XiaoMi-AI文件搜索系统
World File Search System序数
乳房背景实质增强与癌症发病率之间的定性和定量关联
统计分析和数据解释：数据分析由SPSS Soft-Ware，版本25（SPSS Inc.，Windows版本25的PASW统计。芝加哥：SPSS Inc.）。质量数据使用数字和含量。数据使用中位数进行定量描述（最小和最大）使用Shapiro Wilk测试测试正态性后，用于非正常分布数据和平均分布数据的平均值±SD。获得的结果显着性在（0.05）水平上进行了判断。•卡方，Fischer精确测试，蒙特卡罗测试用于定性地比较组之间的数据。•（Mann Whitney U检验）用于比较2个研究组之间的非正态分离数据。•（学生t检验）用于比较正式分布数据的2个独立组。•Spearman的等级相关性用于确定两个非正态分布的连续变量和/或序数变量之间的线性关系的强度和方向。
海报会话-CS3
主持人标题p1 sara lumbreras一种支持传播扩展计划P2 Bruno boraretto的复杂网络方法的一种爆炸性同步的机制：拓扑结构P3雅各布计费的影响雅各布计费是一种概率的方法，一种通过迁移模式和跨性别分析的分析方式，通过脉动分析的and脉 - Zoequeal pep4 pectiantial-demantiant pece e and iantiant pera thistrianci Forces in Multipolar Social Systems P5 Irene Sendiña Nadal Anticipating explosive synchronization with ordinal methods P6 Federico Pablo-Martí BEACON-FCM: Behavioral Economics and Cognitive Network Mapping for Complex Analysis P7 Raul Toral Biased versus unbiased methods for stochastic simulations P8 Alvaro Corral Bifurcations at Finite Times: Universal Scaling Behavior P9 Bruno Boaretto Characterizing the混沌激光器通过使用序数分析和机器学习P10JoséManuelGalánOrdax合作动态在不必要的风险环境中的尖峰时间：一种基于代理的建模方法P11 LUIS IGNACIO DINISVIZCAIíno是否会关心非现实有效性？
纵向干预研究中的调解分析与顺序治疗依赖性混杂因子
在介入的健康研究中，可以使用因果中介分析来研究干预影响目标健康结果的机制。识别直接和间接（即介导的）效果会变得复杂。在这里，我们研究了在与纵向介体，事件时间结局和三分法序数治疗依赖性混杂因素的情况下，在这种情况下进行中介作用的鉴定。我们表明，如果干预始终仅在一个方向上影响治疗依赖性混杂因子（单调性），则将中介作用鉴定为灵敏度参数并得出其经验性的非参数表达。单调性假设可以根据对治疗依赖性混杂因子的条件分布的限制来从经验数据中评估。我们通过将调解人视为功能性实体，并将事实结果定义为无疾病的时间，避免了与治疗后调节有关的陷阱。在经验分析中，我们使用芬兰糖尿病预防研究的数据来评估生活方式干预对避免避免2型糖尿病的影响的程度，通过减轻高风险人群的体重来介导其他与健康相关的变化，而其他与健康相关的变化则用作治疗依赖性的混杂因素。
Prime编辑允许在负责Duchenne肌肉营养不良的基因中引入特定突变
