选为对照。比例为7：3，GDM患者分为训练组（n = 128），验证组（n = 54）组，将491个正常分组分为训练对照组（n = 344）和验证对照组（n = 147）。临床数据，并通过逻辑回归分析了GDM的危险因素。r语言用于构建GDM的预后预测列图模型，并采用接收器操作特征曲线来评估该列格图模型在预测GDM预后的准确性。结果：单变量分析表明，培训组和训练对照组之间的年龄，体重指数（BMI），糖尿病家族史，血红蛋白，甘油三酸酯，血清铁蛋白和空腹血糖在三个月之间是不同的（p <0.05）。多变量分析表明，在前孕期，年龄，BMI，血红蛋白，甘油三酸酯，Se Rum铁蛋白和空腹血糖是GDM的独立危险因素（P <0.05）。曲线下预测训练组GDM风险的面积为0.920，验证组的面积为0.753。基于逻辑回归方程，风险公式为-5.971 + 1.054 *年龄 + 1.133 * BMI + 1.763 *血红蛋白 + 1.260 *甘油三酸酯 + 3.041 *血清铁蛋白 + 1.756 *在第一个四倍的群中，甘油蛋白 + 1.756 *。结论：年龄，BMI，血红蛋白，血清铁蛋白和空腹血糖在头三个月是GDM的危险因素。
高血红蛋白糖糖指数与糖尿病风险增加有关：中国基于人群的同类研究高血红蛋白糖糖指数与糖尿病风险增加有关：中国基于人群的同类研究
在过去的二十年中，在临床实践中，糖化血红蛋白（HBA1C）已普遍用于糖尿病患者的筛查，诊断和血糖控制监测（1、2）。HBA1C被认为是一个重要的生物标志物，表明在8 - 12周内的平均血糖水平（3）。但是，HBA1C并不是评估慢性血糖的一小中所有指标，它忽略了HBA1C与平均葡萄糖之间关系的个体间变化（4，5）。在2002年，Hempe等。开发并验证了血红蛋白糖基化指数（HGI），以量化HBA1C和平均血糖（MBG）水平之间的个体间一致差异（6）。HGI是一个指标，描述了HBA1C或个体倾向的血红蛋白倾向的个体生物学变异，这是影响HBA1C结果的另一个主要因素，除了血糖浓度以外（3，7）。HGI计算为测量的HBA1C减去预测的HbA1c。最初通过将日期匹配的MBG插入源自测量的HBA1C和MBG的线性回归方程中来计算预测的HBA1C。一些研究证实了使用禁食等离子体葡萄糖（FPG）评估预测的HbA1c并计算HGI是可行的（8、9）。大多数先前的研究主要报道了HGI和糖尿病并发症之间的关联。升高的HGI可能通过炎症和高级糖基化终产物（年龄）的形成促进糖尿病并发症（10，11）。但是，只有少数研究研究了HGI对葡萄糖代谢的影响。现有文献表明，HGI是1型或2型糖尿病患者糖尿病并发症风险的有力预测指标（12，13）。最近在意大利进行的一项研究表明，与HGI低的患者相比，没有HGI较高的糖尿病患者的禁食胰岛素水平较高，胰岛素抵抗更严重（14）。此外，较高的HGI似乎与年龄，肥胖症和血脂异常有关，这是糖尿病的危险因素（10，15，16）。基于以前的研究（10，14 - 16），我们假设HGI高的人可能患有糖尿病的风险增加。因此，当前的研究旨在使用前瞻性队列研究设计，研究中国人群中HGI与糖尿病的发生率之间的关联。
战略规划模型及其对...的影响
文章信息 摘要 目的：本研究旨在为墨西哥伊达尔戈州服务业微型企业设计一个战略规划模型，并衡量其对企业成长和发展的影响。 理论框架：本研究回顾了各种战略规划模型，这些模型有助于设计适合伊达尔戈州服务业微型企业的新模型，主要目标是促进其成长和发展。 Larios (2016) 将战略过程顺序模型称为一组按特定顺序开展的活动，以预测组织的未来并实现其愿景，Larios (2016) 确定该模型由三个阶段组成：设计、实施和评估，并通过添加结论和建议来完成。 另一方面，Stanton、Etzel 和 Walter 提出的战略规划模型提出了一种结合战略和营销规划的逻辑顺序，确定了营销部门需要遵循的具体路线 (Chávez, 2017)。文献综述部分详细介绍了研究工作中审查的模型。设计/方法/方法：本研究采用非实验性和交易相关性的定量方法。样本公司的管理人员收到了一份李克特量表，满分为 5 分，从完全同意到完全不同意。研究的样本对象包括位于墨西哥伊达尔戈州的 174 家服务业微型企业。进行的定量分析基于推论统计，特别是多元相关分析，其中因变量是战略规划，自变量是企业理念、关键内部因素、关键外部因素、SWOT 分析、情境诊断、目标和战略控制（Hill y Jones 2015）。结果：研究结果表明，对战略规划有积极影响的维度是：理念、内部因素、外部因素和战略目标。这是在验证多元回归方程后获得的； 𝑌 = 2.041 + 2.996（𝑋 1）+ .712（𝑋 2）+ .807（𝑋 3）+ .628（𝑋 4）+ .011（𝑋 5）+ 2.5（𝑋 6）+ .719（𝑋 7），通过相关样本的学生 t 统计工具，比较来自单个组的两个变量值的平均值（Ritchey，2008）。统计审查显示标准误差为 0.05 的同质配对结果，这可以确定研究样本中变量战略规划维度之间的理论与实践关联。关于标准化系数重要性，七个预测维度中有三个对统计模型没有贡献，它们是：SWOT 分析、情境诊断和战略控制，尽管如此，它们还是被纳入了最终模型，因为它们与战略规划非常相关。