XiaoMi-AI文件搜索系统
World File Search System因子分析
增强药物供应链弹性
摘要背景：药物在Covid-19期间的产品分销遇到了巨大困难，而解决这个永久问题的解决方案是弹性供应链。目的：该研究旨在了解在COVID-19大流行期间对制药产品分配供应链的脆弱性，并进一步开发出一种适应性模型，可以通过该模型来增强其弹药能力。材料和方法：基于文献调查的制药公司供应链开发了概念模型，然后通过因子分析探索概念模型。研究人员在使用Cronbach的Alpha进行统计分析后开发了一个经过验证的模型。主观分析得出的结论是，药品供应链的弹性是由诸如“贸易成本”之类的因素驱动的，诸如“贸易成本”，包括运输成本，商业实践和原材料采购成本； “冲击繁殖”包括特定国家的冲击，产量冲击和政策变化；和“技术基础设施瓶颈”，与冷链存储仓库和冷藏运输车辆设施有关。结果：与供应链弹性有关的经验模型可以通过浦那，海得拉巴和德里NCR等不同的地理位置进行进一步研究，以便概括研究。结论：确定的主要因素是贸易成本，冲击传播和技术基础设施瓶颈。大流行的困难时期也确实测试了药品的供应链能力。所调查的问题的敏感性需要对调查进行个人影响，因为Covid-19的大流行使这些受访者在情感上脆弱。作为COVID-19是最近造成人类的灾难，它使药物分销通道在大流行期间易受伤害。
人工智能对服务质量和顾客满意度的影响
摘要：这项研究强调了人工智能 (AI) 及其应用对约旦银行提供的服务质量、客户满意度的重要性。本研究论文全面回顾了关于人工智能的众多新兴应用及其对银行业的影响的文献。对现有文献进行了严格的研究，以检验人工智能在银行业的应用。人工智能通过提供信用评分检查、系统故障预测、紧急警报系统、欺诈检测、网络钓鱼网站检测、流动性风险评估、客户忠诚度评估和情报系统，通过减少员工工作量，改善了数百万客户和员工的银行体验。一份问卷收集了约旦银行业 270 名消费者的数据。SPSS 程序使用探索性因子分析对样本数据进行统计评估，以确定服务质量和客户满意度。结果表明，更新后的 SERVQUAL 模型提取了五个子量表，而不是原始模型中的八个。提取的子量表有形性、保证性、可靠性、响应性和同理心。根据这项研究，人工智能在统计上与服务质量和客户满意度相关。作者认为，更新后的 SERVQUAL 模型有助于解决银行业的客户满意度问题。研究结果表明，约旦银行业对人工智能的需求对客户同样重要；因此，应该根据客户的要求和偏好在虚拟代理和人工代理之间实现最佳平衡。此外，这项研究还发现了在银行业使用人工智能的实际意义，特别是与约旦客户感知相关的意义。关键词：- 银行业、人工智能、客户体验、服务质量
发现多特异性 CD73/PD-1 靶向药物 Fc-...
通过 ELISA 测量 PD-1-001 和 CD73/PD-1-001 与生物素化 hPD-L1 的结合；还通过功能性 hPD-1 阻断试验 (Promega #J1250) 评估了测试样品。通过表面等离子体共振 (SPR) (ACROBiosystems) 评估了 CD73 结合。在表达人类 PD-1 和 PD-L1 的转基因小鼠中评估了疗效，这些小鼠患有 MC-38 (hPD-L1) 肿瘤 (genOway，法国) (n=10)。以 10 6 个细胞的浓度注射 MC-38 (hPD-L1) 细胞，与 Matrigel (Corning) 以 1:1 混合。当肿瘤大小为 25 – 75 mm 3 时开始治疗。测试样品每周腹腔注射两次，持续 3 周。作为比较物，包括派姆单抗生物仿制药 (Bio-X-Cell #SIM0010)。记录肿瘤体积，并通过 t 检验 (Mann-Whitney) 或双向方差分析进行统计分析。 *p≤0.05；**p≤0.01。在 BALB/c 小鼠中确定测试样品的 PK。以 10 mg/kg (n=2) 的剂量腹腔注射 DFC，并在一周内 (168 小时) 的不同时间点收集血浆。通过间接 ELISA 技术 (使用 CD73 或 hPD-1-001 捕获) 和夹心 ELISA (使用人类 Fc 捕获) 确定 DFC 的血浆水平。在混合淋巴细胞反应 (MLR) 测定中确定 DFC 的活性。简而言之，人类 CD14 + 单核细胞分化为成熟的树突状细胞，并在有/无 AMP (300 µM) 的情况下与来自三个不同供体的 CD4 + 细胞一起孵育。四天后，对上清液进行细胞因子分析 (INF-γ、IL-2、TNF-α)。
使用对抗网络来延长脑机接口解码精度
