XiaoMi-AI文件搜索系统
World File Search System辍学率
对生长激素疗法对特发性短期儿童最终成人身高的影响的系统综述
摘要引言本评论的目的是系统地确定生长激素（GH）疗法对特发性短身材（ISS）儿童和青少年成人身高的影响。进行了系统的审查，以评估GH疗法在ISS儿童中的有效性。诸如Proquest Central，Journal @ Ovoid，EbsCohost Medline的数据库，牛津大学出版社期刊，KBþJiscCollections Elsevier Science Direct Freedo和BMJ以及书目的交叉引用。检索了1989年至2023年1月的随机试验。最终成人高度测量并符合纳入标准的随机试验（高度> 2标准偏差[SD]得分低于平均值，没有合并症的条件会损害生长，峰值生长激素反应>10μg/L，没有GH治疗的前历史记录）。排除标准是非随机试验；试验包括除ISS以外的其他原因，研究包括除GH和促性腺激素释放激素类似物（GNRH-A）以外的其他干预措施。使用牛津的关键评估计划的结构化方法用于分析和提取数据。结果该研究回顾了14项合格的随机试验，该试验招募了2,206个可评估的儿童进行分析。七项试验比较了不同的GH剂量，四项试验比较了GH治疗与对照组，并将三项试验比较了GH和GNRH治疗与单独GH的组合。除了一项研究之外，总体辍学率不高。男孩的高百分比是试验之间的异质性的潜在来源。高度变化（HT）-SD得分分别为1.06 0.30和0.18 0.27，分别使用治疗和对照儿童，并且差异在统计学上是显着的（P <0.001）。总体平均身高增长率为5 cm（0.84 SD得分）。在GHÞGNRH-A治疗的第二年和第三年中发现高度速度显着降低（p <0.001），从治疗的7 cm/年从治疗的第一年开始为5.4 cm，并在第二年和
在 COVID-19 疫情期间为高风险的年轻人和老年人提供远程孤独和压力干预的数字人：随机化
方法：进行了一项采用混合设计的平行随机试点试验。参与者为 18 至 69 岁患有基础疾病的成年人或 70 岁及以上且简易精神状态检查评分 >24（即患严重 COVID-19 的风险更大）的成年人。参与者从其居住地参加（独立生活退休村，20 人；社区住宅，7 人；疗养院，3 人）。参与者被随机分配到干预组或候补名单对照组，后者在 1 周后接受干预。干预包括在 1 周内每天至少 15 分钟在网站上与数字人类辅导员一起完成认知行为和积极心理学练习。这些练习针对孤独、压力和心理健康。使用辍学率和行为观察数据评估可行性。根据行为参与数据、友谊问卷（改编）、自我报告项目和定性问题评估可接受性。为评估试验方法的可行性，我们实施了心理测量，包括加州大学洛杉矶分校孤独感量表、4 项感知压力量表、1 项 COVID-19 痛苦测量、蓬勃发展量表和积极和消极体验量表。结果：该研究招募了 30 名参与者（每组 15 名）。参与者包括 22 名患有健康问题的老年人和 8 名年轻人。六名参与者退出研究。因此，分析了 24 名参与者的数据（干预组，12 名；候补名单组，12 名）。根据干预完成情况以及行为、定性和一些自我报告数据，普遍发现数字人干预和试验方法对于独立生活的年轻和老年人来说是可行和可接受的。对于需要护理人员帮助的疗养院居民来说，干预和试验方法的可行性较低。可以通过增加内容、针对人群进行定制以及更改数字人的设计来提高可接受性。结论：数字人是一种有前途的、新颖的技术解决方案，可在 COVID-19 大流行期间为高危成年人提供远程心理支持。研究应进一步研究设计技术，以提高其在此应用中的可接受性，并在随机对照试验中调查干预效果。
收到：2023年1月29日 /接受：2024年2月29日 /出版：2024年3月6日人类的不安全感和中学SCH中的学校辍学分析< / div < / div>
