XiaoMi-AI文件搜索系统
World File Search System影响因素
乳腺癌新辅助化疗后乳腺及腋窝区域完全缓解的影响因素
和百分比，而连续变量则在适当情况下总结为平均值和标准差或中位数（最小值-最大值）。使用 Kolmogorov-Smirnov 检验确认连续变量数据分布的正态性。对于两组之间连续变量的比较，使用学生 t 检验或 Mann-Whitney U 检验，具体取决于统计假设是否成立。进行了单变量和多元逻辑回归分析，以确定预测 NAC 后完全缓解的因素。每个变量都被建模为单变量，不考虑其他变量，并通过多元逻辑回归揭示共同效应。对于对反应具有统计学显着影响的变量，报告了优势比 (OR) 和置信区间 (CI)。
衰减能量电池寿命的衰减模型在电网调度的多个影响因素下
摘要。储能电池在不断变化的工作条件下工作，例如温度，排放深度和排放速率，这将导致电池的严重损失和低利用率，从而导致寿命急剧减弱，并且电池在其使用寿命结束之前经常失败。电池更换会导致储能成本的增加，并为了确保电池在电网复杂工作条件下电池的有效，安全和可靠的操作，需要对电池进行有效管理。电池模型是管理算法的理论基础，生活预测是确保电池安全性的关键技术。鉴于上述实际应用要求，本文根据多参数信息研究了储能电池寿命的动态建模，结果表明，提出的寿命模型准确地反映了多参数信息下的电池寿命。
近期涉及不当行动的运营事件分析：影响因素和根本原因
不当行为（失职错误，EOC）的人为可靠性分析 (HRA) 仍然存在技术差距，尤其是对于具有决策相关动机的行为。传统的基于因素的 HRA 方法通常无法解决这些动机。已经开发了整体分析框架（即 ATHEANA 和 MERMOS），但这些框架依赖于强大的分析师专业知识，并且需要付出巨大努力才能使分析可追溯。本文介绍了失职错误搜索和评估 (CESA-Q) 方法量化模块所依赖的因素框架的应用。该框架应用于 2000 年至 2016 年期间的 14 个运营事件，未用于因素框架开发。这为确认 CESA-Q 因素框架的有效性提供了机会，该框架可以充分表示影响实际运营事件中不当决策的各种情况。在大多数事件中，不当决策的触发条件是操作员可获得的信息，通常是程序指导、人机界面、经验和培训。在这些情况下，通过 CESA-Q 分析确定的主要影响因素（正面和负面）与决策适当性的验证有关。对于另一组事件，不适当的决策是由其他好处的前景驱动的（例如简化工厂控制）。
预测急性缺血性中风早期结果影响因素的机器学习模型：基于登记的研究
背景：及时准确的结果预测在指导急性缺血性卒中的临床决策中起着至关重要的作用。急性期后的早期病情恶化和严重程度是长期结果的决定因素。因此，预测早期结果在急性卒中管理中至关重要。然而，解释预测并将其转化为临床可解释的概念与预测本身一样重要。目的：这项工作专注于机器学习模型分析在预测缺血性卒中早期结果中的应用，并使用模型解释技巧来解释结果。方法：招募 2009 年在长庚医疗系统卒中登记处 (SRICHS) 登记的急性缺血性卒中患者，对两个主要结果进行机器学习预测：出院时的改良 Rankin 量表 (mRS) 和住院期间病情恶化。我们将 4 种机器学习模型，即支持向量机 (SVM)、随机森林 (RF)、轻梯度提升机 (LGBM) 和深度神经网络 (DNN) 与受试者工作特征曲线的曲线下面积 (AUC) 进行了比较。此外，3 种重采样方法，即随机欠采样（RUS）、随机过采样和合成少数过采样技术，处理了不平衡数据。模型基于特征重要性排序和 SHapley 加性解释（SHAP）进行解释。结果：RF 在两种结果中均表现良好（出院 mRS：平均 AUC 0.829，SD 0.018；院内恶化：原始数据上的平均 AUC 0.710，SD 0.023，对于不平衡数据，使用 RUS 重采样数据上的平均 AUC 0.728，SD 0.036）。