XiaoMi-AI文件搜索系统
World File Search System训练计划
Birkie 训练计划 2024
第 8 周 7/17-7/23 无氧阈值 9.5 第 9 周 7/24-7/30 速度/强度 9.25 第 10 周 7/31-8/6 恢复 7 第 11 周 8/7-8/13 强度 10.25 第 12 周 8/14-8/20 有氧量/力量 12 第 13 周 8/21-8/27 有氧量 13.5 第 14 周 8/28-9/3 恢复 6.25 第 15 周 9/4-9/10 强度 10 第 16 周 9/11-9/17 强度/速度 11.75 第 17 周 9/18-9/24 有氧量 13.25 第 18 周 9/25-10/1 恢复6.5 第 19 周 10/2-10/8 高强度/速度 9.75 第 20 周 10/9-10/15 高强度/速度 10.25 第 21 周 10/16-10/22 有氧训练量 13 第 22 周 10/23-10/29 恢复 6 第 23 周 10/30-11/5 无氧阈值 10.5 第 24 周 11/6-11/12 有氧训练量 13.5 第 25 周 11/13-11/19 恢复 5.75 第 26 周 11/20-11/26 无氧阈值 11.25 第 27 周 11/27-12/3 有氧训练量 13.25 第 28 周12/4-12/10 恢复 6 第 29 周 12/11-12/17 比赛 (10-15km) 9.25 第 30 周 12/18-12/24 强度/速度 6.75 第 31 周 12/25-12/31 有氧训练量 13.25 第 32 周 1/1-1/7 恢复 4.75 第 33 周 1/8-1/14 比赛 (30-35km) 8 第 34 周 1/15-1/21 有氧轻松训练量 9.75 第 35 周 1/22-1/28 强度/速度 9.25 第 36 周 1/29-2/4 比赛 (20-25km) 7.25 第 37 周 2/5-2/11 减量/恢复 6 周38 2/12-2/18 减量训练 5 周 39 2/19-2/25 BIRKIE 训练 5.75 周 总训练时长 357
Uchicago Medicine加入CHM CDH17阶段1/2临床试验 2022年10月31日1025年2月10日 JB Hi -Fi Limited -HY25结果呈现 2025年2月4日Adalta Limited（ASX：1AD）... Origin批准建造大型Eraring电池 悬崖头销售更新 5E高级材料宣布重组支持协议和新的股本资本 电池时代矿物质首席执行官Gerard O'Donovan被任命为董事总经理 董事总经理 北美的下一个锂电器 ASX公告 爱国者电池金属在上开始2025冬季训练计划 发现的自然资源虚拟会议 恒星加速Tumblegum South Gold Project 季度活动报告 - 2024年12月31日 $ 1,180万美元的亚太合同 Santara的局部抗纤维化药物导致既定疤痕中的皮肤显着归一化
•CHM CDH17是世界上第一个抗CDH17指导的CAR-T细胞疗法•芝加哥大学医学是开发癌症疗法的世界领导者•该临床试验的第1阶段部分旨在招募多达15名患者•现在已经服用了三名患者，现在已经有五个成功的制造业，澳大利亚，澳大利亚，10 febrss chimerics chmiric chmiric chmiric chmiric chmiric chmiric chmiric chmiric chmiric sepapeics opecirics opecriq opecirics opecirics opecirics opecirics opecirics'''''澳大利亚细胞疗法领导者“公司”）很高兴地宣布，芝加哥大学医学（Uchicago Medicine）愿意让患者参加CHM CDH17细胞疗法的1/2阶段Multi-Centre临床试验。