XiaoMi-AI文件搜索系统
World File Search System病患
战斗中的女性：压力、社会支持和健康
很少有人致力于了解女性军人的经历。本研究深入了解了女性在部队中感受到的社会支持、身体健康和战斗经历。对部署军人的调查回复进行了回顾性评估。调查由心理健康咨询小组在 2005 年至 2012 年间收集。原始样本包括 570 名女性和 4,759 名男性。为了调查男性和女性之间的差异，根据关键变量创建了一个匹配样本。关于社会支持，女性报告的部队士气、部队凝聚力和婚姻质量明显较低。在压力源方面，女性报告的战斗暴露明显较少，但在部署期间报告的其他压力性生活事件方面与男性没有区别。在健康和功能方面，女性报告的躯体症状和病假次数明显多于男性，但在其他几个身体健康变量上没有明显差异。调查与战斗暴露相关的健康结果发现，随着战斗暴露次数的增加，男性而非女性报告的功能障碍明显增加。随着战斗暴露的增加，男性和女性都报告了更多的躯体症状、更多的病患就诊、更难入睡和每晚睡眠时间不足 6 小时。重要的是，战斗暴露与男性和女性的几个健康变量之间的关联相似。定义、理解和培养社会支持对于男性和女性来说都是必要的，以通过减少压力对健康的影响来确保为军事任务做好准备。
早产和母亲心脏病：使用韩国国家健康保险数据库的机器学习分析
妊娠周）在全球范围内，约占全球出生的11％[1，2]。报告的早产率（PTB）在许多国家 /地区一直在增加[1，2]。PTB是婴儿和儿童中最重要的死亡原因，约占五岁以下儿童死亡的18％[1-3]。具有成本效益的干预措施，尤其是专注于控制孕产妇风险因素的干预措施，估计可以预防多达四分之三的死亡率[2]。此外，识别母体PTB风险因素可以帮助我们更好地了解PTB的病因。随着母性衰老的增加，患有高血压，糖尿病和肥胖等潜在疾病的孕妇人数[4，5]。这导致心脏病（即缺血性心脏病，心肌病或心律不齐）的孕妇数量增加[4-6]。此外，越来越多的先天性心脏病（CHD）妇女达到了生殖年龄[4]。尽管大多数冠心病女性都可以怀孕并安全地携带，但仍然有担忧[4，7]。孕妇心脏病复杂的妊娠与母亲和胎儿的发病率和死亡率有关[4，7]。此外，已知CHD和获得性心脏病都会影响PTB [4、7、8]。在2007年至2018年对5,739名患有心脏病和冠心病登记处的孕妇孕妇（ROPAC）的研究中，据报道，心脏病母亲的PTB患病率为16％[8] [8]。另一项德国研究报告说，有2,114名孕妇的PTB患病率为11.7％[7]。总体而言，始终据报道，心脏病患孕妇的PTB患病率高于普通人群，但是每个国家报告的PTB患病率差异[7-9]。此外，大多数报告的研究是西方发达国家的结果，尚无针对亚洲人口的研究。因此，本研究旨在使用机器学习分析和全国人口数据建立PTB的预测模型，并研究各种母组织心脏病与PTB之间的关联。
糖尿病信念、感知风险和健康行为
摘要 简介 增加参与糖尿病预防计划的努力主要集中在提高糖尿病意识上，其逻辑是风险知识将促使行为改变。然而，感知风险与糖尿病预防之间的关系存在争议。这项横断面、嵌入式混合方法研究的目的是检查在患 2 型糖尿病风险较高的成年人中感知风险、糖尿病信念和预防行为之间的关系。方法数据来自里士满压力和糖研究 (n=125)。使用多维健康控制点评估糖尿病信念（即内部、机会、强大的他人）。预防行为（例如改变饮食、锻炼、烟草、酒精）通过自我报告来衡量。使用概率量表（0%–100%）来衡量患糖尿病的感知风险。逻辑和泊松回归模型量化了信念、行为和感知风险之间的关系。从开放式问题中抽象出关于预防行为的挑战和促进因素的定性主题，并使用内容分析进行总结。结果 感知的糖尿病患风险很低（中位数：35% 的可能性），只有 10% 的参与者参加过预防课程。所有糖尿病信念领域均与参与预防行为或感知的糖尿病风险无显著相关性。感知的糖尿病风险与参与预防行为无关；然而，有糖尿病家族史与感知风险密切相关（OR：3.35，95% CI：1.42 至 7.86）。预防行为的定性促进因素和障碍反映了社会心理因素（例如决心、压力、偏好）和资源（例如社会支持、时间、整体健康状况）。结论 在临床上患糖尿病风险较高的成年人中，风险感知和健康信念与参与预防行为无关。结合家族健康史信息可能会有助于提高认识。糖尿病预防计划应解决健康信念之外的障碍，以促进行为改变的参与。
Deborah Chyun博士，RN，Faha，Faan是教授，...
