XiaoMi-AI文件搜索系统
World File Search System评估模型
人工智能应用最终用户的前瞻性评估模型：系统评价
摘要背景：最终用户意见对于健康应用的成功至关重要，尤其是在医学中人工智能（AI）的新兴领域。了解最终用户的观点对于AI的接受和有效性至关重要。目标：该系统评价旨在全面分析AI应用程序最终用户的观点和接受模型的现有文献。通过综合和批判性评估研究，本综述旨在识别关键主题，方法论和知识差距。方法：在2023年在PubMed中进行了系统的审查，以确定用英语编写的相关同行评审文章。纳入标准的重点是原始研究，这些研究从用户的角度验证了评估AI模型。提取的信息包括出版详细信息，研究国家，参与者特征，数据收集和分析方法以及所提出模型的属性。结果：在这项研究中包括2019年至2022年间发表的3714张记录中的19篇论文。参与者属于六类，即医师，医学生，护士，患者和公众。确定的论文中最重要的评估因素是“道德问题，信任和焦虑”，“可用性”，“自我效能感和知识”，“社会”，“福利”，“ AI产品和服务支持的质量”，“ AI接受，对AI的抵抗，AI，态度，态度和满意度”。此外，还探索了一些调查的调节变量，包括探索感知的易用性，可感知的有用性和感知的风险。结论：这些发现有助于了解最终用户的视角研究中的当前趋势和实践。未来的研究应继续探索最终用户的观点，以增强医疗保健中有效的AI系统的开发和实施。关键字：人工智能，评估框架，评估模型，评估理论，健康信息学1。背景
bevsim：电池电动汽车可持续性影响评估模型
摘要目的/假设缺乏电子健康系统，可以整合与糖尿病自我管理相关的复杂方面。我们开发并进行了现场测试的电子健康系统（Power2DM），该系统将医疗，心理和行为方面和连接的可穿戴设备整合在一起，以支持患者和医疗保健专业人员共享决策和糖尿病自我管理。方法参与者接受了NETH-LANDS和西班牙医院门诊糖尿病诊所的1型糖尿病（年龄> 18岁）的参与者，使用随机化软件随机分配给Power2DM或通常的护理37周。该RCT评估了研究结束时Power2DM和常规护理组之间HBA 1C的变化（37周），这是主要结果指标。参与者和临床医生对干预措施没有视而不见。Changes in quality of life (QoL) (WHO-5 Well-Being Index [WHO-5]), diabetes self-management (Diabetes Self-Management Questionnaire – Revised [DSMQ-R]), glycaemic profiles from continuous glucose monitoring devices, awareness of hypoglycaemia (Clarke hypoglycaemia una- wareness instrument), incidence of hypoglycaemic episodes and technology acceptance是次要结果措施。另外，分别为1型和2型糖尿病的参与者进行了子肛门。结果共有226名参与者参加了该试验（108型糖尿病； 118型患有2型糖尿病）。在Power2DM组中间质葡萄糖水平在3.0至3.9 mmol/L之间有所增加，但临床相关性低血糖（间质性葡萄糖水平低于3.0 mmol/L），但没有增加。在POWIR2DM组（n = 111）中，HBA 1C从60.6±14.7 mmol/mol（7.7±1.3％）降至56.7±12.1 mmol/mol/mol（7.3±1.1％）（平均值±SD，p <0.001），而不是使用使用情况下的715）（n = 115）（n = 115）（n = 115）。 Mmol/mol，7.8±1.3％的研究结束：61.0±12.4 mmol/mol，7.7±1.1％； p = 0.19）在Power2DM组中的子分析中，患有2型糖尿病的参与者的HBA 1C从62.3±17.3 mmol/mol/mol（7.9±1.6％）降至54.3±11.1 mmol/mol/mol/mol/mol（7.1±1.0％）（7.1±1.0％）（p <0.001）（p <0.001），而与HBA 1C相比，HBA 1C in type in type intels intels intels intela 58.8±11.2 mmol/mol [7.5±1.0％]； 59.2±12.7 mmol/mol [7.6±1.2％]与通常的护理组相对的Power2DM组中1型糖尿病的参与者（基线：15.7±3.8;研究结束：16.3±3.5; P = 0.047）。糖尿病的自我管理均改善了1型糖尿病的参与者（从7.3±1.2到7.7±1.2; p = 0.002）和2型糖尿病（从6.5±1.3±1.3±1.3; p = 0.003; p = 0.003; p = 0.003）的自我管理改善了。Power2DM综合的电子健康支持在日常生活中被广泛接受，没有观察到重要的不良（或意外）效果或副作用。结论/解释功率2DM与2型糖尿病患者的常规护理相比，提高了HBA 1C水平，改善了1型糖尿病患者的QOL，可改善1型和2型糖尿病患者的糖尿病自我管理，并且在日常生活中被广泛接受。试验注册临床。govnct03588104。
使用威胁评估模型增强学校安全
步骤 1. 建立多学科威胁评估小组 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ... . ... .16 保护因素. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 .21