第1/2期试验（NCT06055439）是一项两阶段研究，旨在确定建议的2期CDH17剂量，并评估其在晚期大肠癌，胃癌和肠道神经内分泌肿瘤患者中其安全性和客观反应率。CHM CDH17是针对CDH17的第三代新型CAR T细胞疗法，它是最常见的胃肠道肿瘤中与预后不良和转移相关的癌症靶标。Th Uchicago Medicine将由副教授Dan Olson领导，他的研究重点是为包括CAR-T细胞疗法在内的实体瘤开发新的免疫疗法。Uchicago Medicine还是Chimeric科学顾问委员会成员Michael Bishop教授的所在地，他以开创性的干细胞移植并发现突破性的癌症治疗而闻名。“我们正在获得CHM CDH17研究的势头，并很高兴欢迎Uchicago Medicine参加审判，” Chimeric Therapeutics首席执行官Rebecca McQualter博士说。“在CHM CDH17的五次成功制造之后，我们现在已经看到了三名在Sarah Cannon和Upenn网站上服用的患者，并期待尽快宣布进一步的进展。”预计这项研究的第1阶段部分将招募15名患者，并通过特定于2期同伴进行剂量选择和扩张。
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 人工智能增强篮球罚球的运动学分析 BEKIR KARLIK 1、MUSA HAWAMDAH 2 1 埃波卡大学计算机工程系，地拉那，阿尔巴尼亚 2 塞尔丘克大学计算机工程系，科尼亚，土耳其 在线发表：2024 年 12 月 30 日 接受发表：2024 年 12 月 15 日 DOI：10.7752/jpes.2024.12321 摘要：问题陈述和方法：在篮球比赛中，罚球的成功与否取决于球的出手角度、在空中的正确位置以及最佳速度运动特征。本研究利用人工智能（AI）研究了篮球运动员在疲劳前后执行罚球的运动学特征。材料和方法：我们使用了各种监督机器学习算法，包括：k-最近邻 (k-NN)、朴素贝叶斯、支持向量机 (SVM)、人工神经网络 (ANN)、线性判别分析 (LDA) 和决策树。这些算法用于对从球员收集的运动数据得出的特征进行分类，以揭示他们在不同疲劳程度下的投篮机制的模式和变化。当球员在疲劳前后成功和不成功投篮时，在球释放点测量肘部、躯干、膝盖和踝关节角度。有两种方法可用于对这些特征进行分类：第一种方法是直接使用行数据；另一种是使用主成分分析 (PCA) 减少数据。对于这两种方法，数据在应用于分类器之前都在 0-1 之间归一化。结果：我们通过使用朴素贝叶斯分类器对行数据获得了 98.44% 的最佳分类准确率。此外，使用 PCA 对减少数据进行 ANN 的结果显示最佳分类准确率 95.31%。研究结果揭示了疲劳引起的投篮力学的不同模式和变化，并强调了机器学习模型在分析生物力学数据方面的有效性。讨论和结论：这些结果有助于制定训练计划，以提高疲劳状态下的表现和一致性。这项研究强调了人工智能和数据驱动方法在运动生物力学中的潜力，可以为运动员表现和疲劳管理提供有价值的见解。关键词：智能算法、运动生物力学、运动数据、疲劳引起的变化简介在对各种运动进行的研究中已经观察到功能技能和基于技能的运动模式之间的差异。评估功能技能比评估基于技能的运动模式更具挑战性（Goktepe 等人，2009 年；Abdelkerim 等人，2007 年；Chappell 等人，2005 年）。例如，Goktepe 等人（2009 年）利用统计分析来证明踝关节、肩膀和肘部角度对网球发球的影响。Abdelkerim 等人（2007）展示了篮球运动员的计算机化时间运动分析，而 Chappell 等人（2005）则研究了在进行疲劳前和疲劳后练习的三个停跳任务中落地和跳跃动作中改变的运动控制策略。评估基于技能的收缩、适当的肌肉发力时间和关节定位等因素相对容易。值得注意的是，个人之间的动作执行和技能习得存在差异。在篮球罚球中，关节角度是足以将投篮分为不同类别的基本特征（Schmidt 等人，2012；Ge，2024；Zhang & Chen，2024）。疲劳是人类活动的自然结果，会影响运动员在训练和比赛期间的认知和学习能力。