XiaoMi-AI文件搜索系统
World File Search System比值
SARS-CoV-2 疫苗接种或感染与贝尔氏麻痹症的关联：系统评价和荟萃分析
结果 共纳入 50 项研究，其中 17 项进入定量综合。汇总 4 项 3 期随机临床试验显示，接种 SARS-CoV-2 疫苗的人血压明显升高（77 525 名疫苗接种者 vs 66 682 名安慰剂接种者；比值比 [OR]，3.00；95% CI，1.10-8.18；I 2 = 0%）。然而，汇总 8 项观察性研究显示，接种信使 RNA SARS-CoV-2 疫苗后血压无明显升高（13 518 026 剂 vs 13 510 701 未接种疫苗者；OR，0.70；95% CI，0.42-1.16；I 2 = 94%）。接种辉瑞/BioNTech 疫苗的 22 978 880 名首剂接种者与接种牛津/阿斯利康疫苗的 22 978 880 名首剂接种者相比，血压无显著差异（OR，0.97；95% CI，0.82-1.15；I 2 = 0%）。感染 SARS-CoV-2 后（n = 2 822 072）贝尔麻痹的发生率显著高于接种 SARS-CoV-2 疫苗后（n = 37 912 410）贝尔麻痹的发生率（相对风险，3.23；95% CI，1.57-6.62；I 2 = 95%）。
使用CNN-LSTM技术
心脏病占全球死亡人数的30％。早期干预和心血管异常的检测可以预防这种死亡。当前的研究提出了一种新的方法，该方法将卷积神经网络（CNN）和长期记忆（LSTM）结合在一起，以预测人心脏功能中异常。机器学习模型用于检测来自ECG和PCG信号的异常。这项研究中使用了两个突出的数据集，即Physionet 2016和Physionet 2017，用于培训和测试开发的机器学习模型。经验模式分解已用于预处理心脏声音信号和心电图信号。使用EMD可以将信号分解为其基本振荡组件，称为固有模式函数（IMF）。通过将信号与噪声比值与原始和过滤的PCG信号进行比较，可以评估该方法在降低噪声方面的有效性。特征提取是通过生成DeNO.信号的缩放图完成的。缩放图是通过连续小波变换（CWT）获得的。此后，一种称为CNN-LSTM的混合深度学习技术用于分类和训练模型。所提出的模型在分类和检测人心脏功能异常方面的精度为86％。
接种疫苗的癌症患者发生 COVID-19 突破性感染的风险和结果：来自国家 COVID 队列合作的真实世界证据
结果 在 N3C 疫苗接种人群中共发现 6,860 例突破性病例，其中 1,460 例（21.3%）为癌症患者。经调整年龄、性别、种族/民族、吸烟状况、疫苗类型和接种日期后，实体瘤和血液系统恶性肿瘤与非癌症患者相比，发生突破性感染的风险（比值比 [OR] = 1.12，95% CI，1.01 至 1.23 和 4.64，95% CI，3.98 至 5.38）和发生严重后果的风险（OR = 1.33，95% CI，1.09 至 1.62 和 1.45，95% CI，1.08 至 1.95）显著较高。与实体肿瘤相比，血液系统恶性肿瘤发生突破性感染的风险更高（调整后的 OR 范围从淋巴瘤的 2.07 到淋巴细胞白血病的 7.25）。第二剂疫苗接种后，所有癌症的突破性感染风险均降低（OR 5 0.04；95% CI，0.04 至 0.05），与辉瑞的 BNT162b2 疫苗相比，Moderna 的 mRNA-1273 疫苗的突破性感染风险降低（OR 5 0.66；95% CI，0.62 至 0.70），尤其是多发性骨髓瘤患者（OR 5 0.35；95% CI，0.15 至 0.72）。在接种疫苗的人群中，具有主要免疫抑制作用的药物和骨髓移植与突破性感染风险密切相关。
HPV 疫苗对接受锥切术的女性的功效、效果和安全性：系统评价和荟萃分析
2v 二价 9v 无价 4v 四价 AIS 原位腺癌 CI 置信区间 CIN 宫颈上皮内瘤变 CIS 原位癌 CKC 冷刀锥切术 GRADE 建议、评估、制定和评价的分级 HPV 人乳头瘤病毒 HSIL 高级别鳞状上皮内病变 ITT 意向治疗 IRR 发病率比 LEEP 环电外科切除术 LLETZ 转化区大环切除术 LSIL 低级别鳞状上皮内病变 NETZ 转化区针切除术 NITAG 国家免疫技术顾问组 NRSI 干预效果的非随机研究 OR 比值比 PRESS 电子检索策略的同行评审 RCT 随机对照试验 RD 风险差异 RoB 偏倚风险 ROBINS-I 非随机研究中的偏倚风险干预措施 RR 风险比 SWETZ 直丝切除转化区 VaIN 阴道上皮内瘤变 VE 疫苗效力 (RCT) 或有效性 (NRSI) VIN 外阴上皮内瘤变 WHO 世界卫生组织