Received: 29 January 2023 / Accepted: 29 February 2024 / Published: 6 March 2024 Analysis of Human Insecurity and School Dropout among Secondary School Girls in Nigeria: A Spatio-Sectoral Approach Uguru W. Ibor J. Silas J. E. Ukoje A. E. Ubana Department of Geography, Federal University Lokoja, Nigeria Department of Political Science, University of Calabar, Nigeria DOI: https://doi.org/10.36941/mjss-2024-0013摘要据确定，人类安全与获得教育，食品和人类尊严相关。然而，在制定了国家战略以结束童婚和尼日利亚引入全民基础教育（UBE）计划的二十五年之后近8年，女童要么被拒绝接受教育或入学，但退出了学校。这项研究的目的是确定人类不安全感与尼日利亚的女童辍学的关系如何。这项研究利用了国家统计局和国家人口委员会的数据。数据涵盖了尼日利亚的36个州，包括2021年的联邦首都地区。ArcGIS软件用于评估女子儿童学校辍学的空间模式，而频率，表，简单百分比和普通的最小方技术用于p <0.05的分析。结果表明，下中学的女性入学率最高（20.3％），西北地区最低（16。4.％）。女童学校辍学最高的地缘政治区是西北（56.8％），东北（50.2％）和北中央（30.6％）。这些发现对设计学校保留策略有影响。与此同时，女性学校出勤率低的西北是女童学校辍学的最高。女孩的儿童学校辍学事件得到了重大解释，其中64％的童婚，家庭财富五分之一的差异，粮食不安全和安全感（R2 = 0.644425，p <0.05）。女童婚姻是影响尼日利亚女子学校辍学的重要因素（1.216； p <0.05）。上学的女孩比例与安全感觉之间存在较弱的正相关关系（0.047890； p> 0.4045）。该研究得出结论认为，女子儿童学校辍学率在尼日利亚州各不相同，与社会经济和文化因素密切相关。关键字：人类，不安全感，教育，女童，空间模式，辍学，尼日利亚
公平干预计划的新方法，以改善数字健康计划中的参与度和结果：仿真研究
背景：数字健康计划为患有慢性疾病的患者提供个性化支持，其有效性是通过患者实现目标临床结果以及该计划维持患者参与能力的程度来衡量的。但是，患者辍学和不平等的干预措施交付策略，可能会无意中惩罚某些患者亚组，这代表了最大化有效性的挑战。因此，优化成功因素（目标临床结果和持续参与的实现）之间平衡的方法学是可取的，尤其是在存在资源限制的情况下。目的：我们的目标是为数字健康计划资源管理提供一个模型，该模型共同说明了个人临床结果与患者参与之间的相互作用，确保公平分配以及允许能力计划，并使用有关2型糖尿病类型的公开数据进行广泛的模拟，一种慢性疾病。方法：我们提出了一个不安的多型强盗（RMAB）模型来计划干预措施，以共同优化长期参与和个体临床结果（在这种情况下，以实现目标健康葡萄糖水平的实现来衡量）。通过加剧组之间的差异来减轻RMAB的趋势实现良好的综合性能，我们为RMAB提出了新的公平目标，并应用了二元优化算法来解决它们。我们为患者参与度和个体临床结果轨迹的联合演变制定了模型，以捕获数字慢性病管理计划中关键的感兴趣动态。结果：在仿真练习中，我们优化的干预政策导致12个月后达到健康葡萄糖水平的患者高达10％，与护理标准基准相比，辍学率降低了10％。此外，与最先进的面前相比，我们的新公平政策将6个人口群体的参与度和健康成果的平均绝对差异最多减少了85％。结论：以个人临床结果目标和长期参与动态进行数字健康干预措施，因为考虑因素可能是可行且有效的。我们建议使用RMAB顺序决策框架，该框架也可以在容量计划中提供其他功能。公平的RMAB算法的集成进一步增强了达到公平解决方案的潜力。此方法为程序设计师提供了灵活性，可以根据其偏好在各种目标之间进行不同的优先级和平衡权衡。