此外，DNN 在预测未重采样数据的院内恶化方面优于其他模型（平均 AUC 0.732，SD 0.064）。总体而言，重采样对使用不平衡数据预测院内恶化的模型性能的改善有限。从美国国立卫生研究院卒中量表 (NIHSS) 获得的特征、白细胞分类计数和年龄是预测出院 mRS 的关键特征。相反，NIHSS 总分、初始血压、是否患有糖尿病以及血象特征是预测住院期间病情恶化的最重要特征。SHAP 摘要描述了特征值对每个结果预测的影响。结论：机器学习模型在预测早期卒中结果方面是可行的。丰富的特征库可以提高模型性能。初始神经系统水平和年龄决定了出院时的活动独立性。此外，
南大西洋海上风电累积影响情景中的影响因素
环境质量委员会 (CEQ) 为执行《国家环境政策法》 (NEPA) 而制定的法规将累积效应定义为“该行动与其他过去、现在和合理可预见的未来行动相加所产生的增量对环境的影响，无论哪个机构（联邦或非联邦）或个人采取了此类其他行动。”（40 CFR §1508.7）因此，NEPA 要求各机构不仅要考虑特定行动对环境资源的增量直接和间接影响，还要考虑该行动与其他行动结合产生的累积效应。累积效应分析的目的是确保决策者充分考虑拟议行动的后果（CEQ 1997）。
研究文章关于岩石隧道平滑爆破质量的影响因素的数值研究
te平滑爆破的质量，包括广泛认为与钻孔方法所发掘的岩石隧道的成本和进步率高度相关的周围岩石的过度/爆炸引起的损坏的体积。由于岩石质量的不确定性和复杂性以及不同的爆破操作，用于平滑爆破的一般控制策略非常困难。作为评估爆破质量的先决条件，对影响平滑爆破的影响力因素的有效识别通常在改善平滑爆破设计的情况下起着重要作用。与昂贵且耗时的实验（包括物理建模和场测试）相比，数值建模，作为一种成本效果方法，是一种有吸引力的替代方法，可以在重量方面调查影响力因素，这可能更适用，并且可以更适用于光滑爆破参数的优化。在这种情况下，可以定量识别主要因素和次要因素。考虑主要因素通常使事物的发展取向；在这项工作中，提出了一种基于数值的方法来定量确定影响平滑爆破质量的主要因素。提出的3维爆破建模基于LS-DYNA，以模拟岩石质量平滑爆破的发生，并且还采用了侵蚀算法来确定接头岩石的破裂。te正交实验设计方法用于优化实验布置。七个具有4个水平的因素，包括外围孔间距，电阻最小，电荷浓度，充电爆炸性，岩石质量类型，爆炸速度和钻孔偏差。te地质环境和项目背景的真正岩石隧道的高速铁路被选为进行数值研究的现场条件。根据观察到的参数表明平滑爆破的质量来确定基于正交实验的范围分析的因素的敏感性，计算出的面积和过度距离。 te结果表明，岩体的类型对爆破质量具有最大的影响，而电荷浓度和爆炸速度可以视为特定部位条件下的次要因素。 te提出的用于评估指定地质条件下平滑爆破质量的影响的数值方法有望改善实际应用中平滑爆破的参数设计和运行。计算出的面积和过度距离。te结果表明，岩体的类型对爆破质量具有最大的影响，而电荷浓度和爆炸速度可以视为特定部位条件下的次要因素。te提出的用于评估指定地质条件下平滑爆破质量的影响的数值方法有望改善实际应用中平滑爆破的参数设计和运行。
确定受心脏病影响患者的数字心脏康复及其影响因素的接受
摘要：背景：心脏病是全球健康问题，受影响人的患病率越来越多。心脏事件后的康复效果不足，尽管有效。数字干预措施可能是传统心脏康复的有用补充。目的：本研究旨在评估移动健康（MHealth）心脏康复的接受，并研究缺血性心脏病和充血性心力衰竭患者接受的潜在因素。方法：从2021年11月至2022年9月进行了横断面研究，n = 290例患者。社会人口统计学，医学和与eHealth相关的数据。应用了统一的技术接受和使用理论（UTAUT）。的群体差异，并进行了多个分层回归分析。结果：MHealth心脏康复的总体接受度很高（M = 4.05，SD = 0.93）。