XiaoMi-AI文件搜索系统
World File Search System多变
VOJTA治疗对唐氏综合症患者步态能力的直接影响：一项试点研究
在多变量回归分析中，休息的习惯是参与者中简历的重要预测指标。与没有经常休息的人相比，患有CVS的可能性降低了56.1％。这一发现与其他研究相一致，显示休息时的风险降低模式（5、6、11、12、25）。这可能是由于闪烁率提高，同时休息时，由于闪烁率降低被认为通常会导致眼睛干燥和刺激的眼睛（26）。在许多情况下，建议在需要坐在相同姿势的任务中进行微裂（13）。和20-20-20规则的重要性永远无法强调。美国验光学会（AOA）建议遵守20-20-20的规则，该规则指出，您应该每20分钟至少花20分钟凝视20英尺外的东西。这使您的眼睛能够放松和润滑，因为眨眼更大。经常停顿可以帮助个人更好地集中精力（1）。
关于容量扩展的中间长度代表期的选择
摘要 — 随着电力系统脱碳的加速，人们对容量扩展模型在指导这一转变中的作用越来越感兴趣。代表性周期选择是容量扩展建模的重要组成部分，它使优化具有计算可处理性，同时确保代表性周期与全年之间的保真度。然而，很少有人关注选择超过一天的代表性周期。这使得容量扩展模型无法直接模拟日间能源共享，而这在能源生产变得更加多变和存储变得更加重要的情况下至关重要。为此，我们提出了一种选择任意长度代表性周期的新方法。使用基于加州脱碳目标的容量扩展模型和生产成本模型验证了该方法。我们证明代表性周期长度对容量扩展投资计划的结果有很大影响。索引术语 — 产能扩张规划、代表期选择、生产成本建模。
泛基因组学和作物基因组在气候变化中的适应性
摘要：在农作物驯化和育种过程中，野生植物物种被塑造成现代高产作物，并适应主要的农业生态区域。然而，气候变化将影响这些地区的农作物生产力，农业需要适应以支持未来的粮食生产。在全球范围内，农作物野生亲属生长的环境比农作物物种更加多样化，因此可能携带支持农作物适应新环境和多变环境的基因。通过识别具有更高气候适应力的个体，我们可以更好地了解这种适应力的基因组基础，并将其转移到农作物上。泛基因组分析有助于识别农作物野生亲属中具有未开发基因组多样性的个体中潜在的应激反应基因。从这些泛基因组分析中获得的信息可以应用于培育现有作物的气候适应性或重新驯化作物，将环境适应性与作物生产力相结合。
周围动脉疾病和吸烟会阻碍糖尿病性溃疡治疗吗？
背景：在某些患者中，尽管控制了血糖和正常的肢体循环，糖尿病足溃疡可能会缓慢愈合，这意味着存在多因素，未鉴定的未鉴定因素以伤口愈合。先前使用二进制变量（例如截肢或特定愈合时间表）识别这些因素的努力不足反映了伤口愈合能力的复杂性。目的：我们旨在确定与延迟的糖尿病足溃疡愈合有关的因素。方法：假定八个因素会影响糖尿病足溃疡的愈合；患者年龄，糖尿病发作时的年龄，性别，周围动脉疾病（PAD），HBA 1C，通过Brinkman Index（BI），透析和骨骼感染测量的吸烟。使用线性回归和可用于三个愈合指数的多变量分析对它们进行了分析：总愈合期（THP），颗粒时间（GT）和收缩开始时间（TCO）。
fMRI -NSF -PAR
多元神经影像学分析构成了识别心理表征的强大技术。但是，并非所有的心理过程在整个大脑中都以相同的空间尺度表示。将感知过程的层次结构化的局部表示与更抽象的认知过程（例如社会和情感操作）的灵活跨模式表示，这种异质性是显而易见的。一个开放的问题是分析方法的空间尺度如何与所研究表示的空间量表相互作用。在本文中，我们描述了如何将多元分析视为存在于空间频谱上的多变量分析，该分析是由用于识别一端的局部分布式信息模式的探照灯锚定的，用于识别另一种和基于区域的方法的整个大脑方法。我们描述了这些区别是一个重要且经常被忽略的分析考虑，并提供了启发式方法，以根据分析师的推论目标比较这些不同的技术。
pembrolizumab治疗持续时间对晚期非小细胞肺癌的整体生存和预后因素的影响：全国回顾性队列研究
发现391,106例肺癌患者被鉴定出来，其中43,359例接受了晚期pembrolizumab的晚期疾病。男性有67％（29,040/43,359），诊断年龄的中位年龄为65岁。中位随访时间为25.9个月（最小值 - 最大，[0-97.6]），pembrolizumab启动后的总体生存期（OS）中位数第一线的中位数为15.7 [CI 95，15.3 - 16.0]。在多变量分析中，几个协变量与较差的OS独立相关，包括男性性别免疫疗法，年龄，医院类别，高剥夺指数，第一次pembrolizumab的住院住院治疗，以及糖尿病，糖尿病，利尿剂，贝塔阻滞剂，止痛药的病史。在pembrolizumab启动后29个月的里程碑时间，延续超过2年与OS相比，与固定的2年治疗更好，HR = 0.97 [0.75 - 1.26] p = 0.95。
乳酸细菌发酵食品：对免疫系统的影响和2型糖尿病的后果