慢性乙型肝炎病毒持久性
不确定性围绕着几种药物治疗内分泌病的功效和安全性，例如妊娠糖尿病（GDM）在正常葡萄糖水平无法通过饮食和单独运动无法维持的个体中。为了改善GDM个体的妊娠结果，进行了本综述，以衡量几种抗糖尿病药物在葡萄糖管理中的有效性。直到2024年，我们浏览了PubMed和Google Scholar。GDM患者参加了检查了几种药物的随机对照研究。使用Cochrane的偏见方法，我们获得了相关数据并评估了偏差概率。为了确定GDM个体中各种疗法的母体和新生儿后果的累积排名功能的比值比和表面，我们首先进行了成对的元评估，然后使用了系统的审查。巨大的妊娠年龄，婴儿低血糖症和出生体重是新生儿的结果。gly-ebloblobin（HbA1c）和妊娠诱导的高血压（PIH）是母亲的结局。对25种试验设计的这种彻底分析发现，与格列本伯里相比，二甲双胍的巨粒素病例较少，胎龄，婴儿低血糖较高，婴儿低血糖和出生体重降低。二甲双胍被发现是控制GDM患者血糖水平的最快方法，而Glyburide则是同一目的是最成功的药物。
1 印度理工学院印多尔分校规则和政策......
I. 出勤率的权重为总分 100 分中的 10 分。 II. 是否保留出勤率分数完全由课程协调员自行决定。他/她可以不保留出勤率分数，但如果保留出勤率分数，则必须实施下面提出的方案： III. 出勤率达到 80 或以上（即 >=80%）的学生将获得满分 10 分（即 10/10）。 IV. 出勤率在 50 到 80（50% - 80%）之间的学生，其出勤率分数计算为其出勤率分数与出勤率门槛要求的比值再乘以 10。因此，这可以保证获得 6.25 到 10 分之间的分数。 V. 例如，如果出勤率门槛百分比是 80%，而学生参加了 60% 的课程，那么该学生将获得 (60/80) * 10=7.5 分（满分 10 分）。VI. 对于出勤率处于临界值的学生（例如：49% 或 79%），课程协调员可以全权决定学生的出勤率是达到 50% 的最低出勤率还是 80% 的门槛出勤率。VII. 出勤率低于 50（即 <50%）的学生将不允许参加期末考试，并将获得 XX 成绩，并且必须重修该课程。但是，授予 XX 成绩的决定完全由课程协调员自行决定。
使用卷积神经网络语义分割进行身份证件识别和检测 Mykola Kozlenko a、Volodymyr Sendetskyi b
摘要 对象识别和检测是经过深入研究的问题，并已开发出一套几乎标准的解决方案。身份证件识别、分类、检测和定位是许多应用程序所需的任务，特别是在关键基础设施场所的物理访问控制安全系统中。在本文中，我们提出了一种基于人工卷积神经网络和语义分割方法的模型的新原始架构，用于识别和检测图像中的身份证件。处理此类图像的挑战在于，当此类应用程序在工业单板微型计算机硬件上运行时，计算性能有限且内存量有限。本研究的目的是证明所提技术的可行性并获得质量指标。研究方法是评估在移动身份证件视频数据集上训练的深度学习检测模型。该数据集包含 500 个视频片段，涵盖 50 种不同的身份证件类型。模拟的数值结果用于评估质量指标。我们将结果表示为交并比值的准确度与阈值。本文报告的交并比 (IoU) 阈值为 0.8 时，准确度高于 0.75。此外，我们还评估了模型的大小，并证明了在工业单片机或智能手机硬件上运行该模型的可行性。关键词 1 身份证件，目标检测，语义分割，文档识别，文档分类，深度学习，神经网络
生物标志物能否正确预测呼吸机相关
结果：在 ANTHARTIC 试验中，有 161 名患者可以获得生物样本，与未患 VAP 的患者（n = 121）相比，患 VAP 的患者（n = 33）的体重指数和急性生理与慢性健康评估 II 评分较高、未目击心脏骤停次数较多、儿茶酚胺较多，且治疗性低温持续时间较长。在单变量分析中，与 VAP 显着相关且曲线下面积 (AUC) 大于 0.70 的生物标志物是 CRP（AUC = 0.76）、白细胞介素 (IL) 17A 和 17C (IL17C) (0.74)、巨噬细胞集落刺激因子 1 (0.73)、PCT (0.72) 和血管内皮生长因子 A (VEGF-A) (0.71)。结合新型生物标志物的多变量分析显示，p 值小于 0.001 且比值比大于 1 的几对：VEGF-A + IL12 亚基 β (IL12B)、Fms 相关酪氨酸激酶 3 配体 (Flt3L) + C–C 趋化因子 20 (CCL20)、Flt3L + IL17A、Flt3L + IL6、STAM 结合蛋白 (STAMBP) + CCL20、STAMBP + IL6、CCL20 + 4EBP1、CCL20 + caspase-8 (CASP8)、IL6 + 4EBP1 和 IL6 + CASP8。观察到 CRP + IL6 (0.79)、CRP + CCL20 (0.78)、CRP + IL17A 和 CRP + IL17C 的最佳 AUC。
