XiaoMi-AI文件搜索系统
World File Search System文献检索
本文档可供全球研究人员免费查阅
文献检索提供了 83 项研究，其中对条件估值 (CV) 和显示偏好 (RP) 估计进行了 616 次比较。提供了完整数据集、5% 修剪数据集和加权数据集的 CV/RP 比率的汇总统计信息，加权数据集对每项研究而不是每个 CV/RP 比较赋予了相同的权重。对于完整数据集，样本平均 CV/RP 比率为 0.89，95% 置信区间为 [0.81-0.96]，中位数为 0.75。对于修剪和加权数据集，这些汇总统计信息分别为 (0.77; [0.74~0.81]; 0.75) 和 (0.92; [0.81-1.03]; 0.94)。三个数据集的 CV 和 RP 估计值之间的 Spearman 等级相关系数分别为 0.78、0.88 和 0.92，Pearson 相关系数稍大一些。提供了非参数密度估计，以及观察到的 CV /RP 比率对所使用的基本 RP 技术和所估价的广泛商品类别的回归结果。
梅兰妮·古利
威康基金会桑格研究所 – 硕士论文 使用 prime editing 随机化基因调控区域 通过分析全基因组染色质数据集并将研究结果与文献检索相结合，确定了有趣的增强子区域。 使用 CRISPR prime editing 将多个重组酶识别序列插入这些基因的增强子簇中。 创建了具有稳定 prime editor 表达的细胞系，可实现 loxP 位点 80% 以上的插入效率（这些细胞系现在被实验室中的其他人广泛使用）。 在实验室中建立了具有 Cas9 富集的靶向牛津纳米孔测序。 与帝国理工学院的一个团队合作学习该方法。 在 2022 年国际哺乳动物合成生物学会议上以海报形式展示了我的工作。 2021 年 11 月 12 日，法国斯特拉斯堡
如何引用 Karlstrøm, H. (2024) “人工智能和机器学习在教育研究系统评价中的应用”。《伦敦教育评论》，22 (1)，40。DOI：https://doi.org/10.14324/LRE.22.1.40。
科学出版的速度和数量正在加快，无论是作者数量还是每位作者的出版物数量。同时，在教育领域动荡时期，对知识综合和传播的需求也在增加。对于教育领域的系统评论者来说，这带来了一个挑战，即如何在不排除太多可能相关的研究和处理越来越大的文献检索语料库之间取得平衡。在领域内或跨领域手动总结和综合知识的努力越来越受到资源或范围的限制，但关于自动审查程序的覆盖范围和质量的问题仍然存在。本文提出了将计算文本分析整合到当前教育研究审查实践中的理由。它提出了一个框架，用于在系统评论的传统工作流程的各个阶段结合计算技术进行自动内容分析，以扩大其范围或提高有效性。同时，它警告不要天真地使用模型
医学生对 COVID-19 疫苗的犹豫
数据收集工具和技术 纳入标准包括 2020 年至 2021 年期间发表的专门调查医学生对 COVID-19 疫苗犹豫的研究。排除标准包括调查医疗专业人员、辅助医疗和 COVID-19 以外病毒对疫苗犹豫的研究。我们调查了以下参数：报告的疫苗犹豫率、对接触 COVID-19 风险的自我认知、COVID-19 疫苗的接受率、疫苗犹豫的原因和决定因素以及动机因素。两位作者（KV 和 SM）进行了文献检索，另一位作者（NNH）验证了数据。我们使用纽卡斯尔-渥太华量表 [附录 A] 进行了质量评估。该量表评估非随机研究的质量。它由八个项目组成，有三个分量表，三个子集中的每个子集的总最高分为 9 分。7 分或以上被认为是高质量研究。
![数字前门技术用于在 NHS 谈话疗法评估之前对患者进行预评估 [HTE10052]：早期价值评估最终方案 Co](/simg/9\9451a76dc85cd8b64b56e1f442b4adbc7c584485.webp)
数字前门技术用于在 NHS 谈话疗法评估之前对患者进行预评估 [HTE10052]：早期价值评估最终方案 Co
目录 ................................................................................................................................ 3 1 决策问题 ...................................................................................................................... 4 1.1 目的 ...................................................................................................................... 4 1.2 目标 ...................................................................................................................... 4 1.3 宗旨 ...................................................................................................................... 4 1.4 人群 ...................................................................................................................... 5 1.5 干预 ...................................................................................................................... 5 1.6 对照 ...................................................................................................................... 5 1.7 结果 ...................................................................................................................... 6 1.8 时间范围 ................................................................................................................ 6 2 数据收集方法 ................................................................................................................ 7 2.1 证据审查：系统文献检索策略 .......................................................................... 7 2.2 证据审查：研究选择 .......................................................................................... 7 2.3 证据审查：数据提取策略 .......................................................................... 8 2.4 证据审查：质量评估策略........................................................... 