XiaoMi-AI文件搜索系统
World File Search System饮酒者
解决当地的夜间与酒精相关的危害...
抽象目标英国地方当局（LAS）有兴趣减少与酒精相关的危害，并可能使用诸如深夜征费（LNL）之类的酌情权力来做到这一点。本研究旨在描述系统利益相关者如何假设征税可能会产生变化并探索系统，参与者和干预措施如何随着时间的推移适应和共同进化。使用定性方法从复杂的系统角度设计过程评估。设置一个具有高密度住宅和商业物业的伦敦洛杉矶，该物业于2014年实施了LNL。参与者数据是通过对LNL实施者和饮酒者的访谈，酒吧和LNL巡逻期间的观察以及纪录片审查生成的。干预LNL允许LAS向深夜酒精零售商收取年费（299-4440英镑），以管理和监管夜间经济（NTE）。结果在考虑LNL时，来自不同利益集团的利益相关者对其可能的影响提出了各种意见，同时很少参考支持研究证据。征税的支持者认为，它可以通过向警察提供更多资金并管理NTE来减少犯罪和反社会行为。对征收的假设的不利后果的批评，该后果与声称该干预措施将迫使场地迫使其时间或近距离结束，群集结束，减少NTE多样性并破坏公共私有伙伴关系。在最初的两年中，征收资助的巡逻队与持牌贸易和公众建立了关系。结论本研究从复杂系统的角度应用了一个过程评估的框架。LNL并没有破坏公共私人伙伴关系，尽管某些场所的时间有所不同，但这些变化并没有破坏干预措施的可行性，也没有显着群体的关闭时间，也没有显然损害该地区的声誉，因为该地区的声誉因具有多样的NTE而造成。可以扩展评估以衡量与酒精相关的结果，并考虑国家和地方系统之间的相互作用。
用嗅觉和味觉大脑连通性网络预测酒精摄入模式
渴望酒精饮用者的饮酒者通常是由化学感应提示（例如口味和气味）引起的，这些提示与大脑网络连通性有关。这项研究旨在研究这些大脑连通性模式是否可以预测年轻人的酒精摄入量。静止状态fMRI数据是从人类连接组项目（HCP）的年轻成人队列中获得的，其中包括1003名参与者。分析了从100个独立组件产生的功能连接组，并在应用Benjamini-Hochberg（BH）方法应用错误发现率（FDR）校正后识别与味觉和气味得分相关的显着连接。然后将这些显着连接用作各种酒精摄入指标的一般线性模型中的预测因子。在独立样本中验证了模型以评估其准确性。训练样本（n = 702）和验证样本（n = 117）没有显着的人口差异。在742个可能的连接中，与气味相关的41个与味道有关的连接通过了FDR-BH校正后的显着性阈值（P <0.05）。值得注意的预测因子包括视觉连接性（Node32-Node13：β= 0.028，p = 0.02），用于葡萄酒的消耗和腹侧注意网络（van）和额叶壁/尾状核（FP/CN）（fp/cn）（Node27-Node9：node9：β= - 0.31，p = 0.04）之间的连通性和连通性，以确定量的时间和最高含量。过去一年。预测模型表现出很强的精度，与气味相关的模型的根平方误差（RMSE）值为5.15，而与味觉相关的模型为5.14。气味模型的F1得分为0.74，味觉模型为0.71，表明性能可靠。这些发现表明，与口味和嗅觉相关的大脑连通性的特定模式可以作为年轻人饮酒行为的预测指标。我们的研究强调了纵向研究的必要性，以评估早期筛查和靶向干预措施的味觉和气味相关的脑连通性模式的潜力，以及它们在具有AUD风险风险的个人的个性化治疗策略中的作用。
马来西亚咖啡种植园区域咖啡因降解细菌的隔离和表征
