XiaoMi-AI文件搜索系统
World File Search System情绪
探索奥美拉唑治疗小鼠的情绪变化
摘要抑郁症被认为是社区中最常见的主要健康障碍之一，根据世界卫生组织（WHO）的数据，大约 3.8％ 的人口患有抑郁症。不包括其他精神和精神疾病，利比亚的抑郁症患病率为 23.68％。很少有研究和实验关注抑郁症的药物理学原因的重要性。研究人员将注意力转向质子泵抑制剂（PPI）与抑郁和自杀企图之间的关联，PPI 被认为是最常见的处方药之一，在一些国家可以无需处方出售。研究的目的是评估奥美拉唑对实验动物可能产生的类似抑郁的影响。行为测试：使用悬尾试验（TST）、强迫游泳试验（FST）和蔗糖偏好试验（SPT）评估雄性瑞士白化小鼠在服用奥美拉唑（40 mg/kg）15 天后的不同行为变化。根据我们的研究结果，奥美拉唑 (40 mg/kg) 对悬尾试验和强迫游泳试验有显著影响 (p < 0.01)，并且这两项试验的静止时间都更长。奥美拉唑显著降低了快感缺乏症的指标——蔗糖偏好 (p 值 < 0.01)。对体重数据进行单因素方差分析表明，它并不显著 (p > 0.05)。本研究中观察到的类似抑郁的影响引发了人们对长期使用奥美拉唑的担忧，尤其是对于可能长期服药的患者。然而，支持证据仍然有限，需要进一步研究才能全面了解这些药物对心理健康的影响。引用此文章。Elbadri S、Elmasalti A、Elzulitini K。酸抑制的阴暗面：探索奥美拉唑治疗小鼠的情绪变化。利比亚班加西大学医学院药理学系。Alq J Med App Sci。2024；7（4）：1531-1539。https://doi.org/10.54361/ajmas.247486 引言抑郁症是社区中最常见的主要健康障碍之一，根据世界卫生组织 (WHO) 的数据，约有 3.8% 的人口患有抑郁症。每年约有 70 万人死于自杀]1[。一项新的研究显示，利比亚抑郁症的患病率为 23.68%，不包括其他精神和精神疾病]2[。抑郁症的临床特征因人而异，从轻微和暂时的症状到严重
使用正/负面情绪Atlas
饮食中与健康个体积极和负面情绪相关的激活区域，从而创造了积极的情绪地图集（豌豆）和负面情绪地图集（NEA）。，我们使用这些地图集检查了抑郁症患者的神经影像变化，并根据机器学习评估了他们的诊断性能。结果：我们的发现表明，基于PEA和NEA的抑郁症患者的分类准确性超过0.70，与整个脑图相比，这是一种提高。此外，ALFF分析在NEA期间在八个功能簇中揭示了抑郁症患者与健康对照组之间的特殊差异，重点是左轴心，扣带回和上顶叶。在很重要的情况下，豌豆在15个簇中揭示了更明显的差异，其中涉及右fu型回，帕拉希帕克胶回和下顶叶下叶。结论：这些发现使情绪调节和抑郁症之间的复杂相互作用揭示了抑郁症患者的PEA和NEA的显着变化。这项研究增强了我们对抑郁症中情绪调节的理解，对诊断和治疗评估产生了影响。
国际危机与风险传播研究期刊ISSN：2576-0017 2024，第7卷，没有S9检查护士情绪之间的关系
目的：本研究旨在研究护士的情绪智力与与患者在沙特阿拉伯Hafr al-Batin社区心理健康中心建立治疗联盟的能力之间的关系。方法：使用了横断面调查设计。92名注册护士完成了特质情感智能问卷调查表格（TEIQUE-SF）和工作联盟库存 - 简单表格（WAI-S）。Pearson的相关性和多次回归分析进行了研究，以检查情绪智力和治疗联盟之间的关系。结果：在护士的全球情绪智力与与患者建立治疗联盟的能力之间发现了显着的正相关（r = 0.68，p <0.001）。情绪智力的情绪和社交因素显着预测了治疗联盟（β= 0.31，p = 0.007；β= 0.42，p <0.001）。在情绪智力和治疗联盟的福祉和自我控制因素之间没有发现显着相关性。
自我赋权与患者情绪智力的关系
