XiaoMi-AI文件搜索系统
World File Search System警戒
疫苗药物警戒
疫苗药物警戒：基于人群的疫苗上市后安全监测疫苗是现代医学最安全的创新之一，通过诱导免疫来预防疾病。在世界各地，常规免疫接种是公共卫生系统提供的一项基本服务，也是降低儿童发病率和死亡率最经济有效的方法之一。大多数疫苗接种的对象是儿童、老年人和健康成人等弱势群体。因此，严格的疫苗安全措施和监督至关重要，因为任何安全问题，即使是毫无根据的谣言，都会削弱公众对疫苗接种的信心，并对免疫覆盖率和疫苗可预防疾病的发病率产生不利影响。因此，疫苗安全对公共健康至关重要。因此，疫苗上市后监测尤为重要，监测系统的发展是为了密切监测疫苗的安全性和有效性，从而使监管机构和制造商能够采取适当的措施来保护公众健康，维持对医疗保健系统的信任并不断改进疫苗产品。疫苗药物警戒被定义为“与检测、评估、理解、预防和通报免疫接种后不良事件或任何其他与疫苗或免疫接种相关的问题有关的科学和活动”。世界卫生组织将免疫接种后不良事件 (AEFI) 定义为“在免疫接种后发生的引起关注并被认为是由免疫接种引起的医疗事件”。疫苗药物警戒的目标是早期发现和及时应对 AEFI，旨在最大限度地减少对个人的负面影响，同时减少对现场免疫接种活动的负面影响。疫苗药物警戒
液化空气集团及其警戒计划
法国法律编号2017 年 3 月 27 日颁布的 2017-399 号法律，涉及母公司的警惕义务并指示公司（“警惕义务法”），在法国商法典第 L. 225-102-4 条中规定，在法国雇用超过 5,000 名员工或在法国和国外雇用超过 10,000 名员工的母公司有义务制定并有效实施警惕计划。该计划必须包括“合理的警惕措施，以识别风险并防止对人权和基本自由、人员健康和安全以及环境造成严重影响”，这些风险可能由集团及其子公司的活动以及液化空气集团与之建立商业关系的供应商或分包商的活动造成。这项义务基于五项措施：
液化空气集团及其警戒计划
液化空气集团的业绩与可持续发展承诺齐头并进。这一承诺对于激励集团团队、培养利益相关者的长期信任以及公司的长期可持续发展都至关重要。集团的业务以应对重大环境和社会挑战的方式展开，提供工业、交通和医疗保健解决方案。这些挑战，如气候和空气质量，是液化空气集团的增长动力。集团的风险预防计划也考虑了与这些领域相关的风险，并满足警戒计划和非财务绩效声明中的各种规定。集团是一家负责任的行业参与者，并在 2018 年底致力于降低其运营的碳强度。液化空气集团通过其业务和承诺为实现联合国提出的某些可持续发展目标 (SDG) 做出贡献。
人工智能在药物警戒中的应用：
人工智能 (AI) 工具具有巨大的潜力，可以增强药物警戒活动。药物警戒专家不必是人工智能专家，但他们应该对人工智能有足够的了解，以探索与人工智能专家合作的可能性。人工智能的现代概念可以追溯到艾伦·图灵的工作，尤其是他在 20 世纪 40 年代末和 50 年代初发表的关于“模仿游戏”的论文。如今，人工智能的范围包括计算技能，包括数学证明的制定；视觉感知，包括面部识别和虚拟现实；专家系统的决策；语言的各个方面，如语言处理、语音识别、创意创作和翻译；以及这些的组合，例如在自动驾驶汽车中。机器可以被编程为具有学习能力，使用模仿人脑认知活动的神经网络，从而实现深度结构学习。人工智能的局限性包括语言困难，这是由于需要理解上下文和解释歧义而产生的，这尤其影响翻译，以及数据库的不足，需要仔细准备和管理。新技术可能会因意外故障而导致无法预见的困难。相关术语和概念包括不同类型的机器学习、神经网络、自然语言编程、本体论和专家系统。人工智能工具在药物警戒中的应用进展缓慢。机器学习与自然语言处理和数据挖掘相结合，用于研究电子健康记录、索赔数据库和社交媒体等数据库中的药物不良反应，有可能增强已知不良反应和反应的表征并检测新信号。
蛋白激酶抑制剂的药理学和药物警戒
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
警戒手册（2021 年更新）
起草委员会得到了许多官员的协助，包括委员会的附加秘书 PK Singh 博士、Sudhir Kumar 先生和 Ajay Kumar Kanoujia 先生，以及委员会的首席技术专家 Shailendra Singh 先生和 Ashok Kumar 先生。起草委员会还感谢 STC 前首席财务官 Arvind Kadyan 先生、BHEL 首席财务官 Alok Ranjan 先生和印度中央调查局 DIG Vijayendra Bidari 先生的贡献。委员会还感谢委员会官员发挥的重要作用，即主任 Nitin Kumar 先生、主任 M. Janaki 先生、主任 BB Roy 先生、副主任 Rajiv Verma 先生、副主任 TP Sharma 先生和副主任 WJ Keishing 女士。秘书、银行顾问 Shri Umesh Bhalla、银行顾问 Shri SC Teli、副秘书 Shri Arvind Kumar、副秘书 Shri SK Gwaliya 和助理顾问 Shri SV Krishnan 正在更新手册。
人工智能在药物警戒中的应用
摘要 介绍 人工智能通过机器学习使用算法和先前的学习来做出预测。最近，人们对将更多人工智能纳入已经上市的产品和正在开发的药物的药物警戒中产生了兴趣。 目的 本研究的目的是通过系统的文献综述来确定和描述人工智能在药物警戒中的用途。 方法 使用 Embase 和 MEDLINE 数据库搜索 2015 年 1 月 1 日至 2021 年 7 月 9 日发表的文章，在标题或摘要中使用“药物警戒”、“患者安全”、“人工智能”和“机器学习”等搜索词。使用预先指定的数据提取模板审查和合成了包含有关在所有患者安全或药物警戒模式中使用人工智能的信息的科学文章。信息不完整及致编辑的信、注释和评论的文章被排除在外。 结果 确定了 66 篇文章进行评估。关于人工智能的大多数相关文章都集中在机器学习上，它在患者安全中的应用包括识别药物不良事件 (ADE) 和药物不良反应 (ADR)（57.6%）、处理安全报告（21.2%）、提取药物 - 药物相互作用（7.6%）、识别药物毒性高风险人群或指导个性化护理（7.6%）、预测副作用（3.0%）、模拟临床试验（1.5%）以及将预测不确定性整合到诊断分类器中以提高患者安全性（1.5%）。人工智能已被用于通过自动化流程和机器学习模型训练来识别安全信号；然而，鉴于每个来源包含不同类型的数据，这些发现可能不具有普遍性。结论人工智能可以处理和分析大量数据，并可应用于各种疾病状态。自动化和机器学习模型可以优化药物警戒流程，并提供更有效的方法来分析与安全相关的信息，尽管还需要更多的研究来确定这种优化是否会影响安全分析的质量。预计在不久的将来，它的使用将会增加，特别是在预测副作用和不良反应方面。