通过微生物降解抗抗危机是目前最佳和最低成本的方法，仅涉及微生物细胞和/或其酶。使用一系列生化测试对细菌进行表征。从碳水化合物发酵，柠檬酸盐利用和过氧化氢酶测试中获得了阳性结果，而voges-proskauer（VP）和吲哚测试获得了阴性结果。通过气相色谱 - 质量分光光度计（GC-MS）分析对三种不同的咖啡因浓度为0.25％，0.4％和2％。在培养基中使用0.25％的咖啡因时，发现最高的咖啡因还原（89.25％）。只有少量咖啡因降低至0.4％和2％，分别为34.78％和46.16％。在微观观察下，分离的细菌的形状为rod杆菌，并用粉红色染色，表明革兰氏阴性菌。将结果与先前的研究和观察纯培养的颜色进行比较（揭示出黄色的颜色），可以从咖啡种植园区分离出来，可以得出结论是部分鉴定出的假单胞菌sp。关键字：咖啡因降解，咖啡，假单胞菌1。引言欧洲已成为最大的咖啡消费者，几乎是全球消费的40％，其次是美国和日本，分别占24％和10％[1]。亚洲人，例如中国和日本的人，最初是饮酒者。但是，咖啡消费者每年不断增加。咖啡种植园区的位置始于19世纪，位于马来西亚。引入咖啡是在橡胶种植园存在之前曾经是最重要的农作物。咖啡含有一种称为咖啡因的化学兴奋剂。咖啡中咖啡因的百分比通常取决于其起源，酿造方法等。烤和咖啡与速溶咖啡的比较结果表明，根据美国食品和药物管理局提供的范围，烤和咖啡中的咖啡因总量更高。除了咖啡外，还可以在茶，软饮料，可可，巧克力饮料和任何其他类型的饮料中找到咖啡因。具有60多种类型的植物，咖啡因自然存在，可以从植物的叶子，种子和水果中提取。咖啡已被广泛用作饮料饮料，但消费者对咖啡因隐藏作用的意识缺乏。在降低其效果时，脱咖啡因的咖啡已成为某些人的替代饮料。
COVID‐19 期间德国酒精相关死亡率增加：2010 年至 2020 年州级趋势
酒精在欧洲十分普遍，与多种疾病有因果关系 [1]。据估计，2016 年，欧盟约有 265,000 人死亡与酒精使用有关，约占所有登记死亡人数的 5%。在过去十年中，欧洲的酒精使用量和酒精特异性危害（以酒精归因死亡人数表示）均呈下降趋势 [2, 3]，标志着在实现可持续发展目标 3.5（指标 3.5.2）方面取得了重大进展。在德国，自 2000 年以来，人均酒精消费量持续下降，尽管幅度很小。2010 年至 2019 年间，销售数据显示纯酒精从 11.6 升减少到 10.6 升 [3]。鉴于德国非常宽松的酒精管制政策框架，这种下降是显著的，可能反映了饮酒习惯的变化 [4]。与此一致，重复的横断面数据表明，1999 年至 2015 年间，包括德国在内的欧洲各地区的青少年饮酒率略有下降 [5]；德国药物滥用流行病学调查显示，饮酒量似乎在男性中尤为下降，而近年来女性的酗酒事件有所增加 [6]。然而，在 COVID-19 大流行期间，德国在 2020 年出台了一系列前所未有的限制措施。这些措施不仅包括关闭餐馆和酒吧，取消许多私人和公共庆典，还包括临时和区域性限制酒类销售。此外，在 2020 年 3 月/4 月和 11 月/12 月的第一波和第二波疫情期间，一些城市禁止公共饮酒。与这些限制措施相反，增值税在 2020 年下半年降低，以刺激私人消费，结果酒精饮料变得更加便宜 [7]。自疫情爆发以来，这些与 COVID-19 相关的措施可能如何影响德国及其他地区的饮酒问题一直是科学界关注的焦点。根据一项汇总了与 COVID-19 相关的酒精使用变化证据的荟萃分析，自疫情爆发以来，大约相同比例的个体报告饮酒量减少和增加 [8]。此外，在对欧洲 30,000 多名过去一年饮酒者的调查中发现，偶尔大量饮酒的人数大幅减少，导致受访人群的平均酒精摄入量降低 [9]。在包括德国在内的一些国家，观察到的酒精使用量减少不那么明显 [10]。此外，饮酒水平非常高的人报告饮酒量增加而不是减少的可能性更大
