XiaoMi-AI文件搜索系统
World File Search System因变量
对澳大利亚中风幸存者利用健康生活方式进行中风康复的决定因素进行的纵向调查
本研究旨在确定澳大利亚新南威尔士州中风幸存者生活方式行为的纵向预测因素。这项纵向研究利用了 45 岁及以上研究的基线调查（2005-2009 年）和子研究调查（2017 年）的数据。体力活动、饮酒、吸烟状况和补充剂使用被列为因变量。采用广义估计方程模型来评估因变量与人口统计和健康状况指标之间的纵向关联。参与者（n = 576）的平均年龄在基线时为 67 岁（标准差 = 9），在子研究调查时为 76 岁（标准差 = 9），其中 54.9% 为男性。纵向分析显示，中度/高度体力活动的可能性随着时间的推移显着下降，糖尿病患者的可能性较低，但受过大学教育的人的可能性较高。女性、中度/高度风险饮酒者和抑郁症患者的吸烟可能性明显较高，但补充剂使用者的可能性较低。随着时间的推移，中度/高风险饮酒的可能性显著下降，女性饮酒的可能性较低，但吸烟者饮酒的可能性较高。随着时间的推移，服用补充剂的可能性显著下降，但女性和/或哮喘患者服用补充剂的可能性较高。我们的研究结果有助于说明，许多中风幸存者可能会从进一步的支持中受益，在中风管理和长期康复过程中采取和保持健康的生活方式，这对优化他们的生活质量和成功的二级中风预防至关重要。
古吉拉特邦屋顶太阳能系统适应性研究
本研究论文考察了古吉拉特邦屋顶太阳能系统的适应性，主要关注其机遇和挑战。本文的主要重点是创造一个有利的环境，鼓励投资，提高认识，并确保屋顶太阳能计划的长期可持续性。尽管拥有第六大土地面积和第九大人口，古吉拉特邦仍然是世界能源市场的关键参与者，但经常被忽视。在这里，政府致力于帮助客户找到具有成本效益的设施，目前有超过 20k 兆瓦的清洁能源投入运营。数据来自古吉拉特邦的帕坦和梅赫萨纳地区，来自 20 个村庄的 400 名参与者参与了当前的研究。为了检查数据，该研究有各种变量；资本设置成本被视为因变量，而维护、补贴、可用空间和意识被视为自变量。本研究借助卡尔·皮尔逊相关法和杜宾自相关模型来检验所选变量之间的关系。研究显示，与值 (1.0) 存在完美相关性，在结果的对齐中，杜宾模型 (1.727) 还发现所选因变量和自变量之间存在正自相关性。古吉拉特邦通过各种政府举措在推广屋顶太阳能系统方面取得了重大进展，为节约资金、实现能源独立和环境效益打开了大门。解决这些问题并鼓励全邦更广泛地使用太阳能系统需要持续努力，以提高认识、做出更好的财务选择和技术进步。
感知的焦虑症污名：预测分析
焦虑仍然是最常见的心理健康障碍之一。精神健康治疗的全身障碍持续存在。对焦虑的研究是强大的，尽管对感知的焦虑症污名的研究有限。这种定量分析的目的是确定包括年龄，性别，教育水平以及可诊断焦虑症状况的存在在内的因素是否会预测来自美国中西部地区的成年人中的焦虑症状，他们正在接受焦虑的治疗。基于Goffman的框架，我们使用了广义的焦虑识别量表（GAS）来确定焦虑症污名的存在和水平。 我们使用多个回归评估了数据，以预测导致感知到焦虑污名的因变量的因素。 我们发现了年龄（p = 0.017），性别（p = 0.002）和教育水平（p = 0.018）的独立因素的显着性。 这项研究可能有助于咨询职业限制感知到的焦虑症污名作为对焦虑症患者精神健康治疗的障碍的影响，这些患者容易受到这种污名。 在本文中，我们讨论结果并提出未来的研究。基于Goffman的框架，我们使用了广义的焦虑识别量表（GAS）来确定焦虑症污名的存在和水平。我们使用多个回归评估了数据，以预测导致感知到焦虑污名的因变量的因素。我们发现了年龄（p = 0.017），性别（p = 0.002）和教育水平（p = 0.018）的独立因素的显着性。这项研究可能有助于咨询职业限制感知到的焦虑症污名作为对焦虑症患者精神健康治疗的障碍的影响，这些患者容易受到这种污名。在本文中，我们讨论结果并提出未来的研究。
机器学习早期发现神经退行性疾病
逻辑回归[27]是一种广泛使用的监督机器学习算法，该算法基于一组自变量，预测了基于一组自变量的变量。它采用曲线拟合方法来预测0到1范围内的概率值，作为分类或离散输入的结果。与线性回归[28]相反，它适合线性预测一个或多个因变量的线，逻辑回归预测了0到1范围内值的S形逻辑曲线。这对于分析音频数据是有利的，因为影响帕金森氏病分类（PD）的属性没有线性相关；相反，它们遵循指数模式。图16显示了逻辑分类的激活函数。
