XiaoMi-AI文件搜索系统
World File Search System预测者
在三级医院的急诊室的双相过敏反应的发生率，预测因素和治疗结果：
背景：基于NIAID/FAAN标准，双相过敏反应的发生率为4-5％。我们的研究旨在调查Siriraj医院急诊科（ED）内与双相反应相关的频率和预测因素。方法：这项观察性研究评估了Siriraj医院在2015年1月至2019年12月的Siriraj医院的过敏反应患者的病历。，对这些样本进行了审查和验证。进行电话采访以收集更多数据。单 - 或双相反应进行了描述性分析。进行了预测建模。结果：在1888年的过敏反应病例中，有601例随机采样；分析了239名完成访谈的患者。双相反应的发生率为7.1％（17/239）。双相反应的常见触发因素是食品（57.7％），药物（31％），其他已知的过敏原（5.9％）。贝类，可食用的昆虫和小麦是领先的食物触发因素。双相反应与药物过敏史，任何过敏性疾病，过敏性鼻炎，先前过敏反应的数量，血管性水肿，较少概括的红斑，对贝类的反应较少，对NSAID的反应以及ED访问中没有肾上腺素的反应（所有p <0.1）。来自3个预测者预后模型，包括药物/特发性反应，从发作到第一次肾上腺素> 60分钟的持续时间以及任何皮肤水肿/血管性水肿，曲线下的面积为0.72（95％CI 0.54，0.90）。
使用NSSL警告搜索的评估-AMS期刊
摘要：预报通常会在模型预测中校准其信心。合奏固有地估计预测信心，但通常是不足的，整体扩散与集合均值误差并不密切相关。合奏传播与技能之间的错位激发了“预测预测技能”的新方法，以便预测者可以更好地利用集合指导。我们已经训练了逻辑回归和随机森林模型，以预测NSSL WARN-FORECAST系统（WOFS）的复合反射性预测的技能，这是一个3公里的合奏，可快速更新预测指南，以预测0-6小时。预测技能预测在分析时间在观察到的风暴位置确定的量化区域内的1-，2或3小时提前时间有效。我们使用WOFS分析和预测输出以及NSSL多雷达/多传感器复合反射性，从2017年到2021年的106例NOAA危险天气测试床春季预测实验。我们将预测任务框架为多类问题，在该问题中，预测技能标签是通过平均为多个反射性阈值和验证范围的延长分数技能得分（EFSS）来确定的20％）。初始机器学习（ML）模型对323个预测变量进行了培训；最终模型中的10或15个预测变量只会降低技能。最终模型基本上优于精心开发的持久性和基于传播的模型，并且可以合理地解释。结果表明，ML可以成为指导用户对对流（和更大尺度）合奏预测的有价值的工具。
将决策委托给自主人工智能
授权是组织成功的重要组成部分，可用于克服个人缺点并借鉴他人的专业知识和能力。然而，授权伴随着风险和不确定性，因为它涉及权力的转移和控制权的丧失。事实上，研究表明，人们倾向于将权力委托给其他人，这往往导致决策失误，并最终产生负面的经济后果。然而，今天人们面临着一种新的授权选择：人工智能 (AI)。在大数据的推动下，人工智能正迅速变得更加智能，并且经常超越人类预测者和决策者。鉴于计算自主性的这种发展，研究人员需要重新审视决策授权的方式和原因，不仅要明确人们是否愿意将控制权交给人工智能代理，还要明确人工智能是否可以减少授权不足的情况，这种授权不足在人们面临激发强烈控制欲望的决策时尤为明显。通过将决策授权、社会风险和控制溢价的研究与新兴的人工智能信任领域联系起来，我们提出并发现，人们更愿意将决策委托给人工智能而不是人类代理，尤其是在决策带来损失时（研究 1-3）。结果进一步阐明了所涉及的潜在心理过程（研究 1 和 2），并表明流程透明度增加了对人类的授权，但没有增加对人工智能的授权（研究 3）。这些发现对于研究对人工智能的信任以及自主人工智能系统对管理者和决策者的适用性具有重要意义。
