课程文献中心 更多>>

关键词： 髋部骨折   衰弱   骨密度   骨代谢生化标志物   危险因素   定量CT  

摘要： 目的分析老年髋部骨折患者骨密度特征及并发衰弱危险因素。方法回顾性分析2021年9月至11月首都医学大学附属北京积水潭医院收治的267例老年髋部骨折患者的临床资料,根据衰弱筛查5项评分量表评估结果,并发衰弱者110例(衰弱组),未并发衰弱者157例(非衰弱组)。比较两组定量CT(QCT)测得的髋部体积骨密度(vBMD)结果以及人口学特征、Charlson合并症指数(CCI)评分、小腿围、纤维蛋白原与前白蛋白比值(FPR)、骨代谢生化标志物、肌少症风险等临床资料。采用多因素logistic回归分析影响老年髋部骨折患者并发衰弱的因素。结果衰弱组年龄、FPR、Ⅰ型胶原C端肽交联β降解产物(β-CTX)、总Ⅰ型前胶原N端前肽(tP1NP)水平,以及存在营养风险、存在肌少症风险及CCI评分>2分的人数比例高于非衰弱组,体质量指数、游离三碘甲状腺原氨酸(FT 3)、小腿围、全髋松质骨vBMD(THT vBMD)、股骨颈松质骨vBMD(FNT vBMD)、粗隆间松质骨vBMD(ITT vBMD)以及血清25羟基维生素D 3[25-(OH)D 3]水平低于非衰弱组,差异有统计学意义(P<0.05)。分层分析结果显示,女性患者中,衰弱组THT vBMD、FNT vBMD水平显著低于非衰弱组(P<0.05)。男性患者中,衰弱组仅THT vBMD水平显著低于非衰弱组(P<0.05)。多因素logistic回归分析结果显示,较大的年龄,β-CTX、FPR水平升高,存在营养风险以及CCI评分>2分是促进衰弱发生的独立危险因素(P<0.05),小腿围、THT vBMD、25-(OH)D 3水平增高是抑制衰弱发生的保护因素(P<0.05)。结论老年髋部骨折合并衰弱患者髋关节骨密度以THT vBMD、FNT vBMD、ITT vBMD减低为特征,除年龄、营养状况、小腿围、共病因素外,骨代谢生化标志物β-CTX及25-(OH)D 3亦与衰弱显著相关,临床医师应对此予以关注,及早进行分层管理,以改善患者预后。

关键词： 小学数学   问题导向式教学   “平均数”  

摘要： 问题导向式教学强调学生的主体地位,鼓励学生在解决问题的过程中主动思考、合作交流,从而培养他们的数学思维能力和问题解决能力。在小学数学课堂中应用问题导向式教学,有利于培养学生的问题意识,使学生在主动发现、分析、解决问题的过程中总结数学知识,提高其认知水平。对此,本文概述了问题导向式教学,研究了小学数学课堂中问题导向式教学的运用原则,在此基础上探讨了小学数学课堂中问题导向式教学策略。

关键词： 轨道车辆   空压机   压力空气   含水量   正交试验设计   维修策略  

摘要： [目的]地铁列车空压机出口压力空气干燥度是一个非常重要的指标。如果压力空气中含水量高,就会影响各用风设备的性能,进而影响行车安全。上海轨道交通运维人员在汛期对某些线路列车进行检修时发现,列车供风管路中存在液态水,这是因压力空气中含水量过高而造成的。需要在现有条件下,研究如何调整维修策略,进而改善空压机在汛期的干燥能力。[方法]通过正交试验设计方法,设计了用于分析空压机出口压力空气含水量影响因素的试验方案,给出了使用田口方法分析数据进而确定主要影响因素的方法。[结果及结论]运用该试验方案进行试验,能够分析出影响列车空压机出口压力空气含水量的主要因素,运维人员可据此结论制定适用于汛期的列车空压机维修策略。该正交试验设计方法也可以推广应用至城市轨道交通其他设备运维策略的完善与优化工作之中。

关键词： 非参数检验   趋势分析   城镇调查失业率  

摘要： 本文根据国家统计局数据,分别对全国城镇调查失业率、全国16-24岁人口城镇调查失业率、全国25-59岁人口城镇调查失业率三个指标,应用Cox-Stuart趋势存在性检验方法进行趋势检验,结果表明:2018年1月-2023年6月这66个月里,全国城镇调查失业率和全国25-59岁人口城镇调查失业率无明显递增趋势,但全国16-24岁人口城镇调查失业率有明显的递增趋势。这些结果不仅明确了我国各年龄段调查失业率的具体情况,还在一定程度上反映了已经出台的稳岗就业政策的实施效果,为相关政策的进一步完善提供了参考。

关键词： 应急预案   关系三元组抽取   小样本学习   模块转移   语义相似性  

摘要： 针对现有的小样本关系三元组抽取方法难以解决单句话中存在多个三元组以及未考虑支持集和查询集之间语义相似性等问题,提出了一种基于模块转移和语义相似性推断的小样本关系三元组抽取方法.该方法采用一种在关系抽取、实体识别和三元组判别这3个模块不断转移的机制,高效地提取出查询实例中存在的多个关系三元组.在关系抽取部分,将BiLSTM和注意力机制相融合,以更好地捕捉应急预案文本的序列信息.此外,在实体识别部分设计了一种基于语义相似性推断的方法识别句子中存在的应急组织机构实体.最终,在应急预案领域数据集ERPs+上进行了大量的实验.实验结果显示,相较于其他基线模型,所提模型更适应于应急预案领域的关系三元组抽取任务.

