XiaoMi-AI文件搜索系统
World File Search System抽样误差
医学院学生的知识，态度和实践
地址：巴西Alagoas的Maceió：Laercio.fachin@cesmac.edu.br摘要简介：糖尿病Mellitus（DM）代表一组具有各种病因的代谢疾病，其特征在于高血糖。对于医学生，关于糖尿病及其并发症的知识水平更高，这是必要的，因为它们是患者的主要信息来源。因此，有必要在东北首都大学中心的寄宿学校董事会期间评估学生的知识水平，以管理各种护理状况中的糖尿病患者的管理。方法论：该研究被归类为观测和横向分析类型的主要定量。是通过计算通过在线问卷制备收集的数据来进行的。结果与讨论：高层机构的医学院已有360名学生参加了寄宿学校。但是，问卷的回答仅达到了80名参与者，置信度为95％，样本误差为10％。其中有77.5％的对问卷的学生的糖尿病患者的安全或建议进行糖尿病患者。根据数据，有81.3％的参与者认为自己能够开始治疗并扩展口服抗糖尿病的使用。结论：鉴于获得的数据，研究对学生对糖尿病患者的绩效的重要性是臭名昭著的，因为问卷中提到的点是很容易发生在未来的专业人员身上的情况。Palavras-Chave：Manejo的InternatoMédico的Estudantes de Medicina糖尿病。摘要简介：糖尿病（DM）代表一组具有多种病因的代谢疾病，其特征是高血糖。对于医学生，需要更高水平的糖尿病知识及其并发症，因为它们是患者的主要信息来源。因此，在东北一个首都的一个大学中心的医疗实习期间，必须评估学生的知识水平，以了解在不同护理概况中糖尿病患者的管理。方法论：进行的研究被归类为主要定量，观察性和横截面分析类型。是通过通过开发在线调查表收集的数据来执行的。结果和讨论：高等教育机构的医疗课程已有360名学生参加了实习。但是，只有80名参与者对问卷做出了回应，导致95％的置信度和抽样误差为10％。对问卷的回答的学生中有77.5％对糖尿病患者采取或建议采取行动有信心。根据数据，有81.3％的参与者认为自己能够启动治疗并升级口服抗糖尿病药。结论：鉴于获得的数据，研究的重要性
解释模型
人们通常必须在太复杂的环境中做出决定，无法理解。政策制定者评估其潜在治疗效果的社会计划是异质性，高度非线性或溢出的社会计划。监管机构为复杂的人工智能模型设计规则，而在社会中部署了这些模型，而没有真正知道这些模型的工作方式。对决策者的有用是多么有用，可以理解其环境的解释？在本文中，我们通过考虑决策者（此后DM）的问题来研究这个问题，该决策者遇到了一个太复杂而无法理解的模型，而必须依靠对其进行解释。DM的收益取决于其行动和世界状态，在这些行动和输入中描述了后者。输入遵循已知分布，单个真实模型指定输入和输出之间的关系。例如，这种真实的模型可能是自然界中发生的相关数据生成过程（DGP），或者是由复杂的人工系统（例如大型统计或人工智能（AI）模型）引起的DGP。我们设置的关键新颖特征是，真实模型的空间比DM可以理解的可理解模型的空间大得多。例如，真实模型的空间可能包含所有深神经网络，但是可理解模型的空间可能仅包含n级多项式。要使DM将有关真实模型的信息合并到其选择的选择中，必须首先通过将其映射到可理解的模型来解释真实模型。同样，regu-将重点放在DM中掩盖模型的主要因素上，我们抽象出可能在此解释过程中涉及的任何抽样误差。我们需要遵守两个标准的真实模型空间和可理解模型的空间（我们称为解释器）之间的映射。首先，如果真实模型已经可以理解，则解释器不应用不同的模型来解释它。第二，如果真实模型是由独立于状态的随机设备生成的两个模型的混合物（例如，一个模型持有一半的时间；另一个模型，另一半），则真实模型的解释应该是这两个模型的解释的混合。一起，这些标准等于解释器是对可理解模型空间的真实模型的线性投影。此类包含用于解释模型的大多数工具，包括政策评估中的线性回归和机器学习中的本地近似值。本文的设置捕捉了许多情况，在这些情况下，决策者面对需要解释的符合模型。，例如，决策者经常评估其治疗效果（输出）取决于受影响人群（输入）的人口特征（输入）（真正的模型），而决策者必须选择要实施的程序（行动）。