XiaoMi-AI文件搜索系统
World File Search System经验性
已发布版本的引文 (APA)：van der Werf, T. S. (2021)。人工智能指导经验性抗菌治疗——准备好迎接黄金时段了吗？临床传染病，72(11)，E856-E858。 https://doi.org/10.1093/cid/ciaa1585
耐药革兰氏阴性菌和金黄色葡萄球菌（尤其是耐甲氧西林金黄色葡萄球菌 (MRSA)）引起的院内感染对公共卫生构成了巨大威胁 [1]。如果初始抗菌治疗不合适，死亡率会增加 [2]。医生意识到了这一令人生畏的前景，并且由于害怕让这些微生物暴露在外，他们常常会受到诱惑开出过量的、有时甚至是不合适的抗菌药物 [3]。随之而来的累积抗菌压力早已被认为是耐药性的主要驱动因素 [4、5]。以循环模式而非随机混合模式使用备用抗菌药物的政策无助于降低重症监护病房 (ICU) 高风险环境中的细菌耐药性 [ 6 ]。在荷兰 ICU，口服和肠道不可吸收抗菌药物（粘菌素、妥布霉素和两性霉素）与全身性头孢噻肟连续 4 天联合使用，可带来微小但显著的生存优势 [ 7 ]。然而，在耐药细菌压力较高的 ICU 中，与标准治疗相比，选择性消化道净化并未减少由这些细菌引起的血流感染
SSC-178 - 船舶结构委员会
对于水面舰船结构，尽管自第二次世界大战以来，研究活动已大大增加，但尚未实现完全合理的弹性或塑性设计程序。目前采用经验性设计方法的根本原因是结构相当复杂，而且目前缺乏对海上载荷的了解。有趣的是，水面舰船结构通常比潜艇或飞机复杂得多，这种复杂性要求人们发挥相当大的创造力，将理论分析简化到可管理的比例。另一方面，对水面舰船结构相对缺乏了解并不特别重要，因为结构设计发展相当缓慢，主要基于以前的经验，很少考虑船舶和人员的安全。高强度钢、铝合金或玻璃增强塑料等更脆或更易疲劳的材料的引入等新发展可能会改变这种情况并导致对合理治疗的更迫切要求。
议定书 – 2021 年 1 月版本
我们在这些 Global-PPS 之后观察到了许多有趣的发现。例如，含 β-内酰胺酶抑制剂的青霉素、第三代头孢菌素和氟喹诺酮类是全球处方最多的三种抗菌药物，反映出广谱抗生素的处方率很高。卡巴培南类抗生素在拉丁美洲和西亚及中亚最常被开具。大多数这些抗生素都是出于经验性使用，说明缺乏诊断来记录感染。在 36,792 张抗生素处方中，有 7,050 张（19.2%）缺少当地抗生素指南。指南遵守率为 77.4%。最后，长期使用抗生素的主要问题之一是围手术期预防（总体而言，在中低收入国家 (LMIC) 中，约 80% 的外科患者围手术期抗生素预防持续时间超过一天）。2
2020年12月） - 是策略或科学 div>
不可避免地说该战略是如今的艺术与科学的结合。策略的艺术方面意味着由人的创造性想象创造的主观，而策略的科学方面则意味着客观上真实的经验性。在远古时代，“战略”一词在与指挥官行业的古代方面特别相关，以制定反对派的战斗计划，这似乎更像我们现在称为“战术”。在战斗中的成功和胜利是证明，表明指挥官带领下属征服敌人的能力和能力。策略，传统上是在第一个世纪直到第一次世界大战的传统上看到的，这是创造战略战略的指挥官的技能和专业知识，这成为战争成功的关键决定因素。从这个意义上讲，一位熟练的战略家被视为具有战斗经历积累的人，他能够在危机中成功地结合了本能和策略。
医疗保健中AI的风险：全面的文献综述和
