XiaoMi-AI文件搜索系统
World File Search System多重性
利用人工智能设计功能有机分子
利用人工智能设计功能性有机分子 用户名：Masato Sumida 1,2 Xiufeng Yang 2 日本理化学研究所实验室隶属关系： 1. 先进智能项目中心富士通协作中心 2. 先进智能项目中心目标导向平台技术研究组分子信息学团队
电池的多重使用寿命方法
欧洲必须回收利用 欧洲大陆没有生产电池所需的原材料，这使得我们依赖进口初级原材料。为了逐渐减少我们的依赖，我们必须将原材料保持在材料循环内并引入全面的回收系统。 欧盟理事会最近通过了新的法规，对回收的要求更加严格，将回收的责任转移到电池制造商身上。新法规要求制造商披露其电池的碳足迹。第二步，制造商将在从制造到回收的整个产品生命周期的所有阶段受到碳足迹的强制性限制。这些法规中的一系列规定以及新的《电池法》逐步将电池回收的责任转嫁给制造商。欧盟还计划在研发方面投入巨资，并为私营部门提供激励措施，以提高生产和回收能力。
处方和多重用药指南
1. 简介 本指南旨在帮助 NHS Lanarkshire 的养老院患者处方管理。指南涵盖家政处方、治疗同意、并发疾病处方、药物审查流程、多重用药和后期生命处方。指南还提到了非药物治疗的重要性。最容易出现不适当多重用药的患者是那些身体最虚弱、服用药物最多和服用高风险药物的患者。1 就多重用药而言，当患者服用多种处方药时，发生有害影响和住院的风险会增加。本指南旨在帮助诊所在开始或继续治疗的艰难选择时做出理性判断，同时避免使用预后或对症价值有限的治疗过度用药，同时也考虑到体弱老人易患的副作用风险。由于患者特定目标比疾病特定目标更重要，因此指南无意过于规范，因为每个病例都必须个别处理，并且需要处方人员做出临床判断。事实上，尽管国家多重用药指南基于大量证据，但其中很少包括 80 岁以上的患者，因此，决策更有可能基于对患者而言重要的事情。2. 处方管理 a) 说明 开具处方时应避免使用“按指示”等模糊说明，这一点很重要，这在局部治疗中尤为常见。如果可能，说明应该具体，例如“每天两次涂抹在患处”，并在适当的情况下突出显示治疗持续时间。如果存在特定的药物给药图表，例如胰岛素给药图表或华法林给药图表，处方上的说明可以参考相关的给药图表，例如“按照华法林给药图表中记录的方式给药”。 b) 监测 可以使用结构化技术（如疼痛图表、ABC 图表、大便图表和血压图表）来加强监测，以便开处方者对药物变化的反应有更清晰的印象（而不是刚休假回来的工作人员或银行工作人员的一般印象）。当开具药物变化处方时，开处方者和养老院可以商定适当的结构化监测。2
微生物的多重耐药性
微生物的多重耐药性：综述 1 Wartu JR、*1 Butt AQ、1 Suleiman U.、1 Adeke M.、1 Tayaza FB、2 .Musa BJ 和 3 Baba, J. 1 尼日利亚卡杜纳州立大学微生物学系科学学院 2 尼日利亚博尔诺州迈杜古里 WHO 国家/ITD 实验室 UMTH 3 尼日利亚拉派伊易卜拉欣巴班吉达大学微生物学系 通讯作者的电子邮件地址：afia.butt8@gmail.com 电话：+2348130010675 摘要 多重耐药性 (MDR) 是指某些微生物能够抵抗多种抗菌剂的作用。MDR 包括对多种抗菌、抗真菌、抗病毒和抗寄生虫药物具有耐药性的微生物。某些微生物对某些通常会杀死它们或限制其生长的化学物质（药物）表现出类似的活性，这种现象称为抗生素耐药性（AMR）。多重耐药性可分为原发性耐药性、继发性耐药性、内在耐药性、广泛耐药性和临床耐药性。产生耐药性的抗生素包括β-内酰胺类、糖肽类、氨基糖苷类、磺胺类、头孢菌素类等。抗菌药物的作用方式包括细胞壁合成抑制剂、蛋白质合成抑制剂、关键代谢途径阻断剂、核酸合成抑制剂等。细菌经常产生耐药性，这可能是通过多种生化机制之一实现的，例如突变、破坏或失活以及细菌之间通过结合、转化和转导等多种方式进行的物质外排或遗传转移。 MDR原虫的作用方式是通过减少药物吸收、通过P-糖蛋白和其他运输ATP酶从寄生虫中输出药物等实现的。MDR蠕虫的作用方式是通过药物靶点的基因变化、药物运输的变化、药物代谢等实现的。抗病毒药物的作用方式通常靶向具有逆转录酶活性的病毒DNA聚合酶来抑制病毒复制。MDR真菌的作用方式是它们学会了修改抗真菌药物靶点或最常见的是增加进入药物的流出量。有多种方法可以逆转这种耐药性，例如在看完每个病人后洗手，公众应彻底清洗生水果和蔬菜以清除耐药细菌和可能的抗生素残留，避免滥用抗生素等。关键词：微生物，多重耐药性（MDR）引言多重耐药性（MDR）是某些微生物对多种抗菌药物表现出的耐药性。MDR微生物对公众健康的威胁最大，因为它们对多种抗生素有耐药性。其他 MDR 包括对多种抗真菌、抗病毒和抗寄生虫药物具有耐药性的药物（Magiorakos，2014 年；WHO，2018 年）。多种生化和生理机制都可能是耐药性的罪魁祸首（Liu 和 Pop，2009 年；WHO，2014 年）。在抗菌剂的具体情况下，导致耐药性出现和传播的过程的复杂性不容小觑，而缺乏这些主题的基本知识是主要原因之一
食物中毒细菌在低温下在食物中生长