探索使用机器学习来改善温度和水分的垂直纤维
摘要：温度和脱离点的垂直释放物可用于预测导致恶劣天气的深对流，从而威胁性质和生命。当前，预报员依赖于辐射发射和Numerical天气预测（NWP）模型的观察结果。辐射观测在时间和空间上是稀疏的，NWP模型包含固有的误差，这些误差影响了高影响事件的短期预测。这项工作使用机器学习（ML）来探索后处理NWP模型的预测，将它们与卫星数据结合起来，以改善温度和脱离点的垂直预算。我们专注于不同的ML体系结构，损耗功能和输入功能，以优化预测。因为我们正在预测大气中256个级别的垂直释放物，因此这项工作为使用ML用于一维任务提供了独特的观点。与快速刷新（RAP）的基线纤维相比，ML预测为露点提供了最大的改进，尤其是在中层和上层大气中。温度改善是模范的，但斗篷值最多提高了40％。特征重要性分析表明，ML模型主要改善了传入的RAP偏见。虽然其他模型和卫星数据对预测有所改进，但体系结构的选择比在调整结果中的特征选择更为重要。我们提出的深层U-NET通过利用输入RAP PROFER的空间上下文来表现最好；但是，在模型架构中，结果非常强大。此外，每个级别的不确定性估计值都经过良好的校准，可以为预测者提供有用的信息。
计划概述和操作计划
将于4月29日至5月31日进行2024 HWT春季预测实验（SFE 2024），EFP的基石。这将是面对面和虚拟参与的第二个混合实验。相对于去年的混合实验，SFE 2024将具有类似的格式，所有参与早晨和下午预测活动的参与者以及第二天的模型评估活动。此外，将有一个小型的晚间活动，其中2-4个NWS预测者将发出实验性0-1和1-2 h提前时间预测，直到下午8点CDT。与往年一样，我们的大量合作者贡献了一套新的和改进的实验CAM指导，将在这些预测和模型评估活动中至关重要。这些贡献包括一个合奏框架，称为社区利用统一的合奏（线索； Clark等2018）。2024线索是通过使用通用模型规范（例如，网格间距，模型版本，域大小，后处理等）构建的在可能的情况下，可以在精心设计的受控实验中使用每组贡献的模拟。这种设计将再次使我们能够进行几项针对确定确定性凸轮和凸轮合奏的最佳配置策略的实验。2024线索包括34名成员。SFE 2024还将继续测试WARN-FORECAST系统（WOFS，以下称），该系统产生18人，3公里的网格间隔预测，并将在第8年使用，以发行很短的交付时间和产品。
社论：脑部计算机界面：新颖的应用和交互式技术
药物 - 靶相互作用（DTI）被认为是基因组药物发现的重要组成部分，DTI的计算预测可以加速到靶标的铅药物，这可以弥补缺乏耗时且昂贵的湿湿技术技术。当前，许多计算方法基于药物和靶标的顺序组成或理化特性来预测DTI，但是需要进一步的努力来改善它们。在本文中，我们提出了一种基于序列的新方法，以准确识别DTI。对于目标蛋白质，我们使用来自变压器（BERT）的预训练的双向编码器表示探索，以提取序列特征，这些序列特征可以提供独特而有价值的模式信息。对于药物分子，使用离散小波变换（DWT）来从药物分子纤维固定物中产生信息。然后，我们将DTI的特征向量加以连接，然后将它们输入由批处理层，矩阵线性激活层和线性层组成的特征提取模块，称为BRL块和称为卷积神经网络模块，以进一步提取DTIS。随后，将BRL块用作预测引擎。基于对比度损失和跨透明镜损失优化模型后，它给出了G蛋白偶联受体，离子通道，酶和核受体的靶族的预测准确性，最高为90.1、94.7、94.9和89％，这表明该建议的方法可以超过现有的预测者。提出的方法也可能是其他DIT的潜在选择。为了使研究人员尽可能方便，新预测器的Web服务器可自由访问：https：//bioinfo.jcu.edu.edu.cn/dtibert或http：//http：//121.36.221.79/dtibert/。