虽然大多数研究认为疲劳是影响表现的一个关键因素（Forestier & Nougier，1998；Apriantono 等人，2006），但一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010；Rusdiana 等人，2019；Li，2021；Bourdas 等人，2024）。例如，Uygur 等人（2010）基于统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024）则专注于疲劳对三分跳投的影响。Li 等人（2021）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中尚未发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同数据源或机器学习技术在结构分析和语义提取中的作用。这项研究是首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析一些研究表明疲劳对篮球罚球表现没有影响（Uygur 等人，2010 年；Rusdiana 等人，2019 年；Li，2021 年；Bourdas 等人，2024 年）。例如，Uygur 等人（2010 年）根据统计运动学分析发现疲劳对罚球没有显著影响。同样，Rusdiana 等人（2019 年）使用 SPSS 分析了罚球运动学，而 Bourdas 等人（2024 年）则专注于疲劳对三分跳投的影响。Li 等人（2021 年）研究了疲劳对女子篮球运动员投篮表现的运动学影响。所有这些研究都采用了统计方法；文献中没有发现用于分析篮球罚球运动学的人工智能或软计算技术。近几十年来，高效的数据分析已显著提高了使用软计算方法的各个领域的生产力。然而，体育科学中的大多数研究都集中在特定的比赛上，以探索不同的数据源或机器学习技术在结构分析和语义提取中的作用。本研究首次将机器学习方法应用于运动学分析
原创文章 通过个性化的训练计划提高学生滑雪者的运动和功能素质 ELENA ROMANOVA 1 , VIKTOR KRA
原创文章通过针对学生滑雪者的个性化训练计划提高运动和功能素质 ELENA ROMANOVA 1 , VIKTOR KRAYNIK 2 , ANTON VOROZHEIKIN 3, , ALEKSANDR LIMARENKO 4 , ELENA FALEEVA 5 , MAXIM GURYANOV 6 , ARTYOM NEPANOV 7 , ANDREY LEPIKHOV 8 , ELENA STOLONOGOVA 9 , MIKHAIL ZAREMBOVSKIY 10 , PAVEL TYUPA 11 , REGINA KOVYLINA 12 1 阿尔泰国立大学，巴尔瑙尔，俄罗斯 2 阿尔泰国立师范大学，巴尔瑙尔，俄罗斯 3,7,8,9 彼得大帝圣彼得堡理工大学，圣彼得堡，俄罗斯4 西伯利亚联邦大学俄罗斯克拉斯诺亚尔斯克 5 雷舍特涅夫西伯利亚国立科技大学，俄罗斯克拉斯诺亚尔斯克 6 伏尔加研究医科大学，俄罗斯下诺夫哥罗德 10 下诺夫哥罗德语言学大学，俄罗斯下诺夫哥罗德 11 伊曼纽尔康德波罗的海联邦大学，俄罗斯加里宁格勒 12 塞梅伊医科大学，NCJSC，哈萨克斯坦塞梅伊 在线发表日期：2024 年 10 月 31 日 接受出版日期：2024 年 10 月 15 日 DOI：10.7752/jpes.2024.10260 摘要：加强学生青少年体育教育的手段和方法对于保持和改善他们的身体健康至关重要。目的：本研究旨在对参加健身房学术体育训练的学生和在冬季过渡到滑雪训练的滑雪学生群体的运动技能发展以及心血管和肌肉系统的状况进行比较分析。材料和方法：这项研究涉及西伯利亚联邦区大学的 96 名 17-19 岁的男学生。他们被随机分成两组：对照组 (CG) 和实验组 (EG)。CG 学生的体育课旨在利用健身房学术体育训练的手段和方法发展人的主要运动技能。在 EG，滑雪训练在一年中的多雪期进行，共计 56 小时。