近 10 年国外重大李斯特菌疫情 国家 疫情年份 致病食物 患者人数 死亡人数 澳大利亚 2013 奶酪 18 2 丹麦 2013-2014 熟食肉类 41 17 美国 2014 豆芽 5 2 美国、加拿大 2014-2015 焦糖苹果 36 7 美国 2010-2015 冰淇淋 10 3 美国 2015 软奶酪 24 1 美国、加拿大 2015-2016 包装沙拉 47 1 美国 2013-2016 冷冻蔬菜 9 1 德国 2012-2016 疑似来自同一工厂的多种产品 66 3 澳大利亚 2018 甜瓜 20 7 南非 2017-2018 肉制品 1,060 216 丹麦、德国、法国2015-2018 熏制三文鱼 7 1 奥地利、丹麦、芬兰等 2015-2018 冷冻玉米 47 9 丹麦、爱沙尼亚、芬兰等 2014-2019 冷熏鱼制品 22 5 英国 2019 三明治和沙拉 9 6 西班牙 2019 熟肉制品 207 例确诊，3059 例高度疑似 3 美国、加拿大 2017-2019 熟鸡丁 31 2 荷兰、比利时 2017-2019 肉制品 21 3 美国、澳大利亚 2016-2019 金针菇 42 5 美国 2017-2019 煮鸡蛋 8 1 美国 2020-2020 熟食肉类 11 1 美国 2014-2022 预包装沙拉 18 3 英国2020-2022 熏鱼 12？ 美国 2021-2022 冰淇淋 25 1 美国 2021-2022 熟食肉 14 1 美国 2023 奶昔 6 3 美国 2018-2023 绿叶蔬菜 19 0 瑞士 2022 熏鱼 20 ? 美国 2018-2023 桃子、油桃、李子 11 1 德国、荷兰、比利时、英国等 2012-2024 鱼制品 73 14 加拿大 2023-2024 冷藏杏仁奶等 20 3 美国 2024 熟食肉类 59 10 10
人工智能的多样性与道德危机
[Abdurahman 20] Abdurahman, JK：论人工智能伦理的道德崩溃，Medium，https://upfromthecracks。 medium.com/on-the-moral-collapse-of-ai-ethics-791cbc7df872 （2020） [Ahmed 20] Ahmed, S., et al.: 检查估计肾小球滤过率计算中种族乘数利用率对非裔美国人护理结果的潜在影响, J. Gen. Intern Med., https://doi.org/10.1007/s11606-020-06280-5 （2020） [Aisch 17] Aisch, G., Buchanan, L., Cox, A. 和 Quealy, K.: 有些大学的前 1% 学生比后 60% 学生还多，找出你的大学，《纽约时报》，https://www. nytimes.com/interactive/2017/01/18/upshot/some- colleges-have-more-students-from-the-top-1- percent-than-the-bottom-60.html （ 2017 ） [Buolamwini 18] Buolamwini, J. 和 Gebru, T.: Gender Shades: 商业性别分类中的交叉准确度差异, Proc. of Machine Learning Research, 81:1-15, 2018 Conf.公平性、问责制和透明度，https://www.media.mit.edu/publications/gender-shades-intersectional-accuracy-disparities-in-commercial-gender-classification/ （2018 年） [Dand 20] Dand，M.：AI 伦理守门人的责任在哪里？, Medium，https://miad.medium.com/where-is-the-accountability-for-ai-ethics-gatekeepers-e696b8a80e62 （2020 年）
新型多重血浆生物标志物面板具有肥厚性心肌病儿童的诊断和预后潜力
通讯：MBBS，医学博士Juan Pablo Kaski，儿科遗传和罕见的心血管疾病中心，伦敦大学学院和大奥蒙德圣科医院，伦敦WC1N 1DZ，英国。电子邮件j.kaski@ucl.ac.uk *g。 Captur，I。Doykov和S.-C。 Chung是第一作者†K。Mills和J.P. Kaski是最后一位作者。补充材料可在https://www.ahajournals.org/doi/suppl/10.1161/circgen.123.004448获得。有关资金和披露的来源，请参见第265页。©2024作者。循环：沃尔特·克鲁维尔·健康公司（Wolters Kluwer Health，Inc。这是根据Creative Commons归因许可条款的开放访问文章，该条款允许在任何媒介中使用，分发和复制，前提是适当地引用了原始作品。
家庭能源负担有多重？ - ACEEE
本研究使用 AHS 计算能源负担，其中包括一个国家和地区数据集以及 25 个大都市统计区的数据集。4 我们计算所有家庭和各种子群体的能源负担，以确定那些在能源账单上花费的收入不成比例的群体，分析收入、住房类型、保有权、种族、民族和居住者的年龄和结构。我们还计算了全国、地区和每个选定大都市地区能源负担高（即家庭能源账单支出超过收入的 6%）和能源负担严重（即家庭能源账单支出超过收入的 10%）的家庭百分比。我们不包括不直接支付能源账单的家庭。