这项横断面研究是基于在507个人中进行的电子调查，以评估公众对Covid-19疫苗的知识，态度和看法（KAP）。调查是通过使用一个包括人口统计学的四个部分的问卷来进行的，包括人口统计学，KAP朝着COVID-19疫苗进行。双变量群体方差分析和多变量回归用于评估有关COVID-19疫苗的知识和看法。5个知识的平均得分为3.34±1.95，10的感知为7.36±2.48。71％的参与者认为疫苗具有副作用，大多数参与者（52.56％）表示，医护人员应首先接种疫苗。从这项研究中获得的结果表明，人们对COVID-19疫苗接种的理解和态度很好，但是某些人群的知识和感知不足，例如社会经济地位低下和缺乏教育。可以制定某些教育意识计划，以改善其对Covid-19疫苗接种的KAP，并鼓励他们管理疫苗。
研究文章血小板衍生的生长因子影响胃癌的临床特征和预后
目的。研究血小板衍生的生长因子（PDGF），临床病理特征和胃癌患者预后的关联。方法。收集了2016年至2020年间接受治疗的180名胃癌患者的肿瘤标本。 免疫组织化学染色和蛋白质印迹（WB）用于检测PDGF-B和PDGF-D的表达。使用Kaplan – Meier曲线评估了PDGF-B和PDGF-D表达与无复发生存时间（RFS）时间之间的TE关系。 单变量和多元COX比例危害回归模型用于评估PDGF-B和PDGF-D的表达与胃癌患者的预后和临床病理学特征之间的关系。 结果。 在108（60％）和137（76％）肿瘤标本中检测到PDGF-B和PDGF-D的高表达。 与肿瘤深度，肿瘤阶段，淋巴结转移和RF相比，PDGF-B和PDGF-D的TE表达是多变量分析中独立的预测指标（P <0。 01）。 结论。 胃癌组织中PDGF-B和PDGF-D高表达与患者的预后差和存活率差有关。 PDGF-B和PDGF-D的TE表达可以用作评估胃癌的生物学行为和预后的重要指标。肿瘤标本。免疫组织化学染色和蛋白质印迹（WB）用于检测PDGF-B和PDGF-D的表达。使用Kaplan – Meier曲线评估了PDGF-B和PDGF-D表达与无复发生存时间（RFS）时间之间的TE关系。单变量和多元COX比例危害回归模型用于评估PDGF-B和PDGF-D的表达与胃癌患者的预后和临床病理学特征之间的关系。结果。在108（60％）和137（76％）肿瘤标本中检测到PDGF-B和PDGF-D的高表达。与肿瘤深度，肿瘤阶段，淋巴结转移和RF相比，PDGF-B和PDGF-D的TE表达是多变量分析中独立的预测指标（P <0。01）。结论。胃癌组织中PDGF-B和PDGF-D高表达与患者的预后差和存活率差有关。PDGF-B和PDGF-D的TE表达可以用作评估胃癌的生物学行为和预后的重要指标。
产前抑郁及其相关因素
抽象背景孕妇和产后妇女由于荷尔蒙和生物学变化而面临抑郁症的高风险。静止抑郁症被研究不足，其预测因子仍然引起极大的争议。旨在估计妊娠期间抑郁症状的患病率，并研究科威特出生研究参与者中包括维生素D，叶酸和维生素B 12，包括维生素D，叶酸和维生素B 12。方法收集数据是科威特出生队列研究的一部分，其中在产前护理访问期间，在第二和第三学期招募了孕妇。使用爱丁堡产后抑郁量表（EPDS）收集产前抑郁症的数据，考虑到≥13的得分是抑郁症的指标。逻辑回归用于研究与孕妇抑郁症状相关的因素。科威特出生队列研究的1108名参与者的结果，1070（96.6％）完成了EPDS。分别为EPDS≥13和EPDS≥14的EPD指示，分散症状的患病率为21.03％（95％CI：18.62–23.59％）和17.85％（95％CI：15.60-20.28％）。 在多变量分析中，在家中被动吸烟，怀孕期间经历压力大的生活事件以及较低水平的维生素B 12被确定为诱发因素。 相反，渴望对水果和蔬菜的食用和消费量成反比抑郁症状。 具体来说，筛查工作应集中在意外怀孕，在家中被动吸烟以及最近的压力性现场活动上。分散症状的患病率为21.03％（95％CI：18.62–23.59％）和17.85％（95％CI：15.60-20.28％）。在多变量分析中，在家中被动吸烟，怀孕期间经历压力大的生活事件以及较低水平的维生素B 12被确定为诱发因素。相反，渴望对水果和蔬菜的食用和消费量成反比抑郁症状。具体来说，筛查工作应集中在意外怀孕，在家中被动吸烟以及最近的压力性现场活动上。结论大约是，五分之一的孕妇患有抑郁症状，表明需要在孕妇中实施筛查计划，这是科威特系统地实施的措施。
TsanKit：用于焊球枕头缺陷检测的人工智能
摘要 本文提出了一种针对焊球HIP（Head-In-Pillow）缺陷检测的AI（人工智能）解决方案。HIP缺陷会影响焊球的导电性，导致间歇性故障。由于HIP缺陷的位置和形状多变，传统的机器视觉算法无法完全解决该问题。近年来，卷积神经网络（CNN）在图像识别和分类方面表现优异，但由于数据不足，容易引起过拟合问题。因此，我们结合CNN和机器学习算法支持向量机（SVM）来设计我们的检测流程。参考几种最新模型的优点，我们提出了3D CNN模型，并采用焦点损失和三重态损失来解决由稀有缺陷数据引起的数据不平衡问题。与几种经典的CNN模型和深度学习检测软件SuaKIT相比，我们的检测方法具有最佳性能和快速的测试速度。