XiaoMi-AI文件搜索系统
World File Search System随机样本
迪拜成年人口中糖尿病的患病率，阿拉伯联合酋长国：迪拜家庭调查结果，2019年
摘要简介：糖尿病（DM）和糖尿病前期的健康和社会负担在全球范围内稳步增长，反映了工业过渡的影响；转向不健康，久坐的生活模式；和不健康的食物消费。在阿拉伯联合酋长国（阿联酋），包括迪拜，DM和糖尿病前期的酋长国被认为是国家公共卫生挑战的范围，影响，成本和后果。本研究旨在估计迪拜酋长国的成年人口的代表性样本中糖尿病前期的流行率和相关的风险因素。方法：通过多阶段的层状群进行了横断面家庭健康调查。该研究使用了2019年迪拜家庭健康调查（DHHS）的二级数据分析。包括2496个家庭的随机样本，代表迪拜的所有居民（埃米拉蒂和非emirati家族）。调查设计和方法是从世界卫生组织（WHO）的世界卫生调查中采用的。前糖尿病。结果：所有参与者中糖尿病的总体患病率为16.2％（男性为20.5％，女性为11.6％）。与阿联酋国民（12％）相比，非美国国民（17.1％）的前糖尿病率更高。糖尿病前期与某些社会人口统计学和行为特征之间存在统计学上的显着关联。年龄组40-49岁和60岁以上的年龄在这项研究中的患病率最高（分别为23.7％和36.4％）。逻辑回归分析的结果表明，男性比女性更有可能获得糖尿病（优势比； 95％CI = 1.62; 1.13–2.38）。非美国国民与阿联酋国民有更高的发展糖尿病的机会（OR; 95％CI = 1.53; 1.50–1.56，p <0.001）。吸烟者的获得前糖尿病的风险略高于非吸烟者（或95％CI = 1.03; 1.020–1.045，p <0.001）。此外，与单个参与者相比，已婚参与者更有可能发展糖尿病（或95％CI = 1.29; 1.28-1.33，p <0.001）。
混合
背景和客观：睡眠阶段是睡眠障碍诊断的重要步骤，这对于专家来说是时间密集型和费力的手动执行这项工作。自动睡眠阶段分类方法不仅减轻了这些苛刻任务的专家，而且可以提高分类过程的准确性和效率。方法：一种新型的基于生物信号的新型模型，该模型是通过使用各种生理学信号的3D卷积操作和图形卷积操作的组合构建的。3D卷积和图形卷积都可以从相邻的大脑区域汇总信息，这有助于从生物信号中学习固有的连接。脑电图（EEG），EEC胶合图（EMG），电击图（EOG）和心电图（ECG）信号用于提取时间域和频域特征。随后，这些信号分别输入了3D卷积和图形卷积分支。3D卷积分支可以探索时间序列中每个通道中的多通道信号与多波段波之间的相关性，而图形卷积分支可以探索每个通道与每个频段之间的连接。在这项工作中，我们使用ISRUC数据集（来自子组1的亚组3和50个随机样本）开发了提出的多通道卷积组合睡眠阶段分类模型（Mixsleepnet）。结果：基于第一个专家的标签，我们生成的Mixsleepnet的精度分别为ISRUC-S3的F1得分和Cohen Kappa得分分别为0.830、0.821和0.782。对于ISRUC-S1数据集，它的准确性分别为0.812、0.786和0.756。根据第二专家进行的评估，ISRUC-S3和ISRUC-S1数据集的全面精度，F1分数和Cohen Kappa系数分别为0.837、0.820、0.789和0.829、0.829、0.791，0.791，0.791，0.7775。结论：拟议方法通过所提出的方法的绩效指标的结果要比所有比较模型的结果要好得多。在ISRUC-S3子数据库上进行了其他实验，以评估每个模块对分类性能的贡献。
大肠杆菌中双向姐妹重新分裂的相互依存进展
抽象目标在低收入和中等收入国家（LMIC）中，糖尿病的负担正在增加。很少有研究探讨了LMIC中糖尿病患者的护理途径。这项研究评估了危地马拉农村糖尿病成年人的护理轨迹。Design A qualitative investigation was conducted as part of a population-based study assessing incidence and risk factors for chronic kidney disease in two rural sites in Guatemala.807个个体的随机样本对两个部位的糖尿病进行了血红蛋白A1C（HBA1C）筛查。Based on results from the first 6 months of the population study, semistructured interviews were performed with 29 adults found to have an HbA1c≥6.5% and who reported a previous diagnosis of diabetes.访谈探索了通往糖尿病护理的途径和经历。Detailed interview notes were coded using NVivo and used to construct diagrams depicting each participant's pathway to care and use of distinct healthcare sectors.Results Participants experienced fragmented care across multiple health sectors (97%), including government, private and non-governmental sectors.The majority of participants sought care with multiple providers for diabetes (90%), at times simultaneously and at times sequentially, and did not have longitudinal continuity of care with a single provider.Many participants experienced financial burden from out-of-pocket costs associated with diabetes care (66%) despite availability of free government sector care.Participants perceived government diabetes care as low-quality due to resource limitations and poor communication with providers, leading some to seek care in other health sectors.Conclusions This study highlights the fragmented, discontinuous nature of diabetes care in Guatemala across public, private and non-governmental health sectors.Strategies to improve diabetes care access in Guatemala and other LMICs should be multisectorial and occur through strengthened government primary care and innovative private and non-governmental organisation care models.
