一般而言,大多数评估都涉及某种成本效益分析,即以成本与效益的比率来表示项目的效益。例如,“该项目每投资 1 美元,回报 5.50 美元”。本文不打算定义这些成本中应该包括和不应该包括哪些内容。应准确定义成本,以便对干预措施或项目进行比较。鉴于 DHI 为效益比较提供了公平的竞争环境,强烈建议尝试采用类似的统一成本估算方法。就政府服务而言,最好能得到中央机构就此问题的建议。如果没有这样的建议,政府机构至少应在其自身活动范围内采用统一的方法。附录一中提供了一些评估干预措施的示例。
(学位) 科学、技术与创新博士 (学位授予日期) 2023-03-25 (出版日期) 2024-03-01 (资源类型) 博士论文 (报告编号) 第 8679 号 (URL) https://hdl.handle.net/20.500.14094/0100482427
摘要 目的:评估美国接受治疗的晚期/复发性子宫内膜癌 (EC) 患者的全身治疗利用模式和结局。方法:这项回顾性观察研究使用了 Optum Clinformatics 扩展数据集市死亡日期数据库(2004 年 1 月 1 日 - 2019 年 12 月 31 日),并纳入了接受一线 (1L) 铂类化疗并开始二线 (2L) 抗肿瘤治疗的晚期/复发性 EC 成年患者的去识别数据。索引日期是开始 1L 治疗的日期。评估了接受治疗的次数和顺序以及每种疗法中接受每种治疗的患者比例。考虑到新药批准,还单独评估了 2018 年或 2019 年首次接受治疗的患者。结果:在符合所有资格标准的 1317 名患者中,520 名(39.5%)和 235 名(17.8%)患者分别接受了 3 线或 4 线治疗,中位总随访时间为 25.2 个月(范围:2.5 – 173.3 个月),从指数日期开始。化疗(包括铂类和非铂类方案)是所有治疗方案中最常见的治疗方法:2 线,80.0%;3 线,66.2%;4 线,80.4%。总体而言,2 线、3 线和 4 线患者中分别有 2.5%、2.3% 和 8.9% 接受了抗程序性死亡 1(抗 PD-1)免疫疗法。在 2018 年和 2019 年首次接受治疗的患者中(n = 163),9.8% 的患者在 2L 中接受了抗 PD-1 免疫治疗。在总体人群中,接受 2L、3L 和 4L 治疗的患者的下次治疗中位时间 (TTNT) 分别为 19.3、10.5 和 8.1 个月。结论:在临床实践中,在接受 1L 铂类疗法治疗的晚期/复发性 EC 患者中,化疗是所有疗法中最常见的治疗选择。免疫疗法的使用总体较低,但在 2018 年或 2019 年开始治疗的患者中有所增加。总体而言,随着疗法的增加,中位 TTNT 下降。
需要努力来帮助该地区的发展中国家了解创新的自主运输技术的更广泛利益,并解决与他们引入的广泛的技术和法律方面,例如海上事故,保险问题,网络黑客入侵和机组人员的责任领域。还需要理解并为亚洲和太平洋的这一发展的含义做好准备,并为全球运输提供了大部分劳动力。此外,该地区缺乏对广泛的经济的完全了解,但也缺乏创新的自动运输技术的社会和环境利益,这导致其在战略运输开发计划中的优先级不足,而在区域合作中的机械性。同样,解决法律和技术问题的能力不足,阻碍了该领域的国家和地区倡议,并危及遵守未来的IMO法规。
传统科学经常专注于经过同行评审的科学出版物和引用以衡量疗效,但公民科学项目(也称为参与式科学项目)涵盖了比通过这种方式可捕捉的更广泛的目标,方法和产品。科学产品库存(SPI)是协助参与式科学评估的一种工具,该工具超出了科学产量(例如出版物)。其用例仅限于其初步开发期间的一系列项目,因此,我们在这里探索了其在美国多个联邦政府资助的参与式科学项目中对用例的灵活性和灵活性。我们研究了该工具的形成性和纵向实用程序,可访问性以及适应性,其中包括不同大小,范围和目标的贡献项目。我们发现该工具很容易定制,使其适合单个项目需求,包括满足资助者对评估的需求。这很容易使用,使其适合非专家评估者收集数据,并且使从业人员能够反思增强项目影响的方法。我们还发现对随时间和项目之间的评估数据进行比较非常有用。最终,公民科学包括可以使用定量指标(例如SPI中的指标)和定性手段来检查各个方面的要素。评估方法的组合可能适合个人项目目标和利益相关者,但是我们展示了SPI的简单性和可定制性如何在各种项目和计划中提供好处。