对身体的主要运动技能和功能指标进行了测试。结果发现，将滑雪纳入体能训练计划有助于提高耐力，比对照组高出 25% 以上。与在健身房上体育课的年轻人相比，EG 组学生的运动协调性和敏捷性指标以及肌肉力量值更高。实验结束时，EG 组学生的静息心率、30 秒内 20 次深蹲测试负荷后的恢复时间、罗宾逊指数和最佳血压明显较低。与 CG 组学生相比，这组年轻人在运动测试和双手肌肉力量测力测试中记录的力量指标值更高。仅在健身房上体育课的年轻人速度素质更好，灵活性和速度力量能力与实验组相比有所提高。结论。研究项目的结果表明，根据每个学生的目标和需求制定个性化教育计划的重要性，以及使用各种类型的体育活动来和谐发展身体和功能素质的可能性。与体育馆里的体育课相比，滑雪训练对学生的身体、心理、躯体健康和健康的生活方式的形成更为有效。关键词：运动素质、功能素质、体育训练、滑雪训练简介跑步和滑雪在有雪景的地区很受欢迎，这些类型的体育活动可以作为休闲或竞技运动（Kropta 等人，2020 年）。滑雪被广泛用作休闲和增强体质的手段，供民众独立主动娱乐和年轻学生体育锻炼。在现代世界，学生生活充满了许多不同的活动领域。这包括学业负担、社交和社区活动、体育和创造性兴趣（Eksterowicz 和 Napierała，2020 年）。在学习期间，年轻人经常会经历身体活动不足、与知识控制相关的心理情绪压力，从而降低身体的储备能力（Grajek 和 Sobczyk，2021 年；Bocharin 等人，2021 年）。在如此忙碌的节奏中，对保持和改善身心健康的关注往往被抛在脑后（Kolokoltsev 等人，2020 年）。这会导致学生健康状况恶化（Baker 等人，2022 年；Bocharin 等人，2023 年），并记录到他们的运动技能发展延迟（Faílde-Garrido 等人，2022 年）。然而，越来越明显的是，照顾你的运动和创造性兴趣（Eksterowicz 和 Napierała，2020 年）。在学习期间，年轻人经常会缺乏身体活动，与知识控制相关的心理情绪压力会降低身体的储备能力（Grajek 和 Sobczyk，2021 年；Bocharin 等人，2021 年）。在如此忙碌的节奏中，对保持和改善身心健康的关注往往被忽略（Kolokoltsev 等人，2020 年）。这会导致学生健康状况恶化（Baker 等人，2022 年；Bocharin 等人，2023 年），并记录到他们的运动技能发展延迟（Faílde-Garrido 等人，2022 年）。然而，越来越明显的是，照顾你的运动和创造性兴趣（Eksterowicz 和 Napierała，2020 年）。在学习期间，年轻人经常会缺乏身体活动，与知识控制相关的心理情绪压力会降低身体的储备能力（Grajek 和 Sobczyk，2021 年；Bocharin 等人，2021 年）。在如此忙碌的节奏中，对保持和改善身心健康的关注往往被忽略（Kolokoltsev 等人，2020 年）。这会导致学生健康状况恶化（Baker 等人，2022 年；Bocharin 等人，2023 年），并记录到他们的运动技能发展延迟（Faílde-Garrido 等人，2022 年）。然而，越来越明显的是，照顾你的
主题：海军陆战队射击训练计划
3591 G-3 2024 年 9 月 16 日 来自：训练和教育司令部指挥官 致：分发列表 主题：海军陆战队射击运动计划 参考：(a) MCO 3574.2M 海军陆战队战斗射击计划 (b) MCO 3591.2L 小型武器射击比赛 (c) 战斗射击研讨会章程 (d) 海军陆战队总部，2018 年海军陆战队步枪射击杀伤力能力评估 (e) 国防部长办公室，成立近战杀伤力工作队备忘录 (f) 海军研究办公室，SPEAR 杀伤力模型 (g) ONR 杀伤力报告 (h) 培训和教育 2030 (i) MARADMIN 105/23 FY23 战斗射击研讨会会后消息 (j) MARADMIN 123/24 FY24 战斗射击研讨会研讨会后消息 (k) 第 39 任指挥官的规划指导，2024 年 8 月 附件：(1) 术语和定义表 1. 