突出显示Covid-19的差异是否减少或增加疫苗意图？在疫苗推出之前，来自纽约州多种样本的调查实验的证据
种族认同和政治党派的出现是对美国Covid-19疫苗犹豫的两个重要社会关系。在疫苗可用之前（2020年11月/12月），我们采用了一种多方法方法：一种调查实验：随机将疫苗促销信息集中在疫苗靶向，逐步回归中的疫苗靶向中的种族平等，以确定持续性调查的预测者的态度和质量分析，该方法是逐步回归的，我们采用了一种多方法的调查实验：对疫苗的预测，对疫苗的预测进行了捕获和质量分析，该方法是对疫苗的预测和质量分析，该方法是对质量分析的，我们采用了一种多方法实验： 通过在线实验对种族权益疫苗促进消息的实验操作对完整样本或种族，种族和党派子样本中的意向性疫苗感没有影响。 描述性地，我们发现非西班牙裔黑人受访者（OR = 1.82，p <0.01），西班牙裔（OR = 1.37，p <0.05），特朗普选民（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.011）的犹豫不决（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.0111）与非阵容的投票相比 对机构，个人主义和替代媒体使用的信任较低，这是特朗普选民犹豫的犹豫，而不是非恐慌的黑人和西班牙裔。 年龄较大和女性性别认同也持续预先预期较低的疫苗意图。 质量上，我们发现最犹豫的响应者想“等待，这是在对疫苗开发速度和潜在疫苗副作用的普遍关注的驱动下，但几乎没有提及阴谋理论。在疫苗可用之前（2020年11月/12月），我们采用了一种多方法方法：一种调查实验：随机将疫苗促销信息集中在疫苗靶向，逐步回归中的疫苗靶向中的种族平等，以确定持续性调查的预测者的态度和质量分析，该方法是逐步回归的，我们采用了一种多方法的调查实验：对疫苗的预测，对疫苗的预测进行了捕获和质量分析，该方法是对疫苗的预测和质量分析，该方法是对质量分析的，我们采用了一种多方法实验：通过在线实验对种族权益疫苗促进消息的实验操作对完整样本或种族，种族和党派子样本中的意向性疫苗感没有影响。描述性地，我们发现非西班牙裔黑人受访者（OR = 1.82，p <0.01），西班牙裔（OR = 1.37，p <0.05），特朗普选民（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.011）的犹豫不决（OR = 1.74，p <0.01）和其他（OR = 1.50，p <0.0111）与非阵容的投票相比对机构，个人主义和替代媒体使用的信任较低，这是特朗普选民犹豫的犹豫，而不是非恐慌的黑人和西班牙裔。年龄较大和女性性别认同也持续预先预期较低的疫苗意图。质量上，我们发现最犹豫的响应者想“等待，这是在对疫苗开发速度和潜在疫苗副作用的普遍关注的驱动下，但几乎没有提及阴谋理论。身份似乎是疫苗接种犹豫的重要驱动力，这不是通过潜在的社会经济或态度因素来完全解释的。此外，在这种情况下，犹豫并未受到种族权益信息的显着影响。
使用光绘画和深度学习预测心血管疾病的风险
心血管疾病（CVD）负责低收入和中等收入国家的过早死亡。早期的CVD检测和干预在这些人群中至关重要，但是许多现有的CVD风险评分需要进行体格检查或实验室测量，这在此类卫生系统中可能具有挑战性。在这里，我们调查了使用光摄影学（PPG）的潜力，这是一种在大多数智能手机上可用的传感技术，可以潜在地以低成本启用大规模筛查，以进行CVD风险预测。我们开发了一个基于PPG的CVD风险评分（DLS），以预测十岁内发生重大不良心血管事件（MACE：非致命性心肌梗死，中风和心血管死亡）的可能性，仅鉴于年龄，性别，性别，吸烟状态和PPG作为预测者，只有年龄，性别，性别，性别，性别，性别，性别，性别，性别，性别，性别，性别。