无偿护理付款的分销方法
田纳西州田纳西州卫生部（TDH）疫苗可预除的疾病和免疫计划（VPDIP）和田纳西州13个区域和地铁卫生部门对田纳西州24个月儿童的免疫状况调查（免疫状态调查）进行。这项调查的目的是跟踪通过免疫实践咨询委员会（ACIP）常规推荐幼儿疫苗来实现国家健康人的免疫覆盖目标的进展。这项调查利用回顾性队列研究设计来确定田纳西州24个月大的儿童的最新免疫率。调查人群由从13个卫生部门中每个地区出生的婴儿出生证明的随机样本组成。调查采样的孩子出生于2021年第一季度，并在2023年1月1日至3月31日之间庆祝了第二个生日。识别信息是从电子出生记录中获得的，并且免疫历史数据主要是通过田纳西州免疫信息系统（TENNIIS）的全州免疫注册中心收集的。的整个系列的免疫率（4：3：1：FS：3：1：FS）（4 DTAP，3脊髓灰质炎，1 mmr，3 Hib，3 Hib，3个乙型肝炎，1次肝炎，1次水痘和4个PCV）基于ACIP建议的儿童免疫和赶上时间表。调查的结果汇总为田纳西州的免疫承保率的区域和全州范围统计数据，并跟踪实现健康人目标的进步。审查了每个孩子的免疫记录，以确定它们是否是UTD。此外，VPDIP设定了田纳西州的特定目标，为90％的覆盖范围，并在两岁之前定期推荐的每种常规推荐疫苗的按时免疫。如果孩子不是UTD，则当地公共卫生人员努力与父母，监护人和提供者联系，以获取任何缺失的免疫历史数据。如果进一步的后续行动表明孩子确实不是UTD，则数据收集过程是父母和提供者的提醒回顾系统。如果所有完整的系列（4：3：1：FS：3：1：FS）疫苗接种日期发生在孩子达到24个月大的孩子之前，或者根据疾病控制和预防中心（CDC）赶上时间表指导完成该系列，则该儿童被归类为24个月的UTD。儿童被排除在UTD之外24个月
使用基于人工神经网络的精神分裂症分类器估算日本普通人群中精神分裂症的患病率：Web-B
背景：估计普通人群中精神分裂症的流行仍然是全球以及日本的挑战。很少有研究估计日本人口中的精神分裂症患病率，并且经常依靠医院的报告和自我报告的医师诊断或典型的精神分裂症症状。由于污名，洞察力差或受访者缺乏医疗保健的机会，这些方法可能会低估真正的患病率。为了解决这些问题，我们先前使用了来自大型日本基于日本的大型网络调查的数据开发了一个基于人工神经网络（ANN）基于精神分裂症分类模型（SZ分类器），以增强普通人群中精神分裂症病例识别的全面性。此外，我们还计划引入一项基于人群的调查，以收集一般信息和样本参与者，以匹配人口的人口结构，从而实现对日本精神分裂症患病率的精确估计。目的：本研究旨在通过将SZ分类器应用于日本人群的随机样本中来估计精神分裂症的流行。方法：我们随机选择了750名参与者的样本，其中年龄，性别和区域分布与日本基于日本的大规模调查中的日本人口结构相似。人口数据，与健康相关的背景，身体合并症，精神病合并症和社会合并症被收集并应用于SZ分类器，因为此信息也用于开发SZ分类器。本研究证明了能力通过SZ分类器检测到的阳性病例的比例计算了精神分裂症的原始患病率。通过排除假阳性病例和包括假阴性病例以确定精神分裂症的实际患病率，进一步完善了原油估计。结果：在750名参与者中，SZ分类器将62例分类为精神分裂症病例，导致日本普通人群的精神分裂症患病率为8.3％（95％CI 6.6％-10.1％）。在这62个案件中，假定有53个案件是假阳性，而3个案件被认为是假否定的。调整后，普通人群中精神分裂症的实际患病率估计为1.6％（95％CI 0.7％-2.5％）。结论：这种估计的患病率略高于先前的研究中报道的，这可能是由于更全面的疾病分类方法或相反的模型限制。
估算森林生物量并识别低强度采伐...
