XiaoMi-AI文件搜索系统
World File Search System层面
泰国转移性结直肠癌系统治疗医院层面实践差异
摘要简介：关于日常实践中癌症患者指南实施的基于人群的数据很少，而实践中的差异可能会影响患者的治疗结果。因此，我们评估了荷兰转移性结直肠癌 (mCRC) 全身治疗的治疗模式和相关变量。材料和方法：我们从 20 家（4 家学术医院、8 家教学医院和 8 家地区医院）国家癌症登记处随机选择了 2008 年至 2015 年确诊的成年 mCRC 患者样本。我们研究了患者、人口统计学和肿瘤特征对根据现行指南接受全身治疗的几率的影响，并评估了其与生存率的关联。结果：我们的研究人群包括 2222 名 mCRC 患者，其中 1307 名患者接受了 mCRC 全身治疗。实践差异在 (K)RAS 野生型肿瘤患者使用贝伐单抗和抗 EGFR 治疗方面最为明显。不同类型的医院的给药率并无差异，但不同医院的贝伐单抗（8 – 92%；p < .0001）和抗 EGFR 治疗（10 – 75%；p ¼ .05）的给药率存在波动。贝伐单抗给药与高龄（OR：0.2；95%CI：0.1 – 0.3）、合并症（OR：0.6；95%CI：0.5 – 0.8）和异时性转移（OR：0.5；95%CI：0.3 – 0.7）呈负相关，但贝伐单抗给药率低或高的医院的患者特征并无差异。暴露于贝伐单抗和抗 EGFR 治疗的风险比分别为 0.8（95%CI：0.7 – 0.9）和 0.6（95%CI：0.5 – 0.8）。讨论：我们发现，不同医院对转移性结直肠癌患者的靶向治疗管理存在显著差异，这可能会影响治疗结果。年龄和合并症与未使用贝伐单抗呈负相关，但无法解释不同医院的实践差异。我们的数据表明，实践差异是基于医院的个体策略，而不是指南建议或患者驱动的决策。个别医院的策略是另一个因素，可能可以解释实际数据与临床试验结果之间的差异。
![征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术](/simg/9/997626a7f59d17e25a28a70110fbadb440a4a51a.png)
征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术
征文：教育和教育研究中的人工智能国际研讨会 (AIEER) AIEER 2024 教育和教育研究中的人工智能国际研讨会是第 27 届欧洲人工智能会议 ECAI 2024 [https://www.ecai2024.eu/] 的一部分。本次研讨会定于 2024 年 10 月 19 日至 20 日星期六和星期日举行。 研讨会范围 本次研讨会有两个不同的重点，旨在更广泛地面向教育人工智能领域。 第 1 部分。由社会科学主导的讨论，讨论人工智能应用可能有助于解决的教育中的实际问题。这包括教育和教学人工智能的研究，也包括社会科学、经济学和人文学科，包括所有学科，如教育和教学实际行动、以教育需求为重点的劳动力市场研究、教育史和相关教育文化遗产，以及决策和行为科学观点的信息预测。一方面，我们关注人工智能、教育和社会之间的联系。这包括定量和定性研究、分析教育和劳动力市场数据的数据科学方法、推荐系统的人工智能方法以及数字化学习。另一方面，我们关注如何使用人工智能来突破该领域的界限。这包括开发新方法（包括使用人工智能的方法）、寻找和提供可访问的新数据源、丰富数据等等。在这两种情况下，不同观点之间的沟通和相互理解至关重要，这也是本次研讨会的目标之一。更广泛地说，我们感兴趣的是人工智能方法如何影响教育的所有领域以及企业和劳动力市场。这包括从小学到高等教育的所有教育部门如何受到人工智能方法的影响和对其作出反应的方法。用人工智能方法设计数字化未来为教育提出了几个问题：在最广泛的层面上，立法和规范问题；在公司层面，关于投资决策以及如何保持生产力和劳动力的问题；在个人层面，关于资格以及哪些技能需要应用和可能重新学习的问题。因此，技能和资格是教育和教育研究中人工智能的核心。第 2 部分。关于可以开发哪些人工智能应用程序（以及如何开发）来解决第 1 部分提出的问题的（计算机科学主导）讨论。使用基于人工智能的系统来支持教学或学习已经发展了 40 多年，但近年来，由于 COVID-19 大流行期间电子学习工具的使用增加以及最近生成人工智能的爆炸式增长，其增长显着增加。我们正处于这一领域发展的关键时刻，人工智能专家和教育专家必须携手合作，以在教学过程中最佳地利用这项技术。本次研讨会旨在为展示新提案和反思这一具有如此社会意义的领域的最新技术创造空间。在第一部分中，我们特别关注人工智能的技术方面，重点关注用于内容创建（生成式人工智能）、学生分析（机器学习）、学习分析或教师可解释的人工智能方法的具体技术
