XiaoMi-AI文件搜索系统
World File Search System显著
附件_IV 显著技术特点 BESS_10GWh.docx
项目名称：NTPC 热电站 2500 MW/10000 MWh BESS。 项目总容量：2500 MW/10000 MWh 每个电站的容量：500MW/2000 MWh。 暂定最小投标规模：250 MW 1000 MWh。 （每个电厂两个 250 MW 区块。所有容量在 400KV/220 KV 互连点测量）BESS 使用寿命 BESS 的设计使用寿命为 20 年，适用于日常单循环运行。本项目范围包括 10 年的运营和维护。 衰减额定项目容量必须在调试期间进行演示，并应在运行的第一年保持。每日放电量和年度往返效率应按年度下降。
泛人类共识基因组显著提高 RNA 测序分析的准确性
1 冷泉港实验室，美国纽约州冷泉港；2 威尔康奈尔医学科学研究生院计算生物学和医学三机构博士项目，美国纽约州纽约；3 加文-魏茨曼细胞基因组学中心，加文医学研究所，新南威尔士州达令赫斯特；4 新南威尔士大学医学科学学院，新南威尔士州悉尼
基于显著性的脑电情绪估计特征融合模型
摘要 — 在评估情绪的不同方式中，代表大脑电活动的脑电图 (EEG) 在过去十年中取得了令人鼓舞的成果。EEG 的情绪估计有助于某些疾病的诊断或康复。在本文中，我们提出了一个双重模型，考虑了 EEG 特征图的两种不同表示：1) 基于顺序的 EEG 频带功率表示，2) 基于图像的特征向量表示。我们还提出了一种创新方法，根据基于图像的模型的显着性分析来组合信息，以促进两个模型部分的联合学习。该模型已在四个公开可用的数据集上进行了评估：SEED-IV、SEED、DEAP 和 MPED。对于三个提出的数据集，所取得的结果优于最先进方法的结果，标准差较低，反映了更高的稳定性。为了可重复性，本文提出的代码和模型可在 https://github.com/VDelv/Emotion-EEG 获得。
SBTi FLAG 和 CSRD 显著减少碳排放
通过选择 Donau Soja 认证的大豆，企业可以根据原始数据显著减少其范围 3 排放 最新的 Donau Soja LCA 结果证实了 Donau Soja 认证大豆的卓越碳足迹，为通过认证大豆大幅减少企业碳足迹 (CCF) 提供了强有力的机会。 通过将 Donau Soja 认证的大豆整合到您的供应链中，您的公司可以显著抑制其范围 3 排放，以满足森林、土地和农业科学减碳倡议 (SBTi FLAG)、企业可持续发展报告指令 (CSRD)、企业可持续发展尽职调查指令 (CSDDD) 等。 Donau Soja 的卓越二氧化碳减排效果 Donau Soja 认证的大豆可显著减少二氧化碳：与未经认证的巴西大豆相比，二氧化碳足迹降低高达 90%，比未经认证的欧洲大豆或来源不明的大豆排放量降低约 60%。新的 Donau Soja 数据可独立于种植国使用。这简化了产品碳足迹 (PCF)、大豆供应链和 CCF 排放量的计算。
原创研究 D-TACE-HAIC、仑伐替尼和 PD-1 抑制剂联合治疗对 2019 年美国癌症协会 (ASCO) 癌症研究项目 (CSCO) 的 10 项研究均获得了显著的临床疗效。
目的：本研究旨在比较D-TACE-HAIC+仑伐替尼+PD-1抑制剂联合治疗与TACE+索拉非尼治疗中晚期HCC患者的疗效。患者与方法：回顾性分析我院2018年3月至2022年3月间接受经肝动脉化疗栓塞术（TACE）治疗的无法切除的HCC患者。共60例患者接受药物洗脱珠-TACE-肝动脉灌注化疗（D-TACE-HAIC）联合仑伐替尼和PD-1抑制剂治疗（A组），21例患者接受TACE和索拉非尼联合治疗（B组）。结果：在本研究队列中，A组的手术中转率明显高于B组（33.3% vs 9.5%）。按照修订的实体肿瘤临床疗效评价标准（mRECIST）标准，A组客观缓解率显著高于B组（86.6% vs 33.4%）。A组总体不良事件发生率也显著高于B组，包括高血压、腹痛、白细胞减少、血小板减少、低蛋白血症，但A组手足综合征的发生率显著低于B组（13.3% vs 42.8%）。A组患者的中位无进展生存期和总生存期（PFS和OS）分别为13.2个月和28.8个月，均显著高于B组（分别为5.7个月和10.8个月）。Cox多变量分析显示，D-TACE-HAIC+仑伐替尼+PD-1抑制剂联合治疗与患者PFS和OS独立相关。结论：总之，对于不可切除的肝细胞癌患者，D-TACE-HAIC + lenvatinib + PD-1 抑制剂治疗具有良好的安全性，优于 TACE + 索拉非尼治疗，同时提高了总的转化有效率，增加了手术转换率，延长了患者的生存期，并带来了长期生存益处。关键词：不可切除的肝细胞癌，药物洗脱珠-经动脉化疗栓塞-肝动脉灌注化疗，临床疗效，预后