本研究的目的是利用机载激光雷达数据估算巴西安蒂玛利国家森林 (FEA) 1000 公顷热带森林的地上生物量并确定选择性采伐干扰的区域。研究区域由三个管理单位组成，其中两个单位未砍伐，而第三个单位的选择性采伐强度较低（约 10-15 立方米/公顷或总体积的 5-8%）。对 50 个 0.25 公顷地面植物进行标准随机抽样测量，并用于构建基于激光雷达的地上生物量 (AGB) 回归模型。使用激光雷达模型辅助方法估算已砍伐和未砍伐单位的 AGB（使用合成和模型辅助估算器）。这些预测使用了两个激光雷达解释变量，以 50 mx 50 m 的空间分辨率计算：1) 所有地面以上返回物的第一个四分位数高度 (P25)；2) 所有返回物地面以上高度的方差 (VAR)。模型辅助 AGB 估计量 (总计 231,589 Mg±5.477 SE；平均值 231.6 Mg ha-1±SS SE；±2.4%) 比仅针对样地的简单随机样本估计量 (总计 230,872 Mg±10.477 SE：平均值 230.9 Mg ha-1±10.5 SE；±4.5%) 更精确。使用综合估算法获得的总体和平均 AGB 估值（总体 231,694 毫克，平均 231.7 毫克/公顷）几乎与使用模型辅助估算法获得的估值相等。在分析的第二个部分，还以 1 米 x 1 米的分辨率计算了激光雷达指标，以确定选择性采伐管理单位内受伐木活动影响的区域。在 GIS 中使用高分辨率冠层相对密度模型 (RDM) 来识别和描绘道路、滑道、登陆点和采伐树隙。根据 RDM 确定的选择性采伐影响的面积为 58.4 公顷，占总管理单位的 15.4%。使用这两种空间分辨率的激光雷达分析，可以识别选择性采伐区域中 AGB 的差异，这些区域具有相对较高的残留大乔木冠层覆盖率。在选择性砍伐管理单元中，受影响区域的平均 AGB 明显低于未受干扰区域 (p = 0.01)。由 Elsevier Inc. 出版。
三军家庭背景质量报告持续
2024 年 7 月 1 联系方式 家庭持续态度调查 (FamCAS) 的统计主管是分析局调查团队的负责人。电子邮件：Analysis-Surveys-Enquiries@mod.gov.uk 2 简介 FamCAS 是单一服务家庭调查中的一组三军问题。FamCAS 是国防部 (MOD) 收集有关正规训练服务人员配偶/民事伴侣的观点和经验信息的主要方式之一。FamCAS 询问了多个领域的观点和经验，包括儿童保育、部署、教育、就业、医疗保健、家庭生活、住房和武装部队公约。FamCAS 的目标人群是受过训练的英国正规服务人员（包括廓尔喀人）的配偶/民事伴侣。对于 2024 年的调查，实地工作于 2024 年 2 月 7 日至 2024 年 4 月 22 日进行。在 2010 年引入三军 FamCAS 问题之前的许多年里，各个军种都进行了单独的家庭调查。这些调查为单个军种人员的政策制定提供了信息。然而，每个调查的个体性质使得难以了解三军范围内的家庭问题并比较各军种的数据。2011 年《武装部队法》规定每年向议会提交一份武装部队契约报告。该报告必须阐述政府如何在医疗保健、住房和教育等关键领域支持武装部队、他们的家人和退伍军人。FamCAS 问题有助于解决这些问题，为我们提供了服役人员家人的观点和意见。他们提供统计数据以加强部门内部基于证据的决策。尽管单个军种的研究人员负责运行和管理单个军种家庭调查，但其中包含一组协调的 FamCAS 问题。国防参谋长 (CDP) 委托分析局调查小组整理每项调查的答复、验证和分析数据以及发布三军种 FamCAS 报告。 3 统计处理 FamCAS 流程分为八个阶段。下面简要介绍每个阶段。 第 1 阶段：问卷设计 由国防部总部和每个单个军种的工作人员组成的工作组与分析调查小组会面，以商定问卷。有三个单独的问卷，每个军种一份。大多数问题对所有军种都是通用的；但是，每个军种都有几个仅适用于其军种的问题。第二阶段：样本设计、选择和清理 2024 年，为 FamCAS 选择了超过 29,000 名经过培训的英国正规服务人员的不比例分层随机样本。调查团队设计并选择样本。
FAMCAS_2022_背景_Qu...
