XiaoMi-AI文件搜索系统
World File Search System评价
已发表版本的引文（APA）：Popenici, S., Catalano, H., Mestic, G., & Ani-Rus, A. (2023)。人工智能系统评价
本研究基于定量和定性分析方法构建的方法论框架，遵循 Pickering 和 Byrne (2014) 提出的步骤，进行系统的文献综述和文献收集设计，重点分析人工智能 (AI) 时代高等教育的想象未来。我们的研究旨在回答以下研究问题：（1）人工智能时代高等教育的想象未来是什么？（2）哪些因素影响高等教育教学过程与人工智能之间的联系？（3）学生和教师改进数据库和开发 ChatGPT 会产生什么影响？作者探讨了人工智能在西方世界当前大学治理安排和精神背景下的影响。深入分析与人工智能系统的出现相关的一些已确定的主要挑战、机遇和风险相一致，例如技术监控或学术界对人工智能和大型语言模型（如 ChatGPT）的普遍访问，并提出了在高等教育中明智地选择和使用人工智能解决方案进行学习和教学的论据。本研究采用的分析框架还用于总结该领域研究的新方向，以恢复大学的主导地位，提高学生、学者和公众的高等教育质量。
免疫疗法下HCC和肝功能障碍患者的结果：系统评价和荟萃分析
对流行病学（Moose）指南中观察性研究的荟萃分析进行了审查过程。我们从2017年11月14日至2022年3月25日搜索了PubMed，通过制定关键字搜索。The exact query formulated in Pubmed was as follows: “ (TS = (hepatocellular carci- noma OR HCC) AND TS = (liver dysfunction OR Child- Pugh B OR Child-Pugh C) ” AND TS = (immunotherapy OR nivolumab OR pembrolizumab OR atezolizumab- bevacizumab OR atezolizumab and bevacizumab或durvalumab-tremelimumab或durvalumab以及trem- elimumerab或ipilimumab-nivolumab或ipilimumab和nivolumab）aq4重复的报告。此外，我们手动扫描了包括文章的参考列表。两个审稿人（即和M.S.-Z.）基于标题和抽象阅读的独立选择的潜在相关研究。全文文章，并由同一2个独立审阅者收集并评估资格。在差异的情况下，与高级作家（M.R.）讨论后达成了共识。当作者在同一主题上有超过1个出版物时，最新的选择是为了避免人口重叠。符合条件，在过去5年中提交给国际会议的原始文章或摘要（补充表1中的会议清单，http：//links.lww.com/hep/a46）必须报告根据肝功能（Child-Pugh A，Child-Pugh B，Child-Pugh C或Child-Pugh B/C）的生存结果。我们排除了将免疫疗法与局部治疗或TKI结合使用的研究。
引用本文：Gerbrich Ferdinands (2021) 人工智能辅助系统评价：选择研究比较小样本量的贝叶斯与频率 SEM，多元行为研究，56:1，153-154，DOI：10.1080/00273171.2020.1853501
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%
多元化和个性化的多评价医学图像细分
注释歧义由于固有的数据不确定性，例如医学扫描中的界限模糊以及不同的观察者专业知识和偏好已成为训练基于深度学习的医学图像模型的主要观点。为了解决这个问题，普遍的做法是从不同专家那里收集多个注释，导致多评价医学图像分割的设置。现有的作品旨在将不同的注释合并到“地面真实”中，而在众多医疗环境中通常无法实现，或者产生不同的结果，或产生与个人专家评估者相对应的个性化结果。在这里，我们提出了一个更雄心勃勃的多评价医学图像细分的目标，即遵守多元化和个性化结果。指定，我们提出了一个名为d-persona的两个阶段框架（第一个d iversification，然后是角色lization）。在第I阶段，我们利用多个给定注释来训练一个可能性的U-NET模型，并具有约束损失，以证明预测多样性。以这种方式，在第I阶段建造了一个共同的空间，其中不同的潜在代码表示多样化的专家意见。然后，在第二阶段，我们设计了多个基于注意力的投影头，以适应来自共享潜在空间的相应专家提示，然后执行个性化的医疗图像细分。我们评估了内部鼻咽癌数据集和公共肺结核数据集（即LIDC-IDRI）的拟议模型。我们的代码将在https：//github.com/ycwu1997/d-persona上发布。的实验实验表明，我们的D-Persona可以同时获得多元化和个性化的结果，从而实现了多评位者医疗图像细分的新SOTA性能。
引用li l-j，mo y，shi z-m，huang x-b，ning y-p，wu h-w，yang x-h和Zheng W（2024）psilocybin用于重度抑郁症：系统评价
