Smid 等人(2020 年)进行了一项系统评价,以表征贝叶斯和频率估计在小样本量 SEM 中的表现。在手动筛选 5050 项研究后,仅选定 27 项来回答他们的研究问题。进行系统评价需要付出巨大的筛选努力。这种筛选工作使证据综合成为一项极具挑战性的任务。开源 AI 辅助筛选工具可以潜在地减少工作量:系统评价的主动学习(ASReview;van de Schoot 等人,2020 年)。在 ASReview 中,研究人员与主动学习模型交互筛选摘要。根据研究人员的决策(相关与不相关),该模型会迭代更新其对剩余摘要的相关性预测。通过优先考虑最有可能相关的文章(即基于确定性的主动学习),ASReview 最大限度地减少了研究人员需要筛选的文章数量,同时仍能识别出大多数相关文章。手动筛选和自动优先排序出版物的过程会产生一组相关出版物。作为一个例子,ASReview 被应用于 Smid 等人(2020 年)确定的 5050 篇研究的全部集合。理想的表现被定义为最大限度地识别 Smid 等人最初确定的 27 篇相关文章,同时最大限度地减少研究人员需要筛选的文章数量。相关性预测由主动学习模型进行,该模型使用朴素贝叶斯或逻辑回归作为分类器。对于第一个预测,ASReview 需要一些示例文章。对每个分类器应用了 27 次 ASReview,使用每篇相关文章作为示例文章一次,并与一篇随机的不相关文章配对。如图 1 所示,贝叶斯和逻辑回归模型都发现超过 80%
摘要简介:遗传性载脂蛋白 A-I (AApoAI) 淀粉样变性是一种罕见的异质性疾病,发病年龄和器官受累各不相同。很少有系列文章详细介绍了一系列致病性 APOA1 基因突变的实体器官移植的自然史和结果。方法:我们确定了 1986 年至 2019 年期间在国家淀粉样变性中心 (NAC) 就诊的所有 AApoAI 淀粉样变性患者。结果:总共确定了 57 名患有 14 种不同 APOA1 突变的患者,包括 18 名接受肾移植的患者(5 例肝肾联合 (LKT) 移植和 2 例心肾联合 (HKT) 移植)。发病年龄中位数为 43 岁,从发病到转诊的中位数时间为 3(0 – 31 年)。81%、67% 和 28% 的患者检测到淀粉样蛋白累及肾脏、肝脏和心脏。肾淀粉样变性普遍与最常见的变异 (Gly26Arg, n ¼ 28) 有关。在所有变异中,肾淀粉样变性患者在诊断为 AApoAI 淀粉样变性时肌酐中位数为 159 m mol/L,尿蛋白中位数为 0.3 g/24 h,从诊断到终末期肾病的中位时间为 15.0 (95% CI: 10.0 – 20.0) 年。肾移植后,同种异体移植的中位生存期为 22.0 (13.0 – 31.0) 年。移植后有一例患者早期死亡(肾移植后 2 个月感染相关),未发生导致移植失败的早期排斥反应。在所有四例接受连续 123 I-SAP 闪烁显像的病例中,肝移植均导致淀粉样蛋白消退。结论:AApoAI 淀粉样变性是一种进展缓慢、难以诊断的疾病。移植结果令人鼓舞,移植物存活率极高。
摘要 应对可持续发展政策挑战需要能够驾驭复杂性的工具,以改善政策流程和结果。过去十年来,人们对人工智能 (AI) 工具的关注度和政府对其使用的期望急剧上升。我们对学术和灰色文献进行了叙述性回顾,以调查人工智能工具如何用于政策和公共部门决策。我们发现,学者、政府和顾问对人工智能表达了积极的期望,认为人工智能可以或应该用于解决广泛的政策挑战。然而,关于公共决策者如何实际使用人工智能工具或对使用结果的详细洞察的证据却少得多。从我们的研究结果中,我们得出了将人工智能的承诺转化为实践的四个教训:1) 记录和评估人工智能在现实世界中对可持续发展政策问题的应用;2) 关注现有和成熟的人工智能技术,而不是投机性的承诺或外部压力;3) 从要解决的问题开始,而不是要应用的技术;4) 预测并适应可持续发展政策问题的复杂性。
摘要 随着人工智能 (AI) 技术的进步,它将不可避免地给课堂实践带来许多变化。然而,教育领域的人工智能研究与教学观点或教学方法的联系较弱,特别是在 K-12 教育领域。人工智能技术可能使有上进心和先进的学生受益。需要了解教师在课堂上使用人工智能技术调解和支持学生学习方面所起的作用。本研究使用自我决定理论作为支撑框架,调查教师支持如何调节学生专业知识对需求满足和使用人工智能技术学习的内在动机的影响。这项实验研究涉及 123 名 10 年级学生,并在实验中使用聊天机器人作为基于人工智能的技术。分析表明,使用聊天机器人学习的内在动机和能力取决于教师支持和学生专业知识(即自我调节学习和数字素养),教师支持更好地满足了关联性需求,而不太满足自主性需求。研究结果完善了我们对自我决定理论应用的理解,并扩展了人工智能应用和教学实践的教学和设计考虑。