2022 年 7 月 1 联系方式 家庭持续态度调查 (FamCAS) 的统计主管是分析局调查团队的负责人。电子邮件：Analysis-Surveys-Enquiries@mod.gov.uk 2 简介 FamCAS 是单一服务家庭调查中的一组三军问题。FamCAS 是该部门收集有关正规训练服务人员配偶/民事伴侣的观点和经验信息的主要方式之一。FamCAS 询问了几个领域的观点和经验，包括儿童保育、部署、教育、就业、医疗保健、家庭生活、住房和武装部队公约。FamCAS 的目标人群是受过训练的英国正规服务人员（包括廓尔喀士兵）的配偶/民事伴侣。对于 2022 年的调查，实地调查是在 2022 年 1 月至 2022 年 5 月期间进行的。在 2010 年引入三军 FamCAS 问题之前的许多年里，单个军种进行了单独的家庭调查。这些调查为单个军种人员的政策制定提供了信息。然而，由于每个调查的个体性质，很难了解三军种范围内的家庭问题并比较各军种的数据。2011 年《武装部队法》规定每年向议会提交一份武装部队盟约报告。该报告必须阐明政府如何在医疗保健、住房和教育等关键领域支持武装部队、他们的家人和退伍军人。FamCAS 问题有助于解决这些领域，为我们提供服役人员家人的观点和意见。他们提供统计数据以加强国防部 (MOD) 内部的循证决策。虽然单个军种的研究人员负责和管理单个军种家庭调查，但其中包括一组协调的 FamCAS 问题。分析局调查小组由国防副参谋长（现称为国防人力总监或 CDP）负责整理每项调查的答复、验证和分析数据，并发布三军种 FamCAS 报告。 3 统计处理 FamCAS 流程分为八个阶段。下面简要介绍每个阶段。 第 1 阶段：问卷设计 由国防部总部和各军种的工作人员组成的工作组与国防统计局工作人员会面，以商定问卷。问卷一共有三份，每个军种一份。大多数问题对所有军种都是通用的；但是，每个军种都有几个问题仅适用于他们的军种。 第 2 阶段：样本设计、选择和清理 2022 年，大约 23,000 名受过训练的英国正规军人员被选为 FamCAS 不成比例的分层随机样本。调查团队设计并选择样本。
AFCAS 2024 背景质量报告
调查 (AFCAS) – 2024 年 5 月 1 联系方式 武装部队持续态度调查 (AFCAS) 的统计主管是分析局调查团队的负责人。电子邮件：Analysis-Surveys-Enquiries@mod.gov.uk 2 简介 AFCAS 是国防部 (MOD) 的一项重要战略调查，也是该部门收集武装部队人员观点和经验信息的主要方式之一。本次调查的信息有助于制定培训、支持以及服务条款和条件的政策。AFCAS 的目标人群是经过培训的英国正规军人员，包括廓尔喀人。对于 2024 年的调查，实地工作于 2023 年 9 月至 2024 年 2 月期间进行。AFCAS 于 2007 年推出，根据副国务卿的指示，将现有的单一军种（皇家海军（当时称为海军服务）、陆军、皇家空军）态度调查合并并作为一项调查进行，由国防副参谋长（现称为国防人员负责人或 CDP）拥有和协调。分析局调查团队受 CDP 委托，负责管理调查，包括整理答复、验证和分析数据以及发布三军 AFCAS 报告。 2009 年，AFCAS 被授予官方统计出版物地位，并经英国统计局评估后，于 2013 年 6 月被指定为国家统计数据。随后，统计监管办公室 (OSR) 于 2020 年成功完成了合规性检查。在 2023 年 OSR 进行审查和指定更新项目之后，国家统计数据现称为认可的官方统计数据。3 统计处理 AFCAS 是一项年度调查，分为八个主要阶段。