对会话代理人的损耗被保释的心理健康干预措施：系统评价和荟萃分析
背景：对话代理（CAS）或聊天机器人是模仿人类对话的计算机程序。他们有可能通过自动化，可扩展和个性化的心理治疗内容来提高心理健康干预措施的机会。但是，包括CAS提供的数字健康干预措施通常具有较高的流失率。识别与损耗相关的因素对于改善未来的临床试验至关重要。目的：本综述旨在估算CA剥夺的心理健康干预措施（CA干预措施）中的总体和差异率，评估研究设计和与干预相关方面对损耗的影响，并描述旨在减少或减轻研究损耗的研究设计功能。方法：我们搜索了PubMed，Embase（Ovid），Psycinfo（OVID），Cochrane Central对照试验和Web Science登记册，并于2022年6月对Google Scholar进行了灰色文献搜索。我们包括了随机对照试验，这些试验将CA干预措施与对照组进行了比较，并排除了仅持续1次会议的研究，并使用了OZ干预的巫师。我们还使用Cochrane的偏见工具2.0的Cochrane风险在纳入的研究中评估了偏见的风险。随机效应比例荟萃分析用于计算干预组中的合并辍学率。随机效应荟萃分析用于比较干预组中的损耗率与对照组中的损耗率。我们使用叙事评论来总结发现。没有参与者级别的因素可靠地预测损耗。结果：从同行评审的数据库和引文搜索中检索了4566个记录，其中41（0.90％）随机对照试验符合纳入标准。干预组的荟萃分析总损耗率为21.84％（95％CI 16.74％-27.36％； I 2 = 94％）。持续≤8周的短期研究表明，比持续> 8周（26.59％，95％CI 20.09％-33.63％; i 2 = 93.89％）的长期研究较低的损耗率（18.05％，95％，95％CI 9.91％-27.76％； I 2 = 94.6％）。干预组参与者比对照组参与者更有可能在短期（log赔率比1.22，95％CI 0.99-1.50; i 2 = 21.89％）和长期研究（对数优势比1.33，95％CI 1.08-1.65; i 2 = 49.43％）。与较高损耗相关的与干预相关的特征包括无人支持的独立CA干预措施，没有症状跟踪器功能，没有CA的视觉表示以及将CA干预措施与候补名单控件进行比较。结论：我们的结果表明，在短期研究中，大约五分之一的参与者将退出CA干预措施。高异质性使得很难概括发现结果。我们的结果表明未来的CA
“包容性学习环境在实现NEP 2020的愿景中的作用”
2020年国家教育政策（NEP 2020）引入了一个综合框架，强调包容性和公平教育，是印度教育体系的革命性转折点。NEP 2020是在漫长的磋商之后创建的，目的是为印度准备二十一世纪的需求。它旨在提供一个教育环境，以保证所有学生的公平学习和发展机会，无论社会经济背景，性别，语言或残疾如何。viksit Bharat（开发的印度），其中包容性教育被认为是社会发展，经济发展和可持续增长的关键宗旨，与这一愿景一致。像印度这样的多样化国家，其学生来自一系列社会经济，语言和文化背景，需要包容性的学习环境。从历史上看，教育系统经常忽略服务不足的人口的特殊要求，例如农村地区的儿童，收入低的社区以及有障碍的人。因此，学习结果，辍学率和获得高质量教育的差异现在存在显着差异。通过强调一种包容性方法，旨在包括所有学习者和将多样性视为一种力量而不是挑战，NEP 2020克服了这些差异。NEP 2020的强调适应性和以学习者为中心的教学法是其主要特征之一。该政策会调整以摆脱一个尺寸适合的方法，而转向量身定制教育，以满足一系列要求。为了使所有学生更容易获得教育，它促使学校实施灵活的课程，这些课程考虑了不同的学习偏好，速度和兴趣。