主要的抑郁症（MDD）在社会（1）中是一种高度普遍的状况，其特征是严重，持久，不易抑郁症，无能为力，无能为力和内gui（2）。MDD可以导致残疾，并且与死亡率的增加有关（3）。MDD最常见的药理学治疗方法是选择性5-羟色胺再摄取抑制剂，5-羟色胺和去甲肾上腺素再摄取抑制剂，以及其他选择性靶向神经递质的相关药物（4）。对MDD成年人的21种常见抗抑郁药的荟萃分析发现，所有这些都比安慰剂在改善抑郁症状严重程度方面更有效，但效果大小很小（5）。这些药物的作用延迟，需要数周到几个月的治疗，高副作用率，高复发率和慢性剂量（6）。因此，需要更有效且需要更快地改善抑郁症状的新疗法。新型的药理学干预措施，例如氯胺酮/埃斯酮胺（7）或psilocybin（8），在治疗MDD患者方面表现出积极的结果，并有可能提供更好的保护。用单一或多个输注氯胺酮治疗抑郁症是安全有效的（9，10）。此外，多次输注氯胺酮具有累积和持续的抗抑郁作用（9）。最近的系统评价发现，埃斯酮胺和psilocybin可有效减轻抑郁症状，克服了一些局限性，可以认为是可能的新型抗抑郁药（11）。与psilocybin相比，氯胺酮具有更高的成瘾和毒性作用的潜力（12、13），例如溃疡性膀胱炎（14）。psilocybin是一种天然存在的精神活性生物碱，是许多血清素能受体的无可选择激动剂，尤其是5-羟色胺2A（5-HT 2A）（5-HT 2A）（15）。越来越多的研究表明，psilocybin可以有效治疗情绪障碍并减轻焦虑和抑郁症状（16）。然而，psilocybin的RCT（8、17-20）的发现，检查了MDD患者的psilocybin的效率和耐受性。先前的系统评价和荟萃分析检查了psilocybin对MDD患者的效率和耐受性。其中一些评论包括原发性抑郁症和继发性抑郁症（21-23），而其他一些评论仅专注于继发性抑郁症，例如生命 -
对系统定量，定性和混合研究评论的系统评价在医疗保健研究中的评论：如何评估包括评论的方法论质量？
摘要 - 很长一段时间以来，电力需求与天气之间建立了关系，并且是运营和计划的负载预测的基石之一，以及行为和社会方面（例如日历或显着事件）。本文探讨了新闻中包含的社会信息的方式以及为什么可以更好地使用能源需求来理解总人口行为。这项工作是通过实验来分析从国家新闻对日前电气需求预测中提取的预测特征的影响的实验完成的。将结果与仅在日历和气象信息上训练的基准模型进行比较。实验结果表明，表现最好的模型将官方标准误差降低到4％，11％和10％的RMSE，MAE和SMAPE。表现最佳的方法是：识别与COVID-19相关的关键字的单词频率；主题分布确定了有关大流行和内部政治的新闻；全球词嵌入了有关国际冲突的消息。这项研究为传统的电力需求分析带来了新的观点，并确认了通过文本中包含的非结构化信息改善其预测的可行性，并在社会学和经济学中带来了潜在的后果。
疼痛管理：系统评价
Miss。Trupti Kadam摘要：疼痛管理是医疗保健的关键方面，包括旨在减轻痛苦，改善生活质量和恢复功能能力的广泛治疗策略。本评论探讨了当前疼痛管理的格局，重点是最新进步，新兴疗法和多学科治疗方法。疼痛可以分为急性和慢性，由于其多因素性质，后者通常涉及生理，心理和环境因素。传统的镇痛药，包括非甾体抗炎药（NSAID），阿片类药物和对乙酰氨基酚，仍然是基础的，但由于对副作用，耐受性和成瘾性的关注而越来越受到审查。较新的药理学剂，例如神经性疼痛调节剂和靶向生物制剂，提供了具有更具体的作用机理和较少不良影响的有希望的替代方法。干预技术如神经阻滞，脊髓刺激和鞘内药物的递送在药物治疗不足时为患者提供局部缓解。此外，诸如认知行为疗法，物理疗法，针灸和正念实践等非药理方法在管理慢性疼痛方面也获得了关注，强调了整体护理。本综述还深入研究了个性化疼痛管理计划的重要性，遗传学在疼痛感知中的作用以及精确医学的持续发展。通过综合当前的研究和临床实践，本文旨在提供疼痛管理策略的全面概述，强调一种量身定制的，多面的方法的重要性，以满足当代医疗保健环境中疼痛患者的多样化需求。[1]关键字：镇痛技术，肌肉内；镇痛，患者控制的麻醉技术，硬膜外；疼痛，术后
癌症中聚（ADP-核糖）聚合酶抑制剂的比较疗效和安全性：系统评价和网络荟萃分析
此预印本版的版权持有人于2025年3月11日发布。 https://doi.org/10.1101/2025.03.11.25323491 doi：medrxiv preprint
r e v i e w应用离散事件仿真模型用于COPD管理：系统评价
摘要：klebsiella spp。是普遍存在的革兰氏阴性细菌，通常存在于自然环境中，作为人类微生物群的一部分。克雷伯菌参与了许多疾病的发生和发展，有效的抗生素吸引了研究人员的注意。近年来，其多药耐药性，特别是对碳青霉烯和β-内酰胺抗生素，对临床治疗提出了重大挑战。因此，对克雷伯氏菌的抗性机制的全面理解，以及提高检测方法，对于有效控制耐药菌株的传播和指导个性化的临床治疗至关重要。本文系统地回顾了克雷伯氏菌的流行病学特征，抗性机制，检测方法和治疗策略，旨在为该病原体的临床管理提供新的见解。关键词：克雷伯菌，耐药性，检测方法，β-内酰胺，碳青霉烯
肠道微生物组对慢性肾脏疾病患者尿毒毒素减少的影响：系统评价和网络荟萃分析
。cc-by 4.0国际许可证是根据作者/资助者提供的，他已授予MedRxiv的许可证，以永久显示预印本。（未通过同行评审认证）