请按以下方式引用本文:Longo, F., Nicoletti, L., & Padovano, A.(2019)。无处不在的知识为智能工厂赋能:面向服务的数字孪生对企业绩效的影响。年度控制评论,第47,页221-236。DOI:https://doi.org/10.1016/j.arcontrol.2019.01.001。
为口腔 - 芯片模型创建基本结构涉及设计一个微流体芯片,该微流体芯片复制必需的组件并创建模拟口腔复杂性的微环境。微流体芯片可以由各种材料制成,包括玻璃,硅和聚合物。微流体芯片的标准制造技术包括软光刻,光刻图和注射成型。这些方法可以在芯片上创建复杂的微观结构和通道。微流体芯片应复制口腔的关键成分,包括代表各种口腔组织的细胞培养室,例如上皮细胞,成纤维细胞和唾液腺细胞,这些细胞包含在细胞外基质中。细胞外基质可以结合水凝胶或其他材料,以提供结构支撑和细胞附着和生长的基板。结合灌注系统可模拟血液,使营养素,氧气和药物的递送2,3。
摘要成人 T 细胞白血病/淋巴瘤 (ATL) 存活率低,这凸显了对创新治疗药物的迫切需求。虽然已经记录了 HDACis 在几种血液系统肿瘤中的药代动力学,但关于其对抗 ATL 的活性的研究仍存在明显差距。鉴于缺氧会对淋巴瘤细胞产生不可预测的影响,本研究旨在首次评估 MS-275 和新型类似物在缺氧条件下对 ATL 细胞的毒性作用。进行了蛋白质-蛋白质相互作用和基因集富集分析,评估了 HIF1A 和下游靶标的表达,并对 MS-275 和新型类似物与 HIF-1 a 进行了分子对接。对于体外研究,首先合成 MS-275 的苯甲酰胺类似物,然后评估缺氧条件下 MT-2 细胞的活力。富集分析证实了 HIF-1 信号通路中枢基因的参与,火山图显示 HIF1A、GAL3ST1 和 CD274 过度表达。分子对接表明 MS-275 和 HIF-1 a PAS-B 结构域的类似物之间存在有利的相互作用。alamarBlue 测定结果表明 MS-275 和类似物显著 (p < 0.001) 降低了缺氧条件下 MT-2 细胞的活力。本研究结果有望开发针对缺氧引起的 ATL 变化的新药。
请引用本文:Toda and Okamoto,(2020)。通过将大分子直接递送到水稻卵细胞和受精卵中的基因表达和基因组编辑系统,Bio-protocol 10 (14): e3681。DOI:10.21769/BioProtoc.3681。
阶段II:BFDEP的开发健康信念模型(HBM)用于设计BFDEP模块。 HBM模型基于心理和行为理论,这些理论解释了人类健康的决策和随后的行为。 它强调了与健康相关的行为的两个方面:1)避免疾病的愿望或特定健康活动可以预防或治愈疾病的想法,以及2)相信特定的健康相关行动会预防或治愈疾病。 该模块的期望结果是根据母亲对相关健康活动的优势和缺点的看法来影响母亲的决定。 以前的发现表明,基于HBM的教育计划显示出基于模型构造随着时间的推移而增加参与者的知识的好处。 [15]阶段II:BFDEP的开发健康信念模型(HBM)用于设计BFDEP模块。HBM模型基于心理和行为理论,这些理论解释了人类健康的决策和随后的行为。它强调了与健康相关的行为的两个方面:1)避免疾病的愿望或特定健康活动可以预防或治愈疾病的想法,以及2)相信特定的健康相关行动会预防或治愈疾病。该模块的期望结果是根据母亲对相关健康活动的优势和缺点的看法来影响母亲的决定。以前的发现表明,基于HBM的教育计划显示出基于模型构造随着时间的推移而增加参与者的知识的好处。[15]
摘要虽然学龄前校长对于整合可持续性很重要,但对此主题的研究很少。使用嵌入式混合方法方法,本研究探索并比较了50个校长的观点和与可持续性有关的观点和行动,该行动与25个未来和25种非核心认证的随机取样的幼儿园(总计290个)的25个市政学前班的随机随机抽样。使用半结构化问卷,从学前班的原理收集数据。整个学校方法花模型被用作分析定性数据的分析框架,而定量数据则受到潜在结构歧视性分析的正交预测。根据参与的校长,经过生态认证的学龄前儿童着重于增加儿童对可持续性的知识和利益,而非证券认证的学龄前儿童着重于发展教师可持续性能力的策略。这与发现生态认证的学龄前儿童在其领导实践中对可持续性更细微和多方面的观点相一致,表明在某种程度上,生态认证在某种程度上起着重要作用。该研究还强调了在学龄前教育中采用整个学校可持续性方法的潜力。交叉验证至少在瑞典背景下支持结论的普遍性。