XiaoMi-AI文件搜索系统
World File Search System项数
7 项数据驱动的读写能力发展策略——指南
在帮助年轻读者提高读写能力方面，教师依赖正确的支持数据。理解每分钟正确单词数 (WCPM) 作为衡量标准是必不可少的起点，借助带 Coach 的 MAP® Reading Fluency™，教师可以获得这些信息。他们还可以看到学生拥有最大成长机会的特定技能和内容领域，并且通过 Coach 的加入，拥有一个技术支持的阅读导师，该导师使用 NCII 认可的读写能力评估来对学生进行个性化的阅读指导。
与 COVID-19 疫苗安全相关的在线搜索的时间趋势：一项数字信息流行病学研究
文章信息摘要背景：COVID-19 疫苗的快速发展可能引发了美国公众对其安全性和副作用的担忧。本研究旨在评估 2021 年至 2022 年美国与 COVID-19 疫苗安全性和副作用相关的在线搜索趋势。方法：使用 Google COVID-19 疫苗接种搜索洞察分析 2021 年 1 月 4 日至 2022 年 11 月 21 日（98 周）期间美国关于 COVID-19 疫苗安全性和副作用的搜索。数据从 0（低兴趣）到 100（高兴趣）缩放为一个固定的比例因子，称为缩放归一化兴趣 (SNI)，以表示随时间和位置的相对搜索兴趣。使用连接点回归分析确定研究期间的搜索趋势。结果：分析包括美国 38 个州的 709 个县。 2021 年 4 月，哥伦比亚特区（SNI：35.8）、马萨诸塞州（29.7）、新罕布什尔州（27.4）、康涅狄格州（27.3）和缅因州（26.7）对 COVID-19 疫苗安全性和副作用的搜索量达到峰值，随后显着下降，平均每月百分比变化 (AMPC) 为 -16.6%（95% CI -19.9 至 -13.3），直到 2022 年 7 月。2021 年 1 月至 2022 年 11 月的总体 AMPC 为 -8.9%（95% CI -16.2 至 -0.9；P < 0.001）。结论：与 COVID-19 疫苗安全性和副作用相关的在线搜索随着时间的推移急剧减少，支持使用数字监控来跟踪实时疫苗安全问题。这项研究深入了解了公众对 COVID-19 疫苗风险的兴趣，并有助于监测潜在的安全问题。
评估引入含风疹疫苗对阿富汗、刚果民主共和国、埃塞俄比亚、尼日利亚和巴基斯坦先天性风疹综合征的潜在影响：一项数学建模研究
我们评估了在阿富汗 (AFG)、刚果民主共和国 (COD)、埃塞俄比亚 (ETH)、尼日利亚 (NGA) 和巴基斯坦 (PAK) 引入含风疹疫苗 (RCV) 对先天性风疹综合征 (CRS) 发病率的潜在影响。我们使用经过验证的数学模型模拟了 30 年内的几种 RCV 引入情景。我们的研究结果表明，RCV 的引入可以避免 86,000 至 535,000 例 CRS 出生，从而防止 250 万至 1580 万伤残调整生命年。通过在现有麻疹常规覆盖范围内引入 RCV 并执行补充免疫活动 (SIA)，AFG 和 PAK 可以减少约 90% 的 CRS 出生率。但是，COD、NGA 和 ETH 必须增加其目前的常规疫苗接种覆盖率，才能显着降低 CRS 发病率。这项研究展示了引入 RCV 的潜在好处，并强调了全球采取行动加强免疫计划的必要性。
昆士兰州偏远地区接种疫苗预防 COVID‐19 住院的有效性：一项数据链接研究
结果：2022 年 1 月 1 日至 3 月 31 日期间，9682 名成人的 SARS-CoV-2 检测结果呈阳性，其中 7244 人接种过疫苗（75%）；5929 人年龄在 40 岁或以下（62%），5180 人为女性（52%）。47 人因 COVID-19 入院（0.48%），4 人需要重症监护（0.04%）；无住院死亡病例。仅接受过基础疫苗接种的人的疫苗有效性为 69.9%（95% 置信区间 [CI]，44.3–83.8%），也接受过加强剂接种的人的疫苗有效性为 81.8%（95% CI，39.5–94.5%）。在 665 名 SARS-CoV-2 检测结果呈阳性的原住民和托雷斯海峡岛民成年人中，有 401 人接种过疫苗（60%）。六名原住民因出现 COVID-19 症状而住院（0.9%）；对于仅接受过基础疫苗接种或基础疫苗接种和加强针接种的原住民，疫苗有效率为 69.4%（95% CI，-56.5% 至 95.8%）。
可解释多项数据中因果关系的AI数据分析技术
• 在每天积累海量数据的“大数据时代”，需要能够自动从数据中获取知识和规则并进行预测和分析的AI（人工智能）技术。 • 深度学习等人工智能技术虽然能够做出高度准确的预测，但它们被称为“黑匣子”，很难解释机器决策背后的原因。 • 此外，传统的人工智能技术捕捉数据中的共同特征，因此无法分析单个数据样本（个体）。 • 这是一项新技术，可以自动学习和推断多个项目之间的因果关系，并将其呈现为人类可以理解的网络图，同时说明如何解释单个数据样本。