Deborah Chyun博士，RN，Faha，Faan是UConn护理学院教授和Dean。在2018年1月担任任务之前，她曾是纽约大学（纽约大学）罗里·迈耶斯（Rory Meyers）护理学院（Rory Meyers College of New York University of New York University）的John W. Rowe教授。在纽约大学期间，她还曾担任佛罗伦萨S. Downs Phd Prok in护理研究和理论发展。在纽约大学之前，Chyun博士曾是耶鲁大学护理学院成人高级练习护理计划的计划主任，她在那里工作了21年。Chyun博士获得了流行病学和公共卫生系的慢性疾病流行病学博士学位，Chyun博士领导了跨学科研究团队，最著名的是行业赞助的糖尿病患缺血（DIAD）研究（DIAD）研究的Co-PI，并培养了针对糖尿病和成年人质量质量的研究计划的研究计划。她已经广泛出版，并进行了许多国家和国际演讲。Chyun博士还曾在几个旨在旨在劳动力发展和指导博士生的国际项目中担任PI。 Chyun博士在美国以及国际上都有丰富的培训和指导卫生专业人员的经验。 她曾在20多个博士学位论文委员会任职或任职，并担任耶鲁大学43名学生的硕士论文顾问。 在纽约大学，她曾在纽约大学临床转化科学学院的科学临床调查计划执行委员会任职，并担任KL2博士后计划的联合主任。Chyun博士还曾在几个旨在旨在劳动力发展和指导博士生的国际项目中担任PI。Chyun博士在美国以及国际上都有丰富的培训和指导卫生专业人员的经验。 她曾在20多个博士学位论文委员会任职或任职，并担任耶鲁大学43名学生的硕士论文顾问。 在纽约大学，她曾在纽约大学临床转化科学学院的科学临床调查计划执行委员会任职，并担任KL2博士后计划的联合主任。Chyun博士在美国以及国际上都有丰富的培训和指导卫生专业人员的经验。她曾在20多个博士学位论文委员会任职或任职，并担任耶鲁大学43名学生的硕士论文顾问。在纽约大学，她曾在纽约大学临床转化科学学院的科学临床调查计划执行委员会任职，并担任KL2博士后计划的联合主任。Chyun博士在美国心脏协会担任领导职务，最近是心血管和中风护理理事会主席，目前是护理研究的副编辑。Chyun博士在美国心脏协会担任领导职务，最近是心血管和中风护理理事会主席，目前是护理研究的副编辑。
引用：Straw I, Callison-Burch C (2020) 人工智能在心理健康和基于语言的模型中的偏见。PLoS ONE 15(12): e0240376。https://doi.org/10.1371/journal.pone.0240376
我们的心理和情感健康主要通过语言来传达，因此精神病专业人员历来依靠临床对话和患者叙述来评估心理健康。然而，人工智能 (AI) 的最新发展为该领域带来了新的见解，通过可以从更多样化的数据来源推断情感含义的技术 [1-3]。计算语言学和情感分析学科一直是这一过程的核心 [2-5]。在计算语言学中，“自然语言处理” (NLP) 是一种用于构建可解释原始人类语言数据的计算模型的技术 [2-5]。情感分析是人工智能的一个子集，用于测量、理解和响应人类情感的语言表达。NLP 和情感分析的结合使数据科学家能够构建可从书面文本中理解人类情感的模型 [3]。在医学方面，这些模型目前正被用于提供关于患者情绪和心理健康的丰富信息[6-11]。在过去几年中，NLP 模型已用于从临床记录中识别自杀意念、在线预测自杀风险，并在推特上挖掘精神病患者的自我披露[7，10-13]。这些模型既可用于个体患者护理，也可用于更广泛的公共卫生政策。人口层面的应用包括 NLP 算法，它可以有效地绘制美国各地的行为健康疾病图，并与疾病控制和预防中心 (CDC) 的公共卫生数据相关联[8]。在个人层面，研究人员已证明，他们能够通过在线数据高度准确地预测哪些母亲会患上产后抑郁症[9，14]。尽管这些技术备受青睐，但我们必须在现有医疗保健转型的大背景下考虑它们。数字健康与医学的融合正在给医疗领域带来快速变化，我们现在做出的决定将对未来的病患护理产生深远影响。目前，研究人员和开发人员在构建这些工具时假设现有医疗实践是“黄金标准”，尽管该领域长期存在歧视性实践、偏见和医疗错误[15-23]。例如，长达40年的塔斯基吉审判证明了医学领域种族主义研究的历史；20世纪的“歇斯底里”诊断积极伤害了患有器质性疾病的女性；对同性恋的病理化反映了医学学科长期存在的性别歧视[15、17、24]。医学史上充斥着基于身份的偏见性有害实践的例子，我们在今天的临床实践中仍然看到这种历史的影响。如果我们要创建不伤害弱势患者群体的模型，那么我们必须首先质疑这些模型建立的基础。正在进行的对医学中现存偏见的研究为此提供了理想的资源。当前的公共卫生研究表明，当女性和男性出现相同的医学症状时，女性的症状更有可能被解读为社会心理症状，从而导致治疗延误[15]。药理学研究表明，将少数群体排除在药物试验之外导致的干预措施并不能以相同的速度使所有患者受益[15,25-27]。此外，由于医学课程和诊断框架的偏见而导致的基于性别的误诊使女性面临更大的心脏事件不良后果风险[15,16]。