b“季度回顾 \xe2\x80\xa2 截至 2024 年 12 月 31 日的季度，摩根大通美国股票策略表现不及基准标准普尔 500 指数。 \xe2\x80\xa2 在医疗保健领域，我们对 Regeneron Pharmaceuticals 的增持导致业绩下滑。Regeneron 的股票表现下滑主要是由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的季度收入和收益增长，但 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。该公司的财务业绩显示收入同比增长和收益增加，但这些积极的结果被市场对 Eylea 未来的担忧所掩盖。 \xe2\x80\xa2 在非必需消费品领域，我们对特斯拉汽车的减持导致业绩下滑。公司报告盈利稳健，由于成本降低和生产效率提高，毛利率和盈利能力有所改善。值得注意的是，特斯拉在其 Cybertruck 部门实现了盈利，并宣布了推出新款平价车型的计划。该公司推动对无人监管的全自动驾驶汽车进行国家监管，以及 2024 年美国总统大选对监管前景的影响进一步影响了股价表现。\xe2\x80\xa2 在金融方面，我们对富国银行的增持有助于提高业绩。由于投资者对放松管制和可能取消资产上限的乐观情绪，富国银行的股票表现有所改善。该公司报告的净收入和每股收益较上一季度增加，费用收入增长抵消了净利息收入的阻力。\xe2\x80\xa2 在信息技术领域，我们对 Marvell Technology 的增持有助于提高业绩。Marvell 的数据中心部门实现了显着增长，尤其是在定制人工智能 (AI) 硅片和光电方面。该公司报告称，收入同比和环比均大幅增长，每股收益显著提高。Marvell 与亚马逊网络服务 (Amazon Web Services) 的战略合作伙伴关系以及定制硅片项目的成功提升为其积极的财务业绩做出了贡献。由于产品组合，尤其是定制硅片的收入贡献增加，毛利率面临压力，但管理层已经充分传达了这种组合动态，因此投资者在很大程度上预料到了这一点。
b“季度回顾 \xe2\x80\xa2 截至 2024 年 12 月 31 日的季度，摩根大通美国股票策略表现不及基准标准普尔 500 指数。 \xe2\x80\xa2 在医疗保健领域，我们对 Regeneron Pharmaceuticals 的增持导致业绩下滑。Regeneron 的股票表现下滑主要是由于对其眼药 Eylea 的竞争定位以及安进可能推出的生物仿制药的担忧。尽管报告了强劲的季度收入和收益增长，但 Eylea HD 的转换速度低于预期以及生物仿制药竞争的威胁带来了不确定性。该公司的财务业绩显示收入同比增长和收益增加，但这些积极的结果被市场对 Eylea 未来的担忧所掩盖。 \xe2\x80\xa2 在非必需消费品领域，我们对特斯拉汽车的减持导致业绩下滑。公司报告盈利稳健，由于成本降低和生产效率提高，毛利率和盈利能力有所改善。值得注意的是，特斯拉在其 Cybertruck 部门实现了盈利，并宣布了推出新款平价车型的计划。该公司推动对无人监管的全自动驾驶汽车进行国家监管，以及 2024 年美国总统大选对监管前景的影响进一步影响了股价表现。\xe2\x80\xa2 在金融方面，我们对富国银行的增持有助于提高业绩。由于投资者对放松管制和可能取消资产上限的乐观情绪，富国银行的股票表现有所改善。该公司报告的净收入和每股收益较上一季度增加，费用收入增长抵消了净利息收入的阻力。\xe2\x80\xa2 在信息技术领域，我们对 Marvell Technology 的增持有助于提高业绩。Marvell 的数据中心部门实现了显着增长，尤其是在定制人工智能 (AI) 硅片和光电方面。该公司报告称，收入同比和环比均大幅增长，每股收益显著提高。Marvell 与亚马逊网络服务 (Amazon Web Services) 的战略合作伙伴关系以及定制硅片项目的成功提升为其积极的财务业绩做出了贡献。由于产品组合，尤其是定制硅片的收入贡献增加，毛利率面临压力，但管理层已经充分传达了这种组合动态，因此投资者在很大程度上预料到了这一点。