现有的皮层内脑机接口 (iBCI) 将神经活动转换为控制信号，可使瘫痪者恢复运动能力。然而，由于记录神经元的更替，iBCI 核心“解码器”的准确性通常会随着时间的推移而降低。为了弥补这一点，可以重新校准解码器，但这需要用户花费额外的时间和精力来提供必要的数据，然后学习新的动态。随着记录的神经元发生变化，人们可以认为底层的运动意图信号以变化的坐标来表达。如果可以计算不同坐标系之间的映射，那么可能无需重新校准即可稳定原始解码器从大脑到行为的映射。我们之前提出了一种基于广义对抗网络 (GAN) 的方法，称为“对抗域自适应网络”(ADAN)，它可以对齐底层低维神经流形中潜在信号的分布。然而，ADAN 仅在非常有限的数据集上进行了测试。我们在此提出了一种基于循环一致对抗网络 (Cycle-GAN) 的方法，该方法可以对齐全维神经记录的分布。我们在来自多只猴子和行为的数据上测试了 Cycle-GAN 和 ADAN，并将它们与基于因子分析 (PAF) 提供的 Procrustes 轴对齐的线性方法进行了比较。这两种基于 GAN 的方法都优于 PAF。Cycle-GAN 和 ADAN（与 PAF 一样）是无监督的，需要的数据很少，因此在现实生活中很实用。总体而言，Cycle-GAN 具有最佳性能，并且比 ADAN 更容易训练且更强大，使其成为长期稳定 iBCI 系统的理想选择。
帝国迷幻预测量表的验证
背景。获得迷幻药物正在自由化，但反应是高度无法预测的。因此，必须提高预测急性迷幻体验的性质以提高安全性并优化潜在的治疗结果的能力。这项研究试图验证“帝国迷幻预测量表”（IPP），这是一项简短，广泛适用的前瞻性措施，旨在预测精神经验的显着维度。方法。使用四个独立的数据集，其中IPP被前瞻性地完成 - 两项在线调查“自然主义”使用（n = 741，n = 836）和两个受控的管理数据集（n = 30，n = 28） - 我们进行了因子分析，回归，回归和相关分析，以评估构造，预测性和预测性，预测性和收敛性的有效性。结果。我们的方法产生了一个9个项目量表，具有良好的内部一致性（Cronbach'sα= 0.8），其中包含三个因素：设置，融洽和意图。IPP大大提出了“神秘”，“挑战”和“情感突破”的经历。在受控的管理数据集（n = 28）中，发现和融洽的多个回归解释了神秘经验中40％的差异，而发现简单的回归集合解释了挑战性经验的16％差异。在另一个（n = 30）中，融洽关系与情感突破有关，解释了9％的差异。结论。在一起，这些数据表明，IPP可以预测在广泛的环境中迷幻体验的相关特征。我们希望这个简短的9个项目量表将被广泛采用，以改善对受控设置及其他地区的迷幻准备的知识。
营销策略对销售业绩的影响
营销策略 (7P) 是任何企业的基石。因此，本研究旨在调查营销策略对杜胡克省中小微企业销售业绩的影响。在这方面，本研究旨在测试关系营销策略 (产品、价格、地点、促销、流程、人员和实物证据) 对销售业绩的影响，以及如何实施和管理这些策略。毫无疑问，本研究依靠描述性和分析性方法来开展这项研究。为此，数据收集技术包括中央和次要来源，以提供理论框架。至于数据分析工具，包括有效性和可靠性测试、参与者和变量的描述性统计、相关性分析和影响因子分析，使用最新版本的社会科学统计软件包 (SPSS V. 28)。尽管如此，本研究采用随机抽样，样本包括伊拉克库尔德斯坦地区的微型和小型企业业主，本研究仅在 4 个城市中选择了杜胡克省。相反，问卷调查是本研究的主要工具，该调查已分发给 (150) 名企业领导人 (收集了 130) 份问卷，(123) 份调查问卷经过验证并准备好进行数据分析和研究测试，目标样本的响应率为 (82%)，信度系数为 (0.928)。结果，从本研究中得出了一些结论和建议，绝大多数受访者同意量表值 (74%)。此外，研究得出结论，营销策略 (MS) 和销售业绩 (SP) 之间存在正向显著关系和影响，推断这种联系对于扩大微型和小型地区的盈利能力、生产力和增长率至关重要。
因素分析影响生成学习模型的实施，并在计算物理课程中使用认知冲突策略D
这项研究旨在分析影响生成学习模型的因素模型，并在Covid-19流学位时代的计算物理课程中使用认知冲突策略实施。本研究使用了定量描述性数据。研究受访者是105名物理研究计划的学生，他们参加了2020/2021学年的计算物理课程。专家和有限的试用量已经测试了用于调查的李克特量表的问卷。所使用的问卷具有很高的有效性和可靠性。数据用于通过勘探因子分析（EFA）来建模结构方程。EFA结果用于确定确认性因素分析水平（CFA），以获得完整的结构方程建模。结果表明，在影响计算物理学习实现的变量之间形成了动态相互作用和相互依存的相关性。分析了20个（20）变量后，它形成了5（五个）因素，影响了计算物理课程中使用认知冲突策略实施生成学习模型的因素。五个影响因素是1）所使用的学习语法和教材（X1）； 2）表达思想（披露）和模型实践的活动（x2）； 3）学习风格和创造性思维（x3）； 4）学习的态度和最终目标得分（x4）； 5）对学习材料和学习方法的态度（x5）。五个因素产生模型f = 0.366 x1 + 0.161 x2 + 0。959 x3 + 0.682 x4 + 0。549 x5。关键字：因素分析，生成学习，认知冲突。