罗尔斯和皮凯蒂：经济不平等的哲学层面
简介 关于经济学是否是经济问题，也许最好的答案可以在海德格尔 (2002:9) 对技术（不是技术问题）的回应中找到。 原因在于科学不思考。 海德格尔写道，例如，历史以各种可能的方式探索一段时期，但实际上从未探索历史。 人类永远不会以历史的方式发现历史是什么； 同样，数学家永远不会以数学的方式做数学。 历史、艺术、诗歌、语言、自然、人类和上帝等领域的本质仍然是科学无法触及的。 由于科学无法触及这些问题，因此必须说它不思考。 因此，思考 (das Denken) 是任何科学的基础，但超出了其既定的界限。 事实上，根据海德格尔的说法，思考（或思考）意味着“再次质疑自己”，而这恰恰是普通科学活动所不具备的情况。科学与人其实应该是一对搭档，而不是把人作为科学的研究对象。同样，我们可以得出这样的结论：经济不平等问题不是一个经济问题，而是一个哲学问题。这并不是说经济学的重要性是次要的，而只是说经济学看不到不平等的本质。经济不平等问题是社会普遍存在的问题。皮凯蒂（2014：2）写道：“财富分配是一个太重要的问题，不能留给经济学家、社会学家、历史学家和哲学家去解决。这是每个人都关心的问题，这是好事。”从哲学思考人类社会之初，不平等的根本原因就是私有财产。近代国家概念将所有权（私有财产）与权力（政府）相分离，要求人们无论财产状况如何，都必须行使权利。与霍布斯相反，洛克 (1828: 115) 认为财产制度是个人自由的自然基础，先于国家而存在，国家的存在只是为了维护个人自由。与这两位相反，卢梭 (1992: 222) 撰写了最受欢迎的私有财产批判，但这一著名批判并不是我们问题的根本，我们的问题就是不平等。这个问题在卢梭 (1992: 167) 对自然不平等和社会不平等的区分中得到了更好的体现。毫无疑问，人类凭借自己的力量，试图通过发展社会和政治力量来弥补自然不平等
学术技术知识的生产。研究小组层面的探索
公共研究机构在知识型社会中发挥着关键作用，因为它们引领科学研究，并产生可直接应用于工业生产过程的可专利技术。在本文中，我们讨论后者的作用。几篇著名的论文讨论了大学和实验室层面的大学专利的产生；然而，尽管研究小组在国家研究系统中具有重要意义，但它们作为专利生产者的能力却被忽视了。在本文中，我们通过测试以前的合作和小组的科学背景对知识生产的影响（以专利数量衡量）来填补这一空白。在知识生产函数的框架内，我们估计了几个实证计数模型，样本为西班牙三大公共研究机构下属的 1,120 个研究小组。我们的研究结果表明，研究小组层面的专利生产与捕捉私人合作和科学背景的变量呈正相关。结果还指出，不同机构和研究领域的技术知识生产存在显著差异。关键词：合作、知识生产函数、专利、研究小组。 JEL 分类：O31、O38、C21。
朝着有意义的民间社会参与国际层面：成功因素，机遇和挑战
•在过程的每个阶段培养包容性是成功参与的关键。证据表明，考虑到多样性，专业知识和公民社会自我选择的原则，积极与代表性不足的群体积极接触的一项包容和透明的利益相关者选择过程可以对结果的参与过程和所有权的合法性产生重大差异。可以通过多种方式来促进包容性，例如，旨在在参与者中进行地理和主题平衡，在线和离线参与工具设计以巩固地理和技术障碍，并为可能需要更多资源和专业知识的利益相关者提供能力和实践支持，以便建立能力和实践支持，以便全面参与国际决策过程。
空间法——国际和国家层面
本课程全面概述了空间法及其在国际和国家层面面临的当前挑战。首先，课程考察了外层空间活动开始前后国际空间法的历史演变，以及在国际层面通过的法律文书，这些法律文书形成了当今管理外层空间和外层空间活动的法律制度。其次，课程深入探讨了国际空间法在国家层面的实施情况，以及国家法律如何在商业空间活动的发展中发挥作用。第三，课程通过分析联合国外空委《外层空间活动长期可持续性准则》对空间活动的相关性和影响，以及空间活动如何促进可持续发展，探讨了空间活动与可持续发展之间的相互作用。