摘要：从CRISPR/CAS9发现得出的主要编辑技术允许在特定基因中对选定的核苷酸进行修改。我们用它在外显子9、20、35、43、55和61中插入了特定的点突变，该基因肌营养不良蛋白编码为肌营养不良蛋白，该基因在DMD患者中不存在。分别用Prime Editor 2（PE2）和PE3获得了HEK293T细胞中DMD基因的11％和21％所需的突变。三种重复治疗将PE2的特定突变的百分比增加到16％。在单次治疗后，原始的邻接基序（PAM）序列中的额外突变提高了PE3结果至38％。我们还对患者成肌细胞中DMD基因的外显子6中的外显子6中的c.428 g>进行了校正。成肌细胞电穿孔分别显示高达8％和28％的修饰。成肌细胞校正导致通过蛋白质印迹检测到的肌管中肌营养不良蛋白的表达。因此，可以使用序数编辑来校正DMD基因中的点突变。
通过机器学习预测文章质量得分
国家研究评估计划和激励计划在简单的定量指标和耗时的同行/专家审查之间进行选择，有时会受到文献计量学的支持。在这里，我们评估机器学习是否可以提供第三种替代方案，并使用更多多个文献计量和元数据输入来估算文章质量。我们使用临时三级Ref2021同行评审分数进行了调查，该评分分数为84,966篇提交给英国研究卓越研究框架2021的文章，与2014 - 18年的Scopus Record匹配，并具有大量的摘要。我们发现，在最佳情况下，评估和经济学单位（UOAS）和经济学单位（UOAS）和经济学单位（UOAS）和经济学单位最高（总体上为72％）。这是基于1,000个文献计量的输入，而每种UOA中用于培训的文章的一半。的预测精度高于社会科学，数学，工程，艺术和人文科学，UOAS较低或接近零。随机森林分类器（标准或序数）和极端梯度增强分类器算法在32次测试中表现最好。准确性较低。我们通过主动学习策略提高了准确性，并选择具有更高预测概率的文章，但这显着减少了预测的分数数量。
Bagma Agri-Producer Company Ltd.的案例研究，Tripura
摘要 - 这项研究阐明了印度农民生产者组织（FPO）的功效和挑战，重点是Tripura的Bagma Agri-Producer's Company Ltd.（BAPC Ltd.）。通过对从250名注册参与者中32个随机选择的成员收集的主要数据进行严格分析，该研究描述了BAPC Ltd的多方面操作和组织动态。这项研究采用了序数逻辑回归来阐明社会经济变量与成员满意度之间的相关性，揭示了大多数因素的统计学上显着的积极关系（P≤0.10），不包括性别和非农业收入。全面的SWOT分析强调了BAPC Ltd.的战略优势，包括其多产品方法和稳健的机构联系，同时还突出了改善的领域，例如有限的增值基础设施。该组织参与了八个不同的项目，从乳制品到养殖，体现了其对该地区混合农业景观的适应性。但是，该研究还发现了对长期可持续性的潜在威胁，包括来自新生的FPO的竞争以及供应链中的中介持续影响。对BAPC Ltd.的这一细微差别的研究提供了对FPO作为农业转型催化剂的潜力的宝贵见解，同时同时强调了持续支持和战略干预措施的必要性，以优化其对印度小持有人农业的影响。
各种机器学习的实现
轮替运动是传统神经系统检查的一个标准方面，涉及具有主动肌和拮抗肌关系的肌肉群之间的振荡。一个有代表性的例子是前臂的旋前和旋后。偏瘫明显证明了轮替运动的差异，临床量化是通过使用序数标度来实现的，这本质上是主观的。安装在手背周围的配备陀螺仪的适形可穿戴无线惯性传感器可以客观地量化前臂旋前和旋后的轮替运动。这项研究的目标是应用各种机器学习算法，根据前臂旋前和旋后的轮替运动来区分偏瘫患者受影响和未受影响的上肢对。评估了机器学习算法（例如多层感知器神经网络、J48 决策树、随机森林、K 最近邻、逻辑回归和朴素贝叶斯）的性能，同时考虑了分类准确性和开发机器学习模型的时间。机器学习特征集来自获取的陀螺仪信号数据。使用来自适形可穿戴无线惯性传感器的陀螺仪信号数据，逻辑回归和朴素贝叶斯机器学习算法在机器学习模型收敛时间和区分偏瘫上肢对的轮转运动（考虑到内旋和外旋）的分类准确性方面都实现了相当不错的性能。