为了创建一个更热情和鼓励的环境，NEP 2020促进了通用的学习设计（UDL）框架，该框架要求课程和教学适应各种学习偏好。同时，NEP 2020强调教师对于创建包容性学习环境的重要性。该政策要求改进教师准备计划，以强调文化意识，包容性的教学实践以及为有多种需求的儿童提供帮助。为了使他们的教学实践适应每个学生的独特优势和挑战，鼓励教育者使用差异化的教学策略。该战略还建议将技术用作促进包容性的工具，尤其是在服务不足和遥远的地方，那里仍然很难接受良好的教育。教师可以通过使用数字工具来更好地监控学生的进度，自定义课程，并提供更多资源来为多样化的学习者提供服务。NEP 2020的全包教育愿景并非没有困难。需要进行持续的教师发展，缺乏基础设施以及缺乏资源的需求仍然是主要障碍。在许多地方缺乏合格的教师，辅助技术和教学材料，尤其是在农村和贫困社区中，这对于促进包容性氛围是必要的。将需要社区，教育机构和政府组织的一致努力来克服这些障碍，并使NEP 2020年的包容性愿景成为现实。
印度的促进者和基于家庭机器人康复的障碍：一项飞行员可行性研究
中风对幸存者的生活产生了深远的影响，从而导致了影响其生活质量的众多功能障碍和定义（Wolfe，2000； Rand and Eng，2015）。估计有80％的中风幸存者在恢复的早期阶段会遭受某种形式的上肢障碍，剩下约50％的慢性障碍（Wade，1989）。这些糟糕的势后结果不是由于生物学的限制，而是由于缺乏适当的治疗而引起的，正如最近的高强度/高剂量研究所证明的那样（Ward等，2019； Mawase等，2020； Ballester等，2022）。因此，常规的中风后神经居住（当前的护理标准）使患者的康复潜力不足。由于以下原因，印度这样的发展中国家可能会更加紧迫： Al。，2018），（d）患者和护理人员对神经居住的认识不足（Kamalakannan等，2016），以及（e）（e）在大多数患者中使用神经居民服务的财务限制 - 截至2014年 - 截至2014年，只有10％的人口，只有10％的人口保险（Kumar et a al al al al an al an al and al.201）。这些因素限制了患者与医疗保健系统的正式接触。尤其是在急性/亚急性期浪费了中风后有价值的敏感恢复期（Dromerick等，2021）。在家中或在社区中进行的分散疗法可以增加治疗剂量。因此，毫不奇怪，基于家庭的康复是中风后常规神经居住不可或缺的一部分。一种基于纸张的家庭治疗方法是一种规范，在该方法中，对患者/看护人进行了培训，并给出了印刷的讲义，详细介绍了一组练习/任务以在家中独立执行（Jack等，2010; Cheiloudaki和Alexopoulos，2019; Pishkhani et al。，2020）。在这些家庭治疗计划期间与训练有素的临床医生接触仅是间歇性的，并阻止患者和护理人员定期收到有关治疗进展的反馈。这通常会导致较低的治疗依从性和较高的辍学率，并遵守这些基于家庭的练习，据报道低至28％（Mahmood等人，2020年）。目前的景观强调了对家庭康复的创新解决方案的迫切需求。康复机器人技术技术是一个有前途的选择。机器人促进了强烈的高剂量辅助运动训练，使治疗通过计算机游戏更具吸引力，可以提供定期的反馈，跟踪治疗进度，并允许通过间歇性治疗师的监督进行治疗。但大多数现有的康复机器人都是为医院或实验室环境而设计的（Turchetti等，2014； Qassim和Wan Hasan，2020年），由于机器人的尺寸和有限的可移植性，因此对家庭治疗的选择很少。在这些有限的选择中，没有在家庭环境中进行评估，以了解印度机器人辅助家庭治疗的可行性。
社会和行为改变交流干预以改善免疫需求的实施：在AWABEL地区进行定性研究，否