使用多壳自由水重建显著提高大脑年龄估计的准确性
图 4 脑年龄和观察年龄的散点图。该图报告了通过留一交叉验证获得的预测以及受试者的观察年龄。黑线代表身份线。10 次重复 10 倍交叉验证的完整散点图集如图 S5 所示
引文：Ochoda-Mazur A、Lauterbach R、Pawlik D、Jablonska M (2025) 病例报告：使用己酮可可碱抑制显著增加的炎症
晚发型脓毒症 (LOS) 是指出生后 72 小时内发生的脓毒症。由于该疾病的临床症状稀少且特异性低，因此很难诊断早产儿的脓毒症。在与身体未成熟相关的各种病理中，都观察到类似的临床症状，例如呼吸窘迫、呼吸暂停、心动过缓以及体温不稳定或发绀。因此，为了确认脓毒症的初步诊断，应测量炎症的生化标志物并进行血液培养。根据 Kashlan 等人的研究 [1]，血清中白细胞介素 6 (IL-6) 浓度升高是新生儿全身感染的最早标志物。早在菌血症出现后的第二小时内，许多细胞就会将其释放到血液中。早产儿的炎症反应特别强烈，这由血清中高浓度的 IL-6 证实 [2]。最近对 208 名 32 周以下早产儿中诊断出的 480 次 LOS 发作的分析表明，血清 IL-6 升高
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
摘要 精神病是各种精神障碍的显著症状，包括精神病性抑郁症、躁郁症和精神分裂症。
摘要 精神病是各种精神障碍的重要症状，包括精神病性抑郁症、双相情感障碍和精神分裂症。精神病的高发病率可以归因于几个因素，包括由于抗精神病治疗的局限性导致患者依从性低。抗精神病药物是用于治疗精神病、治疗急性发作和预防复发的药物疗法。然而，这些药物通常表现出有限的物理化学性质、不理想的药代动力学特征、低生物利用度和溶解度不足，这阻碍了它们穿过血脑屏障 (BBB) 的能力。传统的剂型和给药途径，主要是口服和注射，也带来了进一步的挑战。鼻内给药系统提供了一种有希望的替代方法来克服这些限制，它有助于通过鼻腔给药，允许快速吸收到血液中，同时绕过与口服途径相关的酶促降解和首过代谢。鼻内途径可以在不受 BBB 干扰的情况下在大脑中达到显著的药物浓度，从而提高生物利用度并能够以比口服药物更低的剂量和频率快速发挥药理作用。尽管如此，解剖学、生理学和组织学方面的挑战以及通过鼻上皮吸收药物的基本过程使全身和大脑分布变得复杂。通过不同的药物输送系统 (DDS)，例如纳米颗粒、脂质体、纳米凝胶和其他有助于将药物从鼻腔输送到大脑的纳米载体，可以提高鼻内抗精神病药物制剂的有效性。关键词：抗精神病药、配方开发、鼻内、药物输送系统如何引用本文：Ainurofiq A、Priyanto FAP、Suryadi BT、Pamungkas YK。利用鼻内药物输送系统进行新型抗精神病药物开发。国际药物输送技术杂志。 2024；14（4）：2091-101。doi：10.25258/ijddt.14.4.21 支持来源：无。利益冲突：无 引言 精神病是一种严重的精神障碍，会显著改变个人对现实的看法。1 它可以表现为幻觉、妄想和深度混乱，严重扰乱社交和个人功能。精神病可能是各种精神障碍的主要症状，包括精神病性抑郁症、躁郁症和精神分裂症。目前的流行病学数据表明，与精神病密切相关的疾病患病率很高。据报道，精神病首次发作的发病率为每 100,000 人中有 50 人，而精神分裂症的发病率为全球每 100,000 人中有 15 人。2 这种发病率升高可能归因于几个因素，包括由于获得有效抗精神病治疗的机会有限而导致患者依从性不足。3 抗精神病药物是主要用于治疗精神病的药物。它们用于治疗急性精神病发作并减轻复发风险。3 然而，通常用于治疗典型精神病症状的第一代抗精神病药物 (FGA) 会引起严重的锥体外系不良反应。4 这些不良反应可能包括肌张力障碍、假性帕金森病、