我们将DLS与基于办公室的Refit Who-Who分数进行了比较，该分数采用了WHO和Globorisk分数（年龄，性别，吸烟状况，身高，体重和收缩压）的共享预测指标，但在UK Biobank（UKB）同胞上进行了改装。在UKB队列中，DLS的C统计效果（71.1％，95％CI 69.9-72.4）与基于办公室的Refit-Who得分（70.9％，95％CI 69.7-72.2;非内野利率2.5％，p <0.01）。DLS的校准令人满意，平均绝对校准误差为1.8％。在基于办公室的分数中添加DLS功能将C统计量提高了1.0％（95％CI 0.6-1.4）。dls预测，十年的MACE风险与基于办公室的Refit-Who得分相当。它提供了概念验证，并提出了基于PPG的方法在资源有限地区基于社区的初级预防的潜力。
算法用于预测未选择队列中心脏声音的瓣膜心脏病
目的：本研究旨在评估最先进的机器学习算法的能力，从一般人群中的数字心脏声音记录中检测瓣膜心脏病（VHD），其中包括无症状病例和疾病进展的中间阶段。方法：我们使用带有数字听诊器从Tromsø7研究中的2124名参与者中的数字听诊器收集的带注释的记录训练了一个复发性神经网络，以预测心脏声音的杂音。预测的杂音用于预测通过超声心动图确定的VHD。结果：检测到主动脉狭窄（AS）的存在，灵敏度为90.9％，特异性为94.5％，曲线（AUC）下的面积为0.979（CI：0.963 - 0.995）。至少在AUC为0.993（CI：0.989 - 0.997）中检测到的中等程度。中度或更大的主动脉和二尖瓣流体反流（AR和MR）的AUC值分别为0.634（CI：0.565 - 703）和0.549（CI：0.506 - 0.593），当临床变异添加为预测者时，临床变异时增加到0.766和0.677。AR的AUC分别为AR和MR，分别为0.756和0.711。共同筛查有症状的反流或狭窄的存在，导致AUC为0.86，为97.7％的AS病例（n = 44），并且检测到了所有12 ms病例。结论：该算法在检测到一般队列中表现出卓越的性能，超过了对选定同类群体的类似研究的观察结果。基于HS音频的AR和MR的检测较差，但有症状的病例的准确性要高得多，临床变量的包含可以显着提高模型的性能。
开发微重力生物研究技术
空间领域多元化：开发微重力生物研究技术 Sarah Kessans 博士，坎特伯雷大学产品设计学院讲师 sarah.kessans@canterbury.ac.nz 目前全球空间经济价值接近 4000 亿美元，预测者估计未来 20 年该领域的增长将达到 1-3 万亿美元。目前，通信和地球观测卫星以及将它们送入轨道的运载火箭主导着该行业。随着发射频率的增加和小型卫星相关成本的下降，利用空间进行更广泛应用的机会已经打开。在过去的二十年里，国际空间站 (ISS) 提供了一个微重力平台，用于进行数千项研究实验，研究新材料、燃料、先进机器人、植物生长、微生物学、人体生理学和一系列其他科学主题。在 ISS 的独特环境中进行的研究带来了临床生物医学应用、创新制造能力和地球上不可能实现的药物开发。然而，进入国际空间站非常困难，成本高昂，空间和机组人员资源有限，发射实验的准备时间也很长。小型卫星技术的进步使得为商业和学术研究应用提供更方便、更经济高效的平台成为可能。新西兰拥有独特的优势，可以利用其制造能力和频繁的国内发射服务来开展世界领先的微重力研究，支持航天工业以及我们高等院校、皇家研究机构和商业行业的广泛知识和技术能力。通过利用立方体卫星和其他小型卫星上的微重力研究设施，我们的科学家和工程师将有机会促进一系列行业的尖端太空研究。在这次演讲中，莎拉将讨论她和她的团队如何开发太空生物研究技术，为新西兰的航天部门提供宝贵的新机会，同时为生物医学和初级部门创造解决方案。