![arxiv：2103.05075v1 [q -bio.nc] 2021年3月8日-Alex Williams](/simg/g:\will\search\icon\source\2\2d9035006021964743235294d02fbbbf4af19418.webp)
arxiv：2103.05075v1 [q -bio.nc] 2021年3月8日-Alex Williams
图1：（a）神经数据集中的试验数量的增长速度较慢，同时记录的神经元和采样行为条件的数量。散点图颜色对应于序数的年度出版年度（请参阅传奇）。灰度热图显示了协方差估计的最坏情况误差缩放[92•] - 具有N神经元和C条件的数据集的轮廓为O（NC Log NC）。深色阴影对应于较大的错误。（b）静态（顶行）和动态（底行）神经反应中试验变异性的低维可视化。左，在两个条件下的平均试验（蓝色和红色）。在动态设置中，神经频率沿着一维曲线进化，按时间参数。在静态设置中，响应是隔离点的频率空间。中间，相同的响应，但在每个维度中示出了独立的单试变量。对，相同的响应具有相关变异性。顶部面板中的正相关是“信息限制”，因为它们增加了两个响应分布之间的重叠，从而降低了这两种条件的可区分性（例如，参见，例如[2]）。在底部面板中，神经反应幅度的相关性幅度相关性导致轨迹优先沿特定维度拉伸或压缩，从试验到试验（请参阅[102•]有关适合这种简化结构的模型）。
系统基因组学分析恢复了一大批... - NSF-PAR
尽管对形态学、分子学和组合数据集进行了多次分析，但鱿鱼和乌贼（头足纲：十足目）之间的系统发育关系几十年来一直难以明确。最近，对完整线粒体基因组和数百个核基因座的分析也得出了类似的模棱两可的结果。在本研究中，我们通过增加分类学广度和利用几个分类群的更高质量的基因组和转录组数据，重新评估十足目关系的假设。我们还采用分析方法来 (1) 识别转录组数据中的污染，(2) 更好地评估模型的充分性，以及 (3) 考虑潜在的偏差。使用这个更大的数据集，我们一致地恢复了一个由 Myopsida（闭眼鱿鱼）、Sepiida（乌贼）和 Oegopsida（睁眼鱿鱼）组成的演化支，它是 Sepiolida（短尾和瓶尾鱿鱼）演化支的姐妹。 Idiosepiida（小鱿鱼）一直被认为是所有采样的十足目谱系的姊妹群。此外，将加权的 Shimodaira-Hasegawa 检验应用于我们的一个较大的数据矩阵，拒绝了这些序数级关系的所有替代方案。目前，可用的核基因组规模数据支持体型相对较大的十足目头足类的嵌套进化枝，但小鱿鱼除外，但需要改进分类单元采样和额外的基因组数据来严格测试这些新假设。
探索提高波兰初级保健医生对疫苗接种支持的因素
在波兰，初级保健医生是有关免疫接种的最常用和最值得信赖的信息来源。我们旨在探索影响儿童免疫接种计划医生对疫苗接种支持的因素，以便为医护人员和计划组织提供教育信息。2017 年 6 月至 7 月，我们对随机选择的初级保健机构的医生进行了一项全国横断面调查，并通过电话对他们进行了采访。我们使用序数标度（0-6）评估对疫苗接种的支持，该标度由三个同等权重的问题组成，问题是关于受访者对计划以及自己和家人疫苗接种的支持。我们还根据对疫苗接种误区的正确答案创建了一个量表（0-3）。我们使用有序逻辑回归来调查独立影响对疫苗接种支持的因素，报告了支持分数每增加一个单位的比例优势比和 95% 置信区间。在联系的 2,609 名受访者中，我们采访了 500 名（19%）。疫苗接种支持评分中位数（0-6）为 5（IQR 2）。调整其他变量后，我们未发现性别、医学专业、遵守建议、参加前一年的会议、使用非科学信息来源和自我评估知识对疫苗接种支持评分有显著影响。年龄超过 60 岁、正确解决疫苗接种误区以及使用一个或多个科学知识来源，显著提高了对疫苗接种的支持（aOR 分别为 1.97、1.57、3.09 和 2.68）。我们建议增加面向从事儿童免疫接种工作的初级保健医生的循证教育材料的数量、质量和可及性。