摘要 糖尿病（DM）管理的主要问题是患者承受巨大的情感和认知负担，这使他们容易受到各种心理问题的影响。糖尿病患者经常面临焦虑、压力、恐惧和内疚等情感问题。自我赋权在帮助患者有效管理病情和提高应对疾病的情商方面发挥着重要作用。本研究旨在分析 RSD 医院 2 型糖尿病患者的自我赋权与情绪智力之间的关系。苏班迪·詹贝尔。本研究采用横断面分析观察设计，采用连续抽样技术，涉及 112 名受访者。分别使用糖尿病赋权量表长表（DES-LF）和特质情绪智力问卷短表（TEIQUE-SF）工具来评估自我赋权和情绪智力。数据分析采用皮尔逊相关性进行，显著性水平为 0.01。结果显示，自我赋权的平均值为52.96（SD=±2.8），情绪智力的平均值为152.53（SD=±20.8）。研究发现，自我赋权与情商之间存在很强的正相关关系（p 值 = 0.000，r = 0.999）。自我赋权水平越高，2 型糖尿病患者的情商就越高。这一发现强调了提高 2 型糖尿病患者的情商的重要性。关键词：2 型糖尿病、情商、自我赋权
用于情绪检测的混合量子深度学习模型
摘要：行为研究、人机交互和心理健康方面的应用取决于识别情绪的能力。为了提高使用脑电图 (EEG) 数据进行情绪识别的准确性，本研究提出了一种混合量子深度学习技术。传统的基于 EEG 的情绪识别技术受到噪声和高维数据复杂性的限制，这使得特征提取变得困难。为了解决这些问题，我们的方法将传统的深度学习分类与量子增强特征提取相结合。为了识别重要的脑电波模式，带通滤波和 Welch 方法被用作 EEG 数据的预处理技术。通过将频带功率属性 (delta、theta、alpha 和 beta) 映射到量子表示，可以捕获确定情绪状态所必需的复杂带间相互作用。在混合量子电路中使用纠缠和旋转门来最大化模型对与不同情绪相关的 EEG 模式的灵敏度。对测试数据集的评估结果表明该模型具有准确识别情绪的潜力。未来研究将扩展该模型以用于实时应用和多类别分类，从而改进基于 EEG 的心理健康筛查工具。该方法展示了将传统深度学习与量子处理相结合以实现可靠、可扩展的情绪识别的可能性，为自适应人机系统和心理健康监测应用提供了一种有前途的工具。
原创文章 基于脑电图的情绪状态分类降维技术的比较分析
摘要：目的：本研究旨在评估各种降维方法（包括主成分分析 (PCA)、拉普拉斯评分和卡方特征选择）对脑电图 (EEG) 数据集分类性能的影响。方法：我们应用了降维技术，包括 PCA、拉普拉斯评分和卡方特征选择，并使用线性回归、K 最近邻 (KNN) 和朴素贝叶斯分类器评估了它们对 EEG 数据分类性能的影响。对模型的分类准确性和计算效率进行了评估。结果：我们的研究结果表明，所有降维策略通常都能提高或保持分类准确性，同时减少计算负荷。值得注意的是，PCA 和 Autofeat 技术可提高模型的准确性。结论：使用降维技术可以通过减少计算需求而不影响准确性来增强 EEG 数据分类。这些结果表明，这些技术有可能应用于既需要计算效率又需要高精度的场景。本研究中使用的代码可在https://github.com/movahedso/Emotion-analysis找到。
数字技术对青少年情绪和认知的影响
CSUSB ScholarWorks 研究生院免费向您提供该项目，供您开放访问。该项目已被 CSUSB ScholarWorks 的授权管理员接受，可纳入电子论文、项目和学位论文。如需更多信息，请联系 scholarworks@csusb.edu 。
探索体育锻炼的作用，影响青少年的情绪调节和心理健康
摘要摘要本研究论文探讨了青少年的体育活动，情绪调节和心理健康之间的复杂关系，这是通过基于Catharsis理论的深入内容分析以及压力和应对的交易理论。它强调了体育锻炼是青少年管理情绪和心理健康的最佳实践，确定了关键主题，突出了其在增强情绪调节技能以及减少愤怒，焦虑和抑郁症中的作用。宣泄理论建议体育活动释放负面情绪，而交易理论探讨了青少年如何感知和对压力源的反应。强调体育活动对情绪调节和心理健康的积极影响，倡导将这些计划整合到教育环境中以提供必要的应对能力。尽管需要进一步的研究，但本文通过综合先前的研究并强调了体育锻炼的潜力，以增强青少年的能力，以控制压力，减轻焦虑和抑郁，并建立积极的应对策略，以使健康的生活方式成为成年。