下面简要介绍每个阶段。第 1 阶段：问卷设计由国防人员、单个服务职业心理学和分析调查团队的工作人员组成的工作组同意问卷。问卷分为四份，每个服务一份。大多数问题对所有服务都是通用的；但是，每个服务都有少数问题仅适用于其服务。今年的问卷副本与主要报告一起发布。第 2 阶段：样本设计、选择和清理 2024 年，大约 31,500 名受过训练的英国正规服务人员被选入 AFCAS，这是一个不成比例的分层随机样本。调查团队设计和选择样本。样本按服务（皇家海军 (RN)、皇家海军陆战队 (RM)、陆军和皇家空军）和军衔组分层。众所周知，不同军衔的响应率不同，因此分层有助于确保各组具有足够的代表性：
HFACS 评分者间信度的属性一致性方法 HFACS 评分者间信度评估的属性一致性方法
Vyesi001@odu.edu ____________________________________________________________________________________________ 摘要 评分者间信度可以看作是评分者对给定项目或情况的一致程度。已采取多种方法来估计和提高受过训练的事故调查员使用的美国国防部人为因素分析和分类系统的评分者间信度。在本研究中，三名受过训练的教练飞行员使用 DoD-HFACS 对 2000 年至 2013 年之间的 347 份美国空军事故调查委员会 (AIB) A 级报告进行分类。总体方法包括四个步骤：(1) 根据 HFACS 定义进行训练，(2) 验证评级可靠性，(3) 评估 HFACS 报告，以及 (4) 随机抽样以验证评级可靠性。属性一致性分析被用作评估评分者间信度的方法。在最后的训练验证轮中，评估员内部一致性范围为 85.28% 至 93.25%，每个评估员与标准的一致性范围为 77.91% 至 82.82%，评估员之间的一致性为 72.39%，所有评估员与标准的一致性为 67.48%。HFACS 评级摘要随机样本的相应一致性为评估员内部 78.89% 至 92.78%，评估员之间的一致性为 53.33%，这与之前的研究一致。这项试点研究表明，训练-验证-评级-确认属性一致性分析方法有可能有助于提高 HFACS 评级的可靠性，并有助于准确捕捉人为因素对飞机事故的影响。需要进行额外的全面研究来验证和充分开发所提出的方法。关键词 事故调查，HFACS，内部评估者信度 简介 Reason (1990) 事故因果模型，也称为瑞士奶酪模型，是一种理论模型，旨在解释事故如何在组织层面上表现出来。该模型的主要假设是，事故发生的方式使得原因在组织层面上具有关系。第二个假设是，至少组织层面需要共同努力以防止事故发生。根据这些假设，Reason 理论认为，大多数事故都可以追溯到先前组织层面的潜在人为失误导致的主动和潜在人为失误。自 2005 年以来，美国国防部 (DoD) 一直使用 HFACS (DOD, 2005) 作为 DOD HFACS，特别是在不安全行为前提条件和不安全行为层面进行了一些更改。.人为因素分析和分类系统 (HFACS) 最初由 Wiegmann 和 Shappell (2003) 根据 Reason 模型改编而成，适用于航空领域，该系统确定了组织内可能发生人为错误的四个层级：组织影响、不安全监督、不安全行为的先决条件和不安全行为。DOD HFACS (2005) 由 4 个主要层级、14 个子类别（在 Wiegmann 和 Shappell 的研究中称为类别）和 147 个纳代码组成，用于对导致飞机事故的组织人为错误进行详细分类。