抽象背景：埃塞俄比亚的免疫覆盖范围很低，辍学率很高。社会行为变更沟通（SBCC）的干预措施是作为打击“需求方”免疫障碍的一种手段。然而，就SBCC干预的功效而言，在促进摄取和改善埃塞俄比亚的免疫需求方面几乎没有研究。的目的：探索当前的实施状况，并具有新战略的SBCC干预，障碍和促进者的有效性，旨在有效实施埃塞俄比亚西北地区AWABEL区SBCC干预措施。方法：一项现象学定性研究于2020年1月1日至10月31日进行。使用试验的半结构访谈指南对15个密钥信息进行了访问。参与者是有目的的，由漫画，扩大免疫计划（EPI）焦点人员，卫生扩展工人（HEWS），妇女发展军（WDAS），母亲和社区代表组成的计划。观察到六次疫苗接种课程。编码是为了识别模式。主题分析是使用开放代码4进行的。02。结果：人际交往，社区对话，社会动员和家庭建模用作SBCC方法。HEWS是信息的关键来源。宗教领袖是鼓励免疫接种的主要利益相关者。SBCC被视为改善免疫需求的有效措施。[Ethiop。J.健康开发。实施SBCC干预措施，包括有限的资源，缺乏意识，地理障碍，传统信念，缺乏激励措施以及EPI员工和医疗机构运营时间有限的障碍。参与父亲和宗教领袖，加强WDA，并将更多资源的分配列为应对障碍的可能策略。结论：SBCC干预措施的实施对于改善免疫需求很重要。尽管有效性，但其成功实施仍有多个多层次障碍。此外，需要更多的投资来改善基础设施，员工就业和能力建设。2021; 35（SI-3）：49-55]关键字：免疫，SBCC，埃塞俄比亚背景，全球疫苗接种覆盖范围在1974年启动了扩展的免疫计划（EPI）之后，全球疫苗接种覆盖率显着改善。（1，2）比以往任何时候都可以为所有社区中的人们提供更公平且具有成本效益的疫苗。在全球范围内，通过提供质量免疫服务，每年避免了2-3万名儿童死亡。（3）然而，尽管有这些有记录良好的收益和影响，但每年约有2000万婴儿获得疫苗的接触率不足。更重要的是，在某些国家，进步已经停滞甚至减少了。（4），例如，自2010年以来，完全疫苗接种的儿童的百分比停滞了86％。 （5）在埃塞俄比亚，EPI始于1980年，六种传统抗原，在2018年逐渐向12种抗原引入新的疫苗。（4），例如，自2010年以来，完全疫苗接种的儿童的百分比停滞了86％。（5）在埃塞俄比亚，EPI始于1980年，六种传统抗原，在2018年逐渐向12种抗原引入新的疫苗。免疫服务
幸存板：多摩斯癌症生存模型的标准化基准测试
单细胞测序技术，包括单细胞RNA测序（SCRNA-SEQ）和单细胞ATAC测序（SCATAC-SEQ），使研究人员能够量化细胞的OMIC PHE-NOTYPES。理想的单细胞数据分析有望帮助研究人员了解细胞上的异质性，提取感兴趣的细胞亚群，识别与细胞亚群相对应的特征基因集，并揭示细胞子源的关系。在这些分析任务中，识别特征基因集是一个关键步骤。特征基因集定义为在细胞亚群之间差异表达的基因集。它们通常用于注释细胞亚群并进行基因集富集分析。现有的特征基因鉴定方法经常采用两步方法（此后称为两步方法）：首先将细胞聚集（例如Seurat [1-4]，简单的Louvain [5]，通过插入性和维度降低（CIDR）（CIDR）[6]和Scanpy [7]和差异表达基因（例如9）（例如9）[8] [8] [8] [8] [8] [8] [8] [8] [8] [8] [8] [8] [8] [8] [8] [8] [8] [14,15]，limma-voom [16]和桅杆[17]）随后在细胞簇上进行以识别特异性特异性特征基因。但是，这种方法对具有复杂或微妙的异质性的数据具有可疑的精度，因为不准确的初始聚类步骤可能会导致随后的错误特征基因鉴定[18]。但是，这些方法不会将特征基因分离为亚群特异性基因集，从而限制了它们的注释细胞的效用。这些基因集用于计算细胞基因集富集评分，然后注释细胞。另外，某些方法通过检测高度可变基因（HVG）的偏差来识别特征基因，这些基因与人群相对于模型拟合的偏差[19]，辍学率[20]和UMI计数分布[21]（此后称为HVG方法）。