这项研究对研究流的研究流进行了彻底的检查，该研究流着重于医疗保健中的AI风险，旨在探索该领域内的不同类型。选择标准仔细分析了39篇文章，以识别医疗保健中普遍存在的三种AI风险的主要类型：临床数据风险，技术风险和社会伦理风险。选择标准基于期刊排名和影响因子。该研究试图为未来的医疗保健研究人员提供宝贵的资源，为他们提供了对医疗保健环境中AI实施所面临的复杂挑战的全面理解。通过对这些流派进行分类和阐明，该研究旨在促进经验性定性和定量研究的发展，从而促进基于证据的方法来有效地解决与AI相关的风险。这项努力有助于建立一个可以告知
神经调节蛋白 1 基因 (Nrg1)。一种潜在的治疗肺癌的新型靶向改变
简单总结：肿瘤治疗已经并将继续演变为一种不可知论的方法，即治疗更多地侧重于识别和靶向基因异常，而不是像几十年前那样侧重于癌症的来源器官。随着每种基因异常都被确定为靶点，针对这些基因的药物开发也随之增长，从而提高了生存率和生活质量，人们对寻找新靶点的兴趣也随之增加。肺癌是最好的例子之一，与接受经验性常规化疗的患者相比，可靶向的基因异常导致生存率存在显著差异。神经调节蛋白 1 基因 (NRG1) 的易位是众多具有临床意义的基因融合之一，它有可能成为可靶向的基因，欧洲和美国已经在进行临床试验。本综述旨在描述这种新融合在肺癌治疗中的重要性和最新进展。
认真对待原则：人工智能中价值协调的混合方法
人工智能 (AI) 中价值一致性 (VA) 系统开发的一个重要步骤是了解 VA 如何反映有效的道德原则。我们建议 VA 系统的设计者采用一种混合方法来融入道德，其中道德推理和经验观察都发挥作用。我们认为，这避免了犯“自然主义谬误”，即试图从“是”中推导出“应该”，并且在没有犯谬误时提供了一种更充分的道德推理形式。使用量化模态逻辑，我们精确地制定了源自义务论伦理的原则，并展示了它们如何为 AI 规则库中任何给定的行动计划暗示特定的“测试命题”。只有当测试命题在经验上是真实的，即基于经验 VA 做出的判断时，行动计划才是合乎道德的。这使得经验性 VA 能够与独立证明的道德原则无缝集成。
“V0. 英国无线电工程师学会 1
陛下的赞助将激励该学会未来的发展；官员和理事会充分意识到该学会的问题，这一点在 L. H. Bedford 先生的演讲中得到了证实。在对皇家学会会长提出的学会祝酒词的回复中，Bedford 先生提到，皇家学会是我们最古老的学术机构，而该学会是最年轻的机构之一；可能我们最大的障碍是我们的年轻，只有时间和该学会的继续存在才能弥补这一状况。Bedford 先生还处理了无线电发展主要是经验性的论点。他对这一批评的回应是，我们的工作需要有一般的理论背景，实践经验必不可少，同时还要有确保信息和思想交流的正确方法。事实上，该机构存在的最大理由之一在于它作为传播知识的手段。尽管该机构能够通过其掌握的媒介为传播知识提供平台，但必须承担
心脏肿瘤学临床前模型
摘要。心脏毒性是癌症治疗引起的常见副作用，会增加癌症幸存者的长期发病率和死亡率。迄今为止，导致这种毒性的机制仍不清楚，因此使心脏安全性评估和预测因素识别变得复杂。技术的进步，特别是放射治疗和新型抗肿瘤药物的不断发展，迫切需要开发有效的临床前模型来检测药物的心脏毒性。尽管成功率有限，但已经使用了无数的经验性临床前模型来研究心脏毒性。最近，多细胞球体模型通过模拟体内微环境而引起了人们的关注。本综述旨在重点介绍用于评估抗肿瘤药物和放射治疗相关心脏毒性的最相关的临床前模型，并概述其目前的用途。它还旨在讨论心脏肿瘤学领域转化研究的可能方向。