揭开火星 2020 任务装配洁净室中隐藏的微生物多样性，从分子层面洞察难以进行宏基因组测序的新物种的持久性和毅力
。CC-BY-NC 4.0 国际许可（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2025 年 1 月 24 日发布。；https://doi.org/10.1101/2025.01.21.633868 doi：bioRxiv 预印本
建议引用：Engberg，Erik 等人（2024 年）：AI Unboxed 和 Jobs：来自三个国家的新衡量标准和公司层面证据，IZA 讨论文件，第 16717 号，劳动经济研究所 (IZA)，波恩
本文表达的任何观点均为作者观点，而非 IZA 观点。本系列中发表的研究可能包括对政策的看法，但 IZA 不代表任何机构政策立场。IZA 研究网络致力于遵守 IZA 研究诚信指导原则。IZA 劳动经济研究所是一家独立的经济研究机构，开展劳动经济学研究，并针对劳动力市场问题提供基于证据的政策建议。在德国邮政基金会的支持下，IZA 运营着世界上最大的经济学家网络，其研究旨在为我们这个时代的全球劳动力市场挑战提供答案。我们的主要目标是在学术研究、政策制定者和社会之间架起桥梁。IZA 讨论文件通常代表初步工作，并被分发以鼓励讨论。引用此类论文时应说明其临时性。修订版本可直接从作者处获得。
人工智能与公司层面的生产力
人工智能 (AI) 通常被视为下一代通用技术，可在众多工业领域快速、深入和深远地应用。新型通用技术的主要特征是能够实现可能提高生产率的新生产方式。然而，到目前为止，只有极少数研究调查了人工智能在企业层面对生产力的可能影响；大概是因为缺乏数据。我们利用企业采用人工智能技术的独特调查数据，并使用德国企业样本估计其生产力效应。我们同时使用横截面数据集和面板数据库。为了解决人工智能采用的潜在内生性，我们还实施了 IV 方法。我们发现人工智能的使用对企业生产力产生了积极而显著的影响。这一发现适用于人工智能使用的不同衡量标准，即人工智能采用的指标变量，以及公司在其业务流程中使用人工智能方法的强度。
埃塞俄比亚南部妇女产科危险信号知识的个人和社区层面决定因素：多层次混合效应负二项分析
将每 10 万活产婴儿的孕产妇死亡率降低到 70 人以下是 2030 年可持续发展目标 (SDG 3) 的目标之一 [1]。为了实现这一数字，妇女应该清楚了解导致孕产妇死亡率高的直接和间接 ODS，并尽早寻求医疗保健提供者的治疗，特别是在包括埃塞俄比亚在内的发展中国家[2-4]。这些 ODS 大致可分为三类。手和脸肿胀、阴道出血、严重头痛、视力模糊、先兆子痫和子痫是妊娠期间最常见的症状。严重阴道出血、分娩时间超过 12 小时、高血压疾病和胎盘滞留是分娩期间的主要 ODS。发烧、恶臭的阴道分泌物和急性阴道出血是产后的主要 ODS [5]。此外，根据孕产妇死亡占比，还可分为直接和间接 ODS。直接 ODS 包括感染、出血、难产、不安全流产和妊娠期高血压疾病，占全球孕产妇死亡的近 80%，而间接 ODS 则包括贫血、肝炎、糖尿病、疟疾和因妊娠而加重的心血管疾病 [6,7]。世界卫生组织 (WHO) 2022 年报告指出，出血是全球孕产妇死亡的主要原因，约占所有死亡的 28%，其中直接产科并发症是孕产妇死亡的主要原因 [6,7]。此外，研究表明，非洲孕产妇死亡的两个主要原因是子痫和出血 [8,9]。但是，如果妇女意识到这些 ODS，并得到适当的识别、治疗和管理，许多并发症是可以避免的 [7]。但大多数女性，特别是欠发达国家的女性，对 ODS 了解不多[6,10-12]。三个关键延迟模型描述了许多低收入国家孕产妇在怀孕、分娩和产后阶段死亡的主要原因。这些包括延迟识别危及生命的 ODS 并做出就医决定、延迟去医院以及延迟在医院获得及时、充分和有效的护理[13-16]。由于对 ODS 缺乏了解，妇女延迟获得产科医疗服务，导致发展中国家孕产妇患病率和死亡率高[17,18]。