朱超哲 , g 和董明浩 a,b,c,* a 西安电子科技大学生命科学与技术学院,分子与神经影像教育部工程研究中心,西安,中国 b 西安电子科技大学生命科学与技术学院,西安 跨尺度生命信息智能感知与调控重点实验室,西安,中国 c 西安电子科技大学人工智能学院,智能感知与图像理解教育部重点实验室,西安,中国 d 西北工业大学外国语学院,西安,中国 e 中国人民解放军资金支付中心,北京,中国 f 西安电子科技大学电子工程学院,智能感知与图像理解教育部重点实验室,西安,中国 g 北京师范大学,认知神经科学与学习国家重点实验室,北京,中国
摘要预测利率是财务计划,投资策略和决策的基本任务。传统统计模型虽然广泛使用,但通常无法充分捕获复杂的非线性关系和财务数据固有的时间依赖性。本研究通过探索机器学习模型的潜力来提高利率预测的准确性和可靠性来解决这些局限性。这项研究的主要目标是评估和比较多个机器学习模型的性能,包括线性回归,支持向量机和深度学习技术,以预测利率趋势。历史数据跨越了二十年,并进行了预处理,以确保数据质量和一致性。使用明确定义的评估指标(例如平均绝对误差和均方根误差)在该数据集上训练和测试模型,以确保稳健的性能评估。结果表明,机器学习方法,尤其是深度学习模型,优于捕获复杂模式并提供更准确的预测方面的传统方法。这些发现进一步讨论了在现实世界财务环境中实施机器学习技术的实际含义,从而强调了机遇和挑战。总而言之,本研究提供了可行的见解和强大的框架,可以将机器学习整合到利率预测中,从而有助于财务预测建模的发展。
1 郑州大学附属肿瘤医院肿瘤流行病学研究室、河南省肿瘤医院、河南省肿瘤防治工程技术研究中心、河南省肿瘤防治国际联合实验室,中国郑州,2 肿瘤发生发展及转化研究教育部/北京重点实验室,北京大学肿瘤医院暨肿瘤研究所,中国北京,3 包头医学院第一附属医院皮肤科临床流行病学研究中心,中国包头,4 四川省肿瘤医院暨肿瘤研究所,电子科技大学医学院四川省肿瘤中心,中国成都,5 中国科学院大学肿瘤医院肿瘤防治科、浙江省肿瘤医院,中国杭州,6 辽宁省肿瘤防治研究办公室、中国医科大学肿瘤医院、辽宁省肿瘤医院暨肿瘤研究所,中国沈阳,7 济宁医学院护理学院大学,济宁,中国,8 新乡市中心医院预防保健科,新乡,中国,9 大连医科大学公共卫生学院,大连,中国,10 梧州市红十字医院消化内科,梧州市,中国,11 广西医科大学第一附属医院肿瘤防治办公室,广西南宁,中国,12 暨南大学第一附属医院临床研究部,广州,中国,13 华南肿瘤国家重点实验室,肿瘤医学协同创新中心,中山大学肿瘤防治中心,广州,中国,14 新疆医科大学附属肿瘤医院学生工作部,新疆乌鲁木齐,中国,15 重庆大学肿瘤医院重庆市肿瘤转移与个体化治疗转化研究重点实验室,重庆,中国,16 重庆医科大学公共卫生与管理学院, 17 甘肃省肿瘤医院公共卫生科,兰州,中国,18 成都医学院公共卫生学院,成都,中国,19 中国医学科学院北京协和医学院人口医学与公共卫生学院全球卫生研究中心,北京,中国
电动汽车中的抽象电池安全性是一项全面的工程努力,需要在每个阶段进行一致的考虑,包括电池材料,电池组设计和电池管理系统(BMS)。本综述着重于锂离子电池的安全管理策略和实际应用。电池安全的管理主要包括充电和放电安全,高压安全性和热安全性。在其中,充电和排放安全管理旨在防止电池损坏或由过度充电或出院造成的安全事件。高压安全管理涉及检测绝缘断层,过电流和其他潜在风险,以防止电气危害。热安全管理确保单个电池电池,模块和电池组保持最佳的工作温度范围和均匀的温度分布,从而防止热失控。
本文件中的所有信息仅供参考。本文件所载信息为一般性信息,可能与实际应用有所不同。客户负责确定本文件中的产品和信息是否适合客户使 用,以及确保客户的工作场所和处理方式符合适用的法律和其他政府法规。本资料中呈现的产品可能不会在杜邦所在的所有地区进行销售和 / 或 供货。所做的声明可能尚未获准在所有国家 / 地区使用。请注意,物理性质在不同条件下可能会有所差异,本文所述的运行条件旨在延长产品使 用寿命和 / 或提高产品性能,但最终将取决于实际情况,并且在任何情况下都不能保证达到任何特定结果。杜邦对于本文档中的信息不承担义务 或责任。除非另有明确说明,否则对于“杜邦”或“本公司”的指称是指向客户销售产品的杜邦法律实体。不提供任何保证;明确排除所有关于适 销性或适合特定用途的隐含保证。不得任意侵犯杜邦或他方拥有的任何专利权或商标。除非另有说明,否则杜邦椭圆形标志、杜邦 ™ 、以及所有 标注有 ® 、 SM 或 ™ 的商标和服务标识,均为杜邦公司或其关联公司所有。 ©2024 杜邦版权所有。