关键词： 改进决策树   直流充电桩   故障   充电模块   诊断  

摘要： 为提高直流充电桩充电模块故障诊断的准确性和效率,利用改进决策树,开展直流充电桩充电模块故障诊断方法研究。首先,采用多种传感器,采集直流充电桩充电模块故障数据。其次,提取充电模块故障的时域和频域特征,全面描述故障信号的特性。在此基础上,构建改进决策树,对直流充电桩充电模块故障状态进行全方位地诊断,评估充电模块的健康等级。通过实验证明了该方法的诊断效果,能够准确地识别出充电模块的故障状态,降低谐波含量,确保充电桩及其充电模块在安全的运行状态下稳定运行。

关键词： 时间序列   对抗样本   对抗训练   模型鲁棒性  

摘要： 深度学习是解决时间序列分类(Time series classification,TSC)问题的主要途径之一.然而,基于深度学习的TSC模型易受到对抗样本攻击,从而导致模型分类准确率大幅度降低.为此,研究了TSC模型的对抗攻击防御问题,设计了集成对抗训练(Adversarial training,AT)防御方法.首先,设计了一种针对TSC模型的集成对抗训练防御框架,通过多种TSC模型和攻击方式生成对抗样本,并用于训练目标模型.其次,在生成对抗样本的过程中,设计了基于Shapelets的局部扰动算法,并结合动量迭代的快速梯度符号法(Momentum iterative fast gradient sign method,MI-FGSM),实现了有效的白盒攻击.同时,使用知识蒸馏(Knowledge distillation,KD)和基于沃瑟斯坦距离的生成对抗网络(Wasserstein generative adversarial network,WGAN)设计了针对替代模型的黑盒对抗攻击方法,实现了攻击者对目标模型未知时的有效攻击.在此基础上,在对抗训练损失函数中添加Kullback-Leibler(KL)散度约束,进一步提升了模型鲁棒性.最后,在多变量时间序列分类数据集UEA上验证了所提方法的有效性.

关键词： A型主动脉夹层   急性   手术延迟   危险因素   转诊模式  

摘要： 目的:探讨院外转诊急性A型主动脉夹层(ATAAD)患者手术延迟的危险因素,并探讨解决手术延迟的方法。方法:回顾性分析2019年4月—2023年5月外院转诊的378例ATAAD患者的临床资料。根据发病至手术时间是否大于12 h,将患者分为延迟组(110例)和及时组(268例)。比较两组患者病史资料、发病及就诊信息,采用logistic回归分析筛选手术延迟的独立危险因素,并采用受试者工作特征曲线(ROC)对危险因素的预测效能进行判断。结果:及时组和延时组患者年龄、发病症状、发病地点、发病时间、发病至三甲医院时间、转诊单车程时间、转诊模式相比较均差异有统计学意义(均P<0.05)。Logistic回归分析显示,发病地点为农村(OR=4.66,95%CI:1.99~10.90,P<0.001)、发病到三甲医院时间>6 h(OR=8.65,95%CI:3.80~19.69,P<0.001)、转诊单车程时间>2 h(OR=11.65,95%CI:4.64~29.23,P<0.001)、年龄>60岁(OR=4.88,95%CI:2.01~11.83,P<0.001)、常规逐级转诊(OR=11.35,95%CI:4.53~28.45,P<0.001)是ATAAD患者手术延迟的独立危险因素。ROC分析显示,各危险因素联合预测手术延时的AUC为0.926(95%CI:0.893~0.958,P<0.05),预测灵敏度为89.5%,特异度为78.4%。结论:ATAAD患者年龄>60岁、发病地点为农村、发病至三甲医院时间>6 h、转诊单车程时间>2 h、常规逐级转诊是手术延迟的独立危险因素。

关键词： 电力物资需求   时间序列预测   “STL+ARIMA”模型   SARIMA模型   LSTM神经网络  

摘要： 随着电力行业的快速发展,物资需求的精确预测成为提高企业运营效率和降低成本的关键因素。本文基于国网福建省电力有限公司厦门供电公司2021年至2023年的部分物资出库数据,研究了多种时间序列预测模型对电力物资需求的预测能力。本文选取了ARIMA、SARIMA、LSTM、KNN、ETS、“STL+ARIMA”等6种模型,并通过MAE(平均绝对误差)、MSE(均方误差)、R-squared(决定系数)等多项评价指标对其预测精度进行了比较。实验结果表明,“STL+ARIMA”模型在所有模型中表现最佳,能够有效捕捉数据中的季节性波动和趋势变化,预测精度远超其他模型。本文为电力企业物资需求预测提供了高效且精确的模型选择方案,有助于优化物资供应链管理,降低成本,并提升整体运营效率。

关键词： 自动驾驶汽车   类人决策   序贯博弈   主观认知   非受控交叉路口  

摘要： 非受控交叉路口是高动态性、强交互性的决策场景,在其中如何让自动驾驶汽车做出与熟练驾驶人类似的安全合理决策并顺利通过路口,是一项极具挑战性的任务。本文充分考虑认知与决策过程的本体主观属性,提出了一种基于序贯博弈的自动驾驶汽车交互式类人决策方法。首先,从通行时效、空间裕度、驾乘体验和行驶安全多个维度深度挖掘了多目标驾驶诱因,进而建立了个性化和类人化驾驶特质嵌入的博弈决策模型,并匹配不同驾驶模式类型的驾乘人员群组;在此基础上,提出了模仿人类逻辑的自视角决策方案和序贯优先度的概念,以实现滚动逐阶博弈决策的序贯模式自演化;最后,通过多组对比实验验证了所提方法的有效性。结果表明,本文提出的交互式类人决策方法能够以持续交互的方式化解潜在冲突并处理安全决策问题,同时提升了自动驾驶汽车个性决策的自然化和类人化效果。