Eganelisib 联合免疫检查点抑制剂治疗和化疗治疗一线转移性三阴性乳腺癌可触发肿瘤微环境中的巨噬细胞重编程、免疫激活和细胞外基质重组
摘要 背景 三阴性乳腺癌 (TNBC) 是一种侵袭性乳腺癌亚型，预后不良，尤其是在转移性环境中。抗程序性细胞死亡蛋白 1/程序性死亡配体 1 (PD-L1) 免疫检查点抑制剂 (ICI) 与化疗联合治疗已显示出对转移性 TNBC (mTNBC) 有良好的临床益处，但仍有未满足的需求，尤其是对于 PD-L1 阴性肿瘤患者。mTNBC 对 ICI 产生耐药的机制包括肿瘤微环境 (TME) 中存在免疫抑制性肿瘤相关巨噬细胞 (TAM)。Eganelisib 是一种强效且选择性的小分子 PI3K-γ 抑制剂，临床前研究表明，它可通过减少髓样细胞向肿瘤的募集并将 TAM 从免疫抑制表型重编程为免疫激活表型并增强 ICI 活性来重塑 TME。这些研究为在 II 期临床试验 MAcrophage Reprogramming in Immuno-Oncology-3（MARIO-3，NCT03961698）中对 Eganelisib 联合抗 PD-L1 atezolizumab 和 nab-paclitaxel 在一线 mTNBC 中的临床评估提供了理论依据。我们在此首次介绍了 MARIO-3 研究的深入转化分析以及 Eganelisib 单药治疗实体瘤 Ph1/b 研究（MARIO-1，NCT02637531）的补充数据。方法对配对的治疗前和治疗后肿瘤活检样本进行免疫表型分析，通过多重免疫荧光（n=11）、使用 GeoMx 数字空间分析的空间转录组学（n=12）和 PD-L1 免疫组织化学（n=18）。使用流式细胞术和多重细胞因子分析分析外周血样本。
使用对抗网络来延长脑机接口解码精度
摘要 现有的皮层内脑机接口 (iBCI) 将神经活动转换为控制信号，能够恢复瘫痪者的运动能力。然而，由于记录神经元的周转，iBCI 核心“解码器”的准确性通常会随着时间的推移而降低。为了弥补这一点，可以重新校准解码器，但这需要用户花费额外的时间和精力来提供必要的数据，然后学习新的动态。随着记录的神经元发生变化，人们可以认为底层的运动意图信号以变化的坐标来表达。如果可以计算不同坐标系之间的映射，那么可能无需重新校准即可稳定原始解码器从大脑到行为的映射。我们之前提出了一种基于广义对抗网络 (GAN) 的方法，称为“对抗域自适应网络”(ADAN)，它可以对齐底层低维神经流形中潜在信号的分布。然而，我们只在非常有限的数据集上测试了 ADAN。我们在此提出了一种基于循环一致对抗网络 (Cycle-GAN) 的方法，该方法可以对齐全维神经记录的分布。我们在来自多只猴子和行为的数据上测试了 Cycle-GAN 和 ADAN，并将它们与第三种完全不同的方法进行了比较，该方法基于因子分析提供的 Procrustes 轴对齐。这三种方法都是无监督的，只需要很少的数据，因此在现实生活中很实用。总体而言，Cycle-GAN 具有最佳性能，并且比 ADAN 更容易训练且更强大，使其成为长期稳定 iBCI 系统的理想选择。
大脑内核 - Turk-Browne 实验室
功能性磁共振成像 (fMRI) 中的一个关键问题是从嘈杂的高维信号中估计空间活动模式。空间平滑提供了一种规范化此类估计的方法。然而，标准平滑方法忽略了神经活动的相关性在不同的脑区可能以不同的速率下降，或者在解剖或功能边界上表现出不连续性的事实。此外，这种方法没有利用这样一个事实，即相距甚远的脑区可能由于双侧对称或脑区网络组织而表现出强相关性。为了捕捉这种非平稳空间相关结构，我们引入了脑核，一种用于全脑活动模式的连续协方差函数。我们将脑核定义为从 3D 脑坐标到潜在嵌入空间的连续非线性映射，用高斯过程 (GP) 参数化。脑核将体素之间的先验协方差指定为它们在嵌入空间中位置之间距离的函数。 GP 映射以非线性方式扭曲大脑，使高度相关的体素在潜在空间中靠得很近，而不相关的体素则相距很远。我们使用静息状态 fMRI 数据估计大脑内核，并开发一种基于块坐标下降的精确、可扩展的推理方法来克服高维（10-100K 体素）的挑战。最后，我们通过多任务 fMRI 数据集的大脑解码和因子分析来说明大脑内核的实用性。