9 2.5 公司提供的信息 .................................................................................... 9 2.6 从 SCM 和其他关键利益相关者收集证据 .............................................................. 9 3 分析和综合方法 ................................................................................................ 10 3.1 确定的收益和成本证据 ................................................................................ 10 3.2 确定的经济证据 ............................................................................................. 10 3.3 差距分析 ............................................................................................................. 11 3.4 其他考虑事项 ................................................................................................ 11 4 作者的利益冲突 ...................................................................................................... 11 5 处理机密信息 ......................................................................................................11 6 里程碑 ................................................................................................................................ 11 7 参考文献 .............................................................................................................................. 12 8 附录 ................................................................................................................................ 13 8.1 附录 1 本 EVA 中包含的数字前门技术 ........................................................ 13 8.2 附录 2 MEDLINE 搜索策略示例 ...................................................................... 16
免疫重建炎症综合征-NJM
免疫重建炎症综合征 (IRIS) 在 HIV 感染患者亚群中发生，该综合征是在开始抗逆转录病毒疗法 (ART) 后出现的。本综述旨在描述 IRIS 的免疫发病机制、风险因素、诊断问题、治疗和预防。进行了文献检索，最终选择了 15 篇近期文章。IRIS 的免疫发病机制的特征是免疫系统恢复失衡，导致病理性炎症。风险因素包括基线 CD4 细胞计数低、病毒学反应良好、机会性感染的抗原负担增加以及机会性感染后早期开始 ART。IRIS 的鉴别诊断很复杂。治疗方案包括停止 ART、皮质类固醇或病原体特异性治疗。诊断可能很困难，因为 IRIS 可能表现出多种临床表现。采用一个病例定义并开展更多关于 IRIS 诊断和治疗的研究是未来研究的重要建议。
AGORA2：大规模微生物组重建凸显广泛的药物代谢能力
人类微生物组影响着各种常用处方药的功效和安全性，但缺乏全面的系统级方法来研究药物-微生物组相互作用。在这里，我们提出了一种人类微生物基因组规模重建的计算资源，称为 AGORA2，它涵盖了 7,206 种菌株，包括微生物药物降解和生物转化，并根据比较基因组学和文献检索进行了广泛的整理。AGORA2 是人类微生物组的知识库和代谢建模资源。我们通过在单一菌株和成对模型中机械地模拟微生物药物代谢能力来证明后者。此外，我们预测了 616 名结直肠癌患者和对照组中个体特异性药物转化潜力。该分析表明，某些药物激活能力仅存在于一小部分个体中，而且药物转化潜力与临床参数相关。因此，AGORA2 为个性化、预测宿主-药物-微生物组相互作用分析铺平了道路。
湿性 AMD 的疾病进展途径
简介：老年性黄斑变性 (AMD) 是发达国家 60 岁或以上人群不可逆失明的主要原因。目前，抑制血管生成和血管通透性的抗血管内皮生长因子 (VEGF) 疗法是唯一被证实可以提高视力和阻止疾病进展的治疗方法。抗 VEGF 疗法的治疗局限性包括成本高、玻璃体内反复注射、治疗上限以及尽管积极治疗，视力结果仍会恶化。因此，迫切需要研究其他靶点来解决这些局限性。目前正在研究的分子包括靶向 VEGF-C 和 VEGF-D、整合素、酪氨酸激酶抑制剂和 Tie2/血管生成素-2 通路。截至 2021 年 11 月 30 日，我们在 PubMed、Medline、Google Scholar 和相关数字平台上进行了文献检索，关键词如下：湿性黄斑变性、年龄相关性黄斑变性、治疗、VEGF-A、VEGF-C、VEGF-D、整合素、Tie2/Ang2 和酪氨酸激酶抑制剂。
人工智能在篮球运动中的应用
篮球运动是全球最受欢迎的运动项目之一，其相关产业也产生了巨大的经济效益。近年来，人工智能（AI）技术在篮球运动中的应用引起了大量关注。我们通过文献检索，对AI在篮球运动中的应用研究进行了全面的综述。目前的研究主要集中在篮球队和球员表现的AI分析、比赛结果预测、投篮分析预测、AI教练系统、智能训练机与竞技场、运动伤害预防等方面。大多数研究表明，AI技术可以提高篮球运动员的训练水平，帮助教练制定合适的比赛策略，预防运动伤害，提高比赛观赏性。同时也发现，发表的论文数量和水平相对有限。我们认为AI在篮球运动中的应用还处于起步阶段。我们呼吁相关行业加大这方面的科研投入，推动篮球运动水平的提高，让篮球运动在世界范围内的普及和发展越来越精彩。
正念练习对运动表现相关参数和表现结果的影响：一项荟萃分析综述
摘要背景正念作为一种面向当下的心理训练形式，它影响着认知过程，并且越来越多地被认为对运动心理训练方法有意义。然而，很少有干预研究检查过正念练习对生理和心理表现替代指标或运动表现结果的影响。目的本荟萃分析综述的目的是检验正念练习或基于正念的干预对15岁以上运动员的生理和心理表现替代指标以及运动表现结果的影响。数据来源在六个电子数据库（CINAHL、EMBASE、ISI Web of Knowledge、PsycINFO、MEDLINE 和 SPORTDiscus）中进行了结构化文献检索。使用了以下搜索词和布尔连接词：(mindful* OR meditat* OR yoga) AND (sport* OR train* OR exercis* OR intervent* OR perform* OR capacity OR skill*) AND (health* OR adult* OR athlete*)。研究选择随机和非随机对照研究，比较正念练习技术作为干预措施与非主动控制或继另一项心理训练之后的对照