使用威胁评估模型增强学校安全
步骤 1. 建立多学科威胁评估小组 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ... . ... .16 保护因素. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 .21
微生物培养的生长曲线：有远见的重新评估模型
摘要：以前的论文报道，浮游微生物培养物的现象学模型表明，自从生长潜伏期阶段以来，微生物种群的整个增长进展似乎是计划的，在此期间，人口水平保持其起始水平。该模型符合有关复杂系统行为的最新建议，只要它允许在减少变量的单个主图中收集许多真实批次培养的生长趋势，尽管它们具有新陈代谢和生理差异。该模型的一个重要问题涉及微生物的时间尺度的起源，这与观察者可能有所不同。本文报告了该模型在预测微生物学中的潜在用途，并提出了扩展到培养演化的稳定和衰减阶段的扩展，这表明，与对生长阶段的假设相一致，衰减是通过扫描细胞生成步骤而发生的。这种观点得出的结论是，生长和衰减趋势之间的稳定相实际上对应于最古老的细胞世代的丧失，这代表了微生物种群的小部分。这种早期衰减几乎在日志刻度上几乎是无法检测到的，看起来像稳定的阶段。说明显示出广泛的最大值而不是中间稳定趋势的案例，与模型仍然相关的单个连续功能可以描述微生物培养的整个生长和衰减趋势。
太阳能和风能评估模型 - 2024 年公众意见
评论 16。2024 年草案模型与之前的版本有很大不同。太阳能和风能行业支持 2021-2022 年国家预算颁布的立法，该立法指示该部门发布太阳能和风能系统不动产税评估的标准方法，因为标准和公平的评估方法可以提高税收管辖区和可再生能源开发公司的确定性和便利性。如果模型的连续版本对估值公式的关键组成部分包含截然不同的值，并产生截然不同的估值，这会破坏立法意图并削弱该模型对开发商和评估人员的价值。我们理解确保模型中的值准确且可辩护的必要性，但我们敦促该部门尽可能优先考虑一致性，以减轻市场不必要的混乱和混乱。
认真对待人工智能风险：人工智能法案的新评估模型
摘要 欧盟人工智能法案 (AIA) 定义了四个风险类别：不可接受、高、有限和最小。然而，由于这些类别静态地依赖于人工智能的广泛应用领域，风险大小可能被错误估计，并且 AIA 可能无法有效执行。这个问题在监管具有多种用途且通常不可预测的应用的通用人工智能 (GPAI) 时尤其具有挑战性。虽然对妥协文本的最新修订引入了针对特定情况的评估，但仍然不够。为了解决这个问题，我们建议将风险类别应用于特定的人工智能场景，而不是仅仅应用于应用领域，使用将 AIA 与政府间气候变化专门委员会 (IPCC) 和相关文献中提出的风险方法相结合的风险评估模型。该集成模型通过考虑 (a) 风险决定因素、(b) 决定因素的个体驱动因素和 (c) 多种风险类型之间的相互作用来估计人工智能风险大小。我们使用大型语言模型 (LLM) 作为示例来说明该模型。
危险化学物质运输的多米诺事故的定量风险评估模型
摘要：近年来，危险材料运输事故受到了越来越多的关注。先前的研究集中在涉及单车的事故上。当装有材料的车辆聚集在一条道路上时，潜在的多米诺骨牌事故可能会导致可怕的事件。本文提示了定量风险评估（QRA）模型，以估计多车事件的风险。该模型使用动态贝叶斯网络（DBN）计算危险化学物质泄漏和爆炸的可能性。对于不同类型的危险化学物质，该模型使用事件树列出不同的场景，并分析每种情况引起的多米诺骨牌事故的可能性。FN曲线和潜在的生命损失（PLL）被用作评估社会风险的指数。分析了上海金山区的多个车辆的案件。案件的结果表明，驾驶员的状态，道路类型，天气因素和车辆之间的距离对危险物质运输事故造成的社会风险产生了重要影响。
评估模型中的算法偏见，以预测菲律宾学生的学习成绩
摘要算法偏见是教育环境中机器学习模型中的主要问题。但是，它尚未在亚洲学习环境中进行彻底研究，并且只有有限的工作才考虑了基于区域（亚国家）背景的算法偏见。作为解决这一差距的一步，本文研究了菲律宾一所大型大学的5,986名学生的人口，并根据学生的区域背景调查了算法偏见。大学在广泛领域的在线课程中使用了画布学习管理系统（LMS）。在三个学期的典范上，我们收集了4870万个学生在画布中活动的日志记录。我们使用这些日志来训练从LMS活动中预测学生成绩的二进制分类模型。表现最佳的模型达到0.75，加权F1得分为0.79。随后，我们根据学生区域检查了偏见的数据。使用三个指标进行评估：AUC，加权F1得分和MADD在所有人口组中均显示出一致的结果。因此，在年级预测中对特定学生群体没有观察到不公平。
基于人工智能的早期腹腔镜胆囊切除术手术难度评估模型
摘要 腹腔镜胆囊切除术 (LC) 是胆结石患者的标准外科治疗方法，从有症状的胆结石到严重的胆囊炎。由于 LC 期间手术所见差异很大，客观评估手术难度非常重要。这对于进一步开发和在 LC 手术中使用未来的人工智能算法至关重要，因为它可以让外科医生之间进行更可靠的基准测试，并有助于手术室规划。在本研究中，训练了深度学习模型来评估手术第一阶段的难度水平。包括在 Meander 医疗中心录制的 93 个 LC 视频。使用改良的 Nassar 量表来注释胆囊难度（1-3 级）和粘连存在（1-3 级）。各种模型都针对不同的标签组合进行了训练；二元和多标签。在多标签测试集上，最佳模型对胆囊和粘连的分类准确率分别达到 66% 和 40%。最佳二元模型将胆囊难度分为 3 级和 1、2 级，准确率为 88%，将 1 级和 2、3 级的准确率为 82%。这项工作展示了基于早期内窥镜视频的手术场景难度理解的潜力。