为了克服现有方法的局限性，我们提出了Sifinet，这是一种直接识别特征基因集的独特方法，可消除对先前细胞聚类的需求。源于关键观察，即在细胞亚群中共差异表达的基因也表现出共表达模式（供应。注1），Sifinet构建了一个基因共表达网络，并检查其拓扑以识别特征基因集。此外，这些基因集中的网络意味着细胞亚群之间的关系（图1）。此外，Sifinet可以选择地整合SCATAC-SEQ数据，因为它形成了基因合作 - 染色质网络，并探讨了其拓扑以确定表观基因组特征基因集。Sifinet分析SCRNA-SEQ和SCATAC-SEQ数据的能力使研究人员深入了解了细胞多瘤异质性。我们证明，在识别特征基因集和增强细胞注释精度时，Sifinet优于现有的两步方法和HVG方法。此外，我们认为Sifinet可以鉴定细胞之间的复杂异质性，并揭示细胞亚群中潜在的发育谱系。Sifinet也可以缩放以分析数百万个单元的数据集。我们将Sifinet应用于五个已发表的实验数据集，并发现了一些潜在的新发现，例如潜在的新细胞周期标记和衰老标记，衰老细胞富集的亚群，髓样祖细胞的发育效果以及CD8细胞的发育效果以及CD8细胞的构造以及可能的过渡路径。
第十四个五年计划2022-27
在喀拉拉邦，制定五年计划是一项练习，人们参与了人们的参与，以对计划和计划进行流行的愿望，并谨慎地投资于国家经济的稀缺资源以实现发展目标。喀拉拉邦是唯一坚持继续经济计划过程的承诺的州。国家必须面对自然灾害，共同灾难，199大流行和有限的财务资源以及由不利中央政策造成的挫折。然而，喀拉拉邦因其在卫生和教育方面的杰出成就而闻名。在较大的州中，喀拉拉邦的婴儿死亡率和死亡率最低，五岁以下的儿童。NFHS-5（2019-21）中喀拉拉邦的婴儿死亡率估计为40岁，每1000个活生生的年龄为4个死亡，远低于NFHS-4估计值6。在整个印度，相应的数字为35和40。喀拉拉邦的五岁以下死亡率（U5MR）估计为每1000例活生生5人死亡，低于NFHS-4估计为7次。在印度，五岁以下的死亡率为每1000名活产42。喀拉拉邦（75.3岁）的预期寿命高于整个印度（69.4岁）。喀拉拉邦的死亡率在2019年的孕产妇死亡率少于每十万只活产，比目标年提前一年，以达到联合国可持续发展目标指数的水平。印度的相应数字为103。自NFHS-4以来，女性贫血的贫血增加了2个百分点。在学校教育方面，喀拉拉邦获得了普遍入学率，在印度的辍学率最低。孕产妇的健康是任何国家发展公平和减少贫困方面的重要方面。在喀拉拉邦，在怀孕的头三个月期间，有94％的妇女接受了产前护理。过去五年出生的喀拉拉邦几乎所有儿童都出生在医疗机构，出生在熟练的健康提供者的协助下出生。然而，自NFHS-4以来，喀拉拉邦的儿童营养状况通过大多数措施加剧。贫血是喀拉拉邦的主要健康问题，尤其是在妇女和儿童中。儿童贫血的总体患病率从NFHS-4的36％增加到NFHS-5的39％。喀拉拉邦近五分之一（18％）的男性也是贫血的。喀拉拉邦在2018年，2019年和2020年的可持续发展目标指数中保留了其最高排名。喀拉拉邦的综合分数从2019年的69个提高到2021年的75。在各州中，喀拉拉邦的贫困人数比例最低，并且是零饥饿和质量教育的SDG指数的最佳表现。喀拉拉邦已被选为Niti Aayog多维贫困指数（MPI）2021中最小贫困状态。根据根据卫生，教育和生活水平的参数准备的MPI，只有0.71％的人口低于喀拉拉邦的贫困线。三十年的新自由主义政策，其次是联盟政府和199年大流行的爆发，阻碍了社会进步。很明显，尽管面临许多挑战，包括大流行和自然灾害，但政府为确保人民的福利做出的毫不妥协的努力为这一成就奠定了基础。富裕的差距正在增加，而亿万富翁的财富正在成倍增长。如果在1991年没有印度人是亿万富翁，那么30年后，其中有142个。