患有精神疾病的个体报告的接受程度明显更高（t（288）= 3.15，p adj = 0.007，d = 0.43）。抑郁症状（β= 0.34，p <0.001）;数字置信（β= 0.19，p = 0.003）;绩效期望值（β= 0.34，p <0.001），预期努力（β= 0.34，p <0.001）和社会影响（β= 0.26，p <0.001）的UTAUT预测因素（β= 0.34，p <0.001）显着预测了接受。扩展的UTAUT模型解释了接受差异的69.5％。结论：由于接受与MHealth的实际使用有关，因此本研究中发现的高水平的接受度是未来在心脏康复中实施创新的MHealth提供的有前途的基础。
一项关于中国教师对TVET的数字能力的评估和影响因素的实证研究
TVET（技术和职业教育和培训）老师的数字能力是TVET数字开发的关键。提高TVET教师的数字能力对于加速TVET的数字化转型过程至关重要。但是，关于TVET数字能力的研究仍然很少。这项研究的目的是描述中国教师对TVET的数字能力的自我认知。为此目的，基于中国TVET的发展特征，在中国建立了一种标准的TVET教师数字能力系统，包括数字思维方式和态度，数字知识和技能，数字教育和教学，数字护理和支持，数字协作与发展。基于此，开发了一种评估工具，以调查中国2,514名在职的TVET教师的当前能力状况。结果表明，能力系统是衡量中国TVET教师数字能力的有效工具，除性别外，其他内部和外部因素对教师的数字能力有不同程度的影响。根据这项研究的结果，提出了不同的建议来培训TVET教师的数字能力。
贷款决策和影响因素的行为分析中国的新农业运营实体
农业产业的固有脆弱性大大限制了新的农业运营实体可用的融资渠道。获得信贷贷款的机会是解决农民之间资本短缺并增强生产投入的关键手段。利用来自17,745个新的农业运营实体的调查数据，从事卢an市，安海省的粮食生产以及中国家庭财务调查数据库中记录的农业家庭，采用Logit模型和Heckman选择模型，以实证分析这些贷款模型，从而分析了这些贷款决策行为，从两个角度分析了这些模型。研究表明，几个关键变量对谷物生产者的借贷意愿产生了重大积极影响。具体来说，种植区域范围，每公顷投入范围，投资回报率，合作社的会员资格以及作为家庭农场的运营都尤其增强了他们寻求贷款的意愿。相反，每公顷净收入和种植的农作物数量大大减少了借贷的倾向。此外，男性经营者和具有较高教育背景的人表现出更强的获得贷款的意愿。此外，该研究表明，合作社的种植区和成员资格也与这些农业运营实体确保的贷款规模呈正相关。因此，从粮食安全的角度来看，培养产生粮食的新农业运营实体至关重要。这需要重点关注财务支持的反周期性调整，在低投资回报率的年份中增加信贷支持。此外，有必要开发多种形式的中等规模的运营，增强政策支持，并增强产生新的农业运营实体的生产热情。
原文：儿童糖尿病患者骨科手术后恶心呕吐影响因素调查
背景：术后恶心呕吐 (PONV) 是儿科患者，尤其是接受骨科手术的糖尿病患者常见的并发症。本研究旨在调查导致这一脆弱人群发生 PONV 的因素。方法：对 100 名接受骨科手术的儿童糖尿病患者进行了一项前瞻性观察研究。收集了人口统计学、糖尿病持续时间和控制情况、麻醉类型、阿片类药物使用情况和止吐预防等数据。评估了术后 PONV 的发生率。结果：PONV 的发生率为 38%，与女性 (p=0.02)、血糖控制不佳 (p=0.01)、糖尿病持续时间较长 (p=0.03) 和使用全身麻醉 (p=0.04) 有显著相关性。术中接受阿片类药物治疗的患者 PONV 发生率较高 (p=0.01)，而接受预防性止吐药治疗的患者 PONV 发生率明显较低 (p=0.03)。结论：PONV 在接受骨科手术的儿童糖尿病患者中很常见，受多种可改变和不可改变因素的影响。量身定制的围手术期策略，包括使用局部麻醉和止吐预防，可能会降低此类人群的 PONV 发生率。