情况。海军陆战队正处于小型武器射击杀伤力革命的边缘，这场革命经过多年酝酿，并建立在一系列战略级指导文件、成功的研究和实验计划以及参考文献中的多项变革性技术努力的基础上。具体而言，2018 年，海军陆战队作战分析局 (OAD) 在参考文献 (d) 中指出，“尽管海军陆战队必须具备在战斗条件下发射致命火力的能力和信心这一基本理念……但来自伊拉克和阿富汗的海军陆战队领导层对这种能力提出了质疑。”在同一报告中，OAD 指出，“根据海军陆战队第 3574.2L 号命令的定义，海军陆战队战斗射击计划中现行的海军陆战队年度步枪训练表 1 和表 2 未能准确反映当前的威胁环境和未来的作战环境。”在参考文献 (e) 中，国防部长描述了他致力于提高近战编队的“战斗准备、杀伤力、生存力和恢复力”，同时也表示我们对这些部队的投资“没有跟上现有技术、人为因素科学和人才管理最佳实践的变化。”OAD 报告和 CCLTF 备忘录均指出，该军种缺乏对杀伤力的可衡量定义，以及一套标准化的可量化指标，供海军陆战队利用并帮助他们了解其武器的杀伤力。为此，报告指出：“如果没有数据，这种基于能力的评估 (CBA) 的好处将是短暂的，不断适应有思想的敌人的想法将再次沦为轶事断言，而不是可量化的能力。”这些见解、分析和建议对年度步枪资格 (ARQ) 的制定产生了直接影响，该部门于 2021 年开始实施该资格。ARQ 取代了年度步枪训练 (ART) 表 1 和表 2，自 1907 年以来，ARQ 一直是陆军步枪资格的核心。ARQ 结合了在战斗中更真实的射击姿势，并将表 1 和表 2 中评估的技能组合结合到有效的射击过程中，其中包括在 15 到 500 码范围内的交战。重要的是，ARQ 目标基于致命区，如参考文献 (d) 中所建议的那样。这个 ARQ 目标和射击过程强调了射击致命性的重要性，因为只有落在致命区的射击才会得分。三年前，在 ARQ 首次实施的同时，海军研究办公室 (ONR) 正在开展一项研究项目，重点是了解致命武力决策。根据该项目的初始数据收集结果、参考文献 (d) 中的见解以及海军陆战队对射击致命性的日益关注，ONR 决定将其研究重点转向收集射击数据，以更好地了解如何提高
家庭功能技能训练计划对有或无认知障碍的老年人的有效性
摘要背景和目标：对于老年人，尤其是那些有认知障碍的老年人来说，完成日常的科技任务（例如网上银行或购物）可能具有挑战性。科技任务对认知要求很高，需要学习新技能。本研究探讨了在家庭环境中对有和没有轻度认知障碍 (MCI) 的老年人进行基于科技的功能技能评估和培训计划 (FUNSAT) 的有效性。研究设计和方法：184 名 65 岁以上的种族/民族多样化的男性和女性成年人参与了这项研究。样本包括 75 名无认知障碍 (NC) 的老年人和 109 名患有 MCI 的老年人。FUNSAT 计划包括药物和资金管理、交通和购物任务。MCI 参与者被随机分配到 FUNSAT 培训或 FUNSAT 培训结合基于计算机的认知训练 (FUNSAT/CCT)。未受损的成年人只接受了 FUNSAT 培训。使用 FUNSAT 计划评估部分的替代形式，在基线、培训后以及培训后 1 个月和 3 个月进行评估。本文报告了培训后的结果。结果：研究结果表明，非认知障碍和 MCI 参与者在培训后所有 6 项任务中的表现均显著提高。具体而言，培训缩短了任务完成时间并减少了任务错误。参与者还报告说，在现实世界中执行任务时信心增强。讨论和意义：非认知障碍老年人和 MCI 老年人可以学习执行基于技术的日常任务。此外，家庭技术培训方案对于有认知障碍和没有认知障碍的老年人都是可行的。临床试验注册：NCT04679441
圣地亚哥县疏散训练计划
本课程旨在为圣地亚哥县 Genasys EVAC 用户提供履行职责所需的基本知识，包括所有基本系统操作和设置，例如创建和发布区域状态变化、添加到达点（避难所）和交通控制点（道路封闭）、区域拆分和合并、打印 PDF 单区域地图、运行火灾模拟以及面向公众的 Genasys Protect 社区网站的整体监控。