功能近红外光谱信号的分形性研究
定位研究 20 – 22 旨在识别大脑对特定刺激的激活模式，以及连接研究（功能性或有效） ，其重点是研究大脑各区域之间的功能相互作用，无论是在大脑处于休息状态还是在执行特定任务时。 23 – 27 然而，现在众所周知，大脑是高度动态的 28 – 32 因此，为了更全面地了解其功能，需要能够提取大脑记录中的时间信息的方法。与空间域相比，考虑时间域进行分析的 fNIRS 研究数量要少得多。 33 – 40 例如，在参考文献 33 中，通过应用 Higuchi 分形维数算法 41 表明 fNIRS 信号具有高度复杂度。将小波变换应用于 fNIRS 信号，并表明小波系数可用于训练分类器。在参考文献38–40中，熵已被用来评估患者群体（如患有阿尔茨海默病、注意力缺陷多动障碍和脑外伤的患者）中 fNIRS 信号的复杂性，表明它携带的信息可能与疾病有关。所有这些研究表明，在 fNIRS 信号的复杂特征中存在与潜在大脑活动相关的信息。在本文中，我们利用可视性图（VG）提出了一种揭示 fNIRS 时间序列分形特性的方法。VG 是一种最近引入的方法，它将时间序列映射到图形（称为 VG）。正如将要讨论的，构建图的拓扑属性与时间序列的分形和复杂性有关。42、43 与传统的分形分析方法相比，42 VG 在计算上不太复杂，并且已经用于各种研究。 44 – 49 例如，江等人利用心电图表明，采用 VG 分析可以揭示由调解训练引起的动态变化，表现为规律的心跳，这与自主神经系统的调整密切相关。44 朱等人将基于 VG 的方法应用于酗酒识别，表明该方法有望将酗酒者与控制饮酒者区分开来。48 在参考文献 47 中，结果表明，将 VG 应用于脑电图 (EEG) 信号可以提供区分自闭症儿童和非自闭症儿童的特征。在参考文献 49 中，我们已经表明，通过 VG 提取的 GCaMP6 小鼠钙记录的时间特征带有可用于解码行为的鉴别信息。这里需要注意的是，VG 与功能连接研究中常用的基于图论的方法之间的区别。50 , 51 在典型的功能连接研究中，图是在空间域中构建的，即图中的节点对应于通道或体素的位置，并且两个节点之间的链接基于与两个节点相关的时间序列的统计相似性形成，通过相关性等度量来量化。另一方面，正如将在第 2 节中讨论的那样，在 VG 中，节点对应于时间序列中的时间点，并且链接基于时间点之间的自然可见性形成（图 1）。一旦为每个时间序列形成图，就可以提取图度量来表示时间序列的不同属性。在本文中，我们使用 VG 研究两种条件下 fNIRS 时间序列的分形性：当大脑处于休息状态时和当大脑从事任务时。在两种静息状态条件和两种任务条件下记录了 9 名健康男性受试者的 fNIRS 时间序列。从每个时间序列为每个通道和每种条件构建 VG。然后提取可视性图的无标度性 (PSVG) 的功率并在不同条件下进行比较。据我们所知，这是第一项使用 VG 揭示 fNIRS 记录时间序列时间特征的研究，证明了其在识别 fNIRS 记录中的特征方面的可行性，这些特征可用于获得有关大脑功能的新见解。本文的其余部分组织如下。第 2 节介绍了本研究中用于分析的方法。实验设置的详细信息在第 3 节中给出。第 4 节介绍了结果，最后，在第 5 节中提供了一些讨论。第 2 节描述了本研究中使用的分析方法。第 3 节给出了实验装置的详细信息。第 4 节介绍了结果，最后，第 5 节进行了一些讨论。第 2 节描述了本研究中使用的分析方法。第 3 节给出了实验装置的详细信息。第 4 节介绍了结果，最后，第 5 节进行了一些讨论。