在Matahari百货商店大都市购物中
本研究旨在确定Matahari百货商店大都会购物中心的产品质量，定价策略和战略位置对购买意图的影响。这种类型的研究是定量的。这项研究的人口总计85人。使用饱和抽样技术采样技术。本研究中的样本总计85位受访者。数据收集技术通过通过Google表单分发问卷来收集。使用多个线性回归分析的假设检验。研究对象是该百货商店的消费者。这项研究的结果表明，产品质量，定价策略和战略位置的独立变量对购买意图的因变量（Y）具有重大影响。
从批判政治经济学角度理解家庭政策转型
3. 为了比较不同福利制度的支出变化，我们将各国分为“大陆”（奥地利、比利时、法国、德国、卢森堡和荷兰）、“地中海”（希腊、意大利、葡萄牙和西班牙）、“自由和激进”（澳大利亚、加拿大、爱尔兰、日本、新西兰、瑞士、英国和美国）和“斯堪的纳维亚”（丹麦、芬兰、冰岛、挪威和瑞典）组。4. 对于本文中的实证分析，我们使用了以下数据来源：EU-Silc（2016 年）、社会支出数据库（2020 年）、家庭数据库（OECD 2017 年）和 ILOSTAT（2020 年）。关于这些数据的局限性——所谓的“因变量问题”，请参阅 Clasen 和 Siegel（2007 年）。
人工智能对抗第一波新冠肺炎疫情
摘要背景：2019年底，新冠肺炎疫情意外爆发。由于该疾病传染性强、传播范围广、风险大，疫情防控成为全球面临的巨大挑战。人工智能（AI）是应对新冠肺炎疫情的潜在有力工具之一。本研究系统评估了人工智能在中国第一波新冠肺炎疫情中对感染防控的有效性。方法：为了更好地评估人工智能在疫情突发事件中的作用，我们重点研究了2019年12月初至2020年4月底中国304个城市的第一波新冠肺炎疫情。我们使用了三组因变量来捕捉人工智能效应的各个维度：（1）累计确诊病例达到峰值的时间，（2）病死率和是否有重症病例，（3）地方复工复产政策数量和出台时间。主要解释变量是以人工智能专利数量衡量的地方人工智能发展情况。为了拟合不同因变量的特征，我们采用了多种估计方法，包括 OLS、Tobit、Probit 和 Poisson 估计。我们纳入了大量的控制变量并添加了交互项来测试人工智能发挥作用的机制。结果：我们的结果表明，人工智能对（1）筛查和检测疾病以及（2）监测和评估疫情发展具有非常显著的影响。具体而言，人工智能有助于在跨城市流动性高的城市筛查和检测 COVID-19。此外，人工智能在复工风险高的城市恢复生产中发挥了重要作用。然而，支持人工智能在疾病诊断和治疗中有效性的证据有限。结论：这些结果表明人工智能可以在抗击疫情中发挥重要作用。关键词：人工智能、COVID-19、预防、中国
原创研究雅加达都市穆斯林高中学生接受 COVID-19 疫苗接种的相关因素包括
目的：本研究旨在确定与印度尼西亚雅加达穆斯林高中生接种 COVID-19 疫苗和接种 COVID-19 疫苗意愿相关的因素。患者和方法：对高中生进行了一项使用在线调查的横断面研究。本研究的对象是生活和学习在雅加达大都会地区的穆斯林中学 11 年级和 12 年级学生。使用非概率抽样共选择了 440 个样本。在本研究中，自变量是从 HBM 和 TPB 理论中得出的与疫苗接种行为相关的因素，而因变量是疫苗接种率和疫苗接种意愿。使用卡方和 Mann-Whitney 检验确定了与因变量相关的因素。结果：大约 65% 的受访者接种了 COVID-19 疫苗，72% 的未接种 COVID-19 疫苗的人有接种疫苗的意愿。一些行为模型变量，如感知易感性得分、感知严重性得分、感知益处得分、感知障碍得分、自我效能得分、态度得分和社会规范得分与高中生接种 COVID-19 疫苗显著相关。此外，所有行为模型变量，即感知易感性得分、感知严重性得分、感知益处得分、感知障碍得分、行动线索得分、自我效能得分、态度得分、社会规范得分和感知行为控制得分均与接种疫苗的意愿显著相关。结论：学生的疫苗接种可以在更实惠的地方进行，例如在学校。此外，应持续努力提高学生对疫苗有效性和安全性以及 COVID-19 危险性的认识。关键词：青少年、COVID-19 疫苗接种、健康信念模型、计划行为理论、发展中国家