• 综述：早期手术对比保守治疗创伤性脑内血肿：一项系统评价与贝叶斯Meta分析及Meta回归

  研究背景：创伤性脑内血肿（TICH）的处理仍存在争议。研究人员进行了一项贝叶斯Meta分析，评估早期手术与保守治疗对死亡率、不良功能预后及住院时间的影响。方法：研究人员检索了PubMed、Scopus和Cochrane图书馆，从建库至2025年12月15日（P

  来源：Brain and Spine

  时间：2026-08-19

• 腰椎手术中患者报告结局测量工具完成情况：多中心注册中的完成率和决定因素

  摘要引言：患者报告结局测量工具（PROMs）越来越多地用于辅助临床决策、评估治疗结局以及支持脊柱护理的质量改进。然而，为确保有效且具有代表性的结局，足够的完成率至关重要。研究问题：本研究旨在评估常规腰椎手术护理中PROM的完成率，并识别与完成相关的患者和医院层

  来源：Brain and Spine

  时间：2026-08-19

• 综述：脊髓髓内动静脉畸形显微外科、血管内、多模式及放射外科治疗的结局：一项系统评价与探索性荟萃分析

  引言：脊髓髓内动静脉畸形（spinal intramedullary arteriovenous malformations, Si-AVMs）为罕见血管病变，其诊疗受血管构筑、病变部位、临床表现及治疗目的影响，不同治疗模式间的比较易受适应证混杂偏倚干扰。研究

  来源：Brain and Spine

  时间：2026-08-19

• 术中锥形束CT用于脑脊液分流手术实时质量控制：一项前瞻性工作流程研究

  摘要：脑脊液(CSF)分流植入术后常规行术后CT以验证导管位置。术中锥形束CT(iCBCT)可实现实时验证，并可能免除常规术后CT。本研究旨在探究基于iCBCT的工作流程能否降低辐射暴露并允许省略常规术后CT。这项正在进行的 prospective 观察性研究

  来源：Brain and Spine

  时间：2026-08-19

• 为什么父母允许他们的孩子参加高风险运动：一项探索性研究

  运动相关性脑震荡（concussion）可导致严重的认知、学业、心理及神经学后果。尽管大多数父母允许其子女参与高脑震荡风险的运动，但鲜有研究探讨父母为何做出此类决策。本研究探讨了与父母允许子女参与高风险运动（high-risk sports）的意愿及其子女是否

  来源：Applied Neuropsychology: Child

  时间：2026-08-19

• 混合预训练量子卷积神经网络用于类风湿关节炎分类

  类风湿关节炎（Rheumatoid Arthritis, RA）是一种慢性自身免疫性疾病，早期诊断对于防止不可逆的关节损伤至关重要。量子计算的最新进展已展现出在复杂、高维生物医学数据建模中的潜在优势。本研究的主要目标是提出一种混合预训练量子卷积神经网络（Hyb

  来源：Frontiers in Artificial Intelligence

  时间：2026-08-19

• COVID-19大流行期间姑息治疗环境中患者焦虑和抑郁的患病率：一项混合方法横断面研究

  背景COVID-19是一种具有高传播性和高死亡率的新型疾病，可引发或加剧多种心理后遗症，尤其是在患有严重基础疾病的患者中。姑息治疗患者的经历已被广泛研究，但关于他们在COVID-19大流行期间经历的研究尚不充分。目的确定姑息治疗患者中焦虑和抑郁的患病率及相关因

  来源：Neuropsychiatric Disease and Treatment

  时间：2026-08-19

• 序贯术中方案提高小儿脊柱手术中球海绵体反射监测可行性

  目的：球海绵体反射（BCR）监测用于评估小儿脊柱手术中骶S2至S4通路完整性；然而，当反应缺失或单侧时，其术中实用性受限。研究人员前瞻性评估了一种序贯术中方案，旨在改善对这些模式的解释并减少骶部监测中的不确定性。方法：研究人员前瞻性研究了2023年至2025年

  来源：Child's Nervous System

  时间：2026-08-19

• 人工神经网络预测乳化液滴粒径分布

  在多相体系乳化过程优化中，准确预测液滴粒径分布（DSD）至关重要。传统模型常依赖索特平均直径（d32）等单点指标，无法表征真实乳液的多模态与复杂性。研究人员提出一种基于人工神经网络（ANN）的机器学习框架，由硅油在水相中湍流条件下（黏度比约0.05至105）的

  来源：Results in Engineering

  时间：2026-08-19

• 基于联邦学习（Federated Learning, FL）模型的老挝风电场能量产出点预测

  风能已成为化石能源替代中最具可行性的可再生能源之一，可降低对化石燃料发电系统的依赖。然而，风速的间歇性与波动性给电力系统可靠运行、能量调度与风场管理带来困难。现有风能预测方法多依赖集中式机器学习算法，需共享原始数据，引发数据隐私、安全与可扩展性问题。为克服上述

  来源：Next Energy

  时间：2026-08-19

知名企业招聘：