J-PET检测器方法用于测试在正式硝基歼灭中的CP对称性∗
正电子是一个合适的Leptonic系统，用于测试电荷 - 比值（CP）离散对称性，涉及来自正质稳定（O-PS）灭绝的光子矩相关的相关性。由于真空极化而导致的最终状态中的光子 - 光子相互作用可能模仿CP对称违反10-9的顺序，而根据标准模型预测，弱相互作用效应导致违反10-14的顺序。到目前为止，O-PS衰减中CP对称违规的实验限制设置为10-4的水平。J-PET检测器的独特特征之一是它可以在没有磁场的情况下测量an灭光子的极化方向。J-PET检测器可通过寻找可能的非零期望值值来探索离散的对称性，该对称性ODD操作员是由Ortho-positronium and Mommentum和Mommentum的旋转以及γ（γ）量子的极化向量构建的，这是由O-PS ennihilation产生的。In this work, the J-PET de- tector experimental and analysis method to improve the sensitivity level at least by one order for CP discrete symmetry studies in the o-Ps decay via symmetry odd operator ( ⃗ϵ i · ⃗ k j ) , where ⃗ϵ i and ⃗ k j are reconstructed polariza- tion and momentum vectors of photons from the o-Ps decays, respectively, will be presented.
研究糖尿病与腕管综合征之间的关联：系统评价和荟萃分析方法
腕管综合征（CTS）是中位神经压缩引起的最常见的局灶性单肌病，全球患病率为2.7-5.8％[1-6]。这种综合征影响了成年人口的7％至16％，是病假和工作障碍的主要原因[7]。可能引起该综合征的某些疾病包括代谢性疾病，胶原蛋白血管疾病，肥胖，肾衰竭，避孕药使用和内分泌疾病，例如甲状腺功能减退症[1，2，4，8]。此外，糖尿病，创伤，重手动和重复性工作，肿瘤，淀粉样变性和结节病都被确定为CTS的潜在危险因素[1，4，9]。CT的症状包括麻木，尤其是在夜间，神经疼痛以及手腕中位神经的局部压缩的神经性疼痛[10]。虽然这种综合征的感觉症状通常局限于手指，但它们可以延伸到手腕，前臂，甚至整个手。cts在45至64岁之间和男性中的年龄更为普遍（10％对1％）[2，8]。糖尿病是一种慢性多系统疾病，其特征是由于胰岛素的产生不足或使用而导致高血和尿液葡萄糖水平[11，12]。2019年，所有糖尿病（4.63亿）成年人中有79％居住在发展中国家，到2045年，这一数字预计将增长到84％（7亿）[13-15]。糖尿病的估计患病率在全球6.4％，到2030年预测的PREV率为7.7％[14]。糖尿病是全球残疾的主要原因之一。据报道， CTS发生在多达15％的糖尿病患者中。CTS发生在多达15％的糖尿病患者中。由于人口增长，衰老和生活方式的变化，其前期的增长[4，12，16]。报告表明，糖尿病患者患CTS的寿命风险约为85％，尽管先前的研究对糖尿病与CTS之间的关联产生了矛盾的结果[17-20]。近年来，全世界已经进行了许多研究，以调查糖尿病和CTS之间的关系，其中很大一部分表明糖尿病会增加患有CTS的风险[3，5，21-21-26]。然而，还有一些研究表明，糖尿病与CTS的发生之间没有关联[17，27 - 34]。例如，Wiberg等。（2022）调查了英国以上40万人的糖尿病与CTS之间的关联。他们报告的糖尿病与CT之间关联的比值比为2.31（95％CI：2.17–2.46）[35]。然而，在一项与Low等人相关的研究中。研究了美国糖尿病与CT之间的关联，观察到调整后的比值比等于0.84（95％CI：0.65–1.09; p = 0.20）[36]。由于确定糖尿病是否增加CTS风险的不一致，系统的审查和荟萃分析研究是得出明确结论并回答科学问题的最佳方法之一。本研究旨在使用该领域进行的研究结果，通过系统的审查和荟萃分析方法来研究糖尿病和CT之间的关联。