-
迁移背景与1型糖尿病儿童青少年在诊断和随访时的糖尿病技术使用:一项单中心研究
目的:旨在探讨迁移背景是否与1型糖尿病(T1D)儿童青少年在诊断时和随访期间的糖尿病技术使用相关。方法:这项横断面研究纳入了年龄4–19岁、T1D病程≥1年的儿童青少年。研究人员比较了有迁移背景和无迁移背景参与者之间在诊断时使用胰岛素泵治疗以及在随访时使用糖尿
来源:Acta Diabetologica
时间:2026-07-30
-
多中心登记研究中的既往CABG手术与自体血管CTO PCI治疗:病变复杂性、策略规划、手术负担及技术成功率
摘要背景以往的冠状动脉旁路移植术(CABG)与慢性完全闭塞(CTO)病变的复杂性增加以及经皮冠状动脉介入治疗(PCI)的成功率降低有关。在原位血管CTO PCI中,既往的CABG可能还意味着术前情况更为复杂,需要更复杂的策略规划。我们在一项现代多中心登记研究中,探讨了既往CABG
来源:BMC Cardiovascular Disorders
时间:2026-07-30
-
机器学习方法预测接受免疫检查点抑制剂(ICI)患者早期心脏免疫相关不良事件(cardiac irAEs)
摘要目的:免疫检查点抑制剂(ICI)诱导的心脏免疫相关不良事件(cardiac irAEs)虽罕见但属于严重并发症。能够识别高风险患者的临床评估工具将有助于制定更有效的预防策略,从而改善临床结局。研究人员构建了多种机器学习(ML)模型以预测接受ICI治疗患者中
来源:Supportive Care in Cancer
时间:2026-07-30
-
与牛乳腺炎相关的大肠杆菌基因组特征评估及替代性抗菌方法的潜在应用
乳腺炎是一种影响乳牛的疾病,可由多重耐药的大肠杆菌引起,给农业部门造成损失。为了解决这一问题,研究具有抗菌活性的新物质至关重要。因此,本研究的目的是评估薄叶没药、尾果豆、剑麻提取物和高可溶性聚吡咯针对大肠杆菌分离株的疗效。研究使用了8个来自牛乳腺炎的大肠杆菌分
来源:Brazilian Journal of Microbiology
时间:2026-07-30
-
朽木甲虫的分类学和方法学偏差:体型、营养类群和检测概率
较小的昆虫物种通常比较大型物种描述得更晚,这延续了林奈短视(Linnean shortfall)。利用来自28个古橡树(Quercus spp.)样地的425种朽木甲虫(saproxylic beetle)物种,研究人员测试了体型是否随描述年份和最早地理参考记
来源:Insect Conservation and Diversity
时间:2026-07-30
-
地中海松林野火后鸟类群落的变化:一种跨越时间与季节梯度的被动声学监测方法
野火是地中海森林生态系统的主要改造因子,对生物多样性和生态恢复力具有长期影响。然而,在地中海松林中,火历史差异与季节动态如何共同关联鸟类群落结构仍理解不足。为填补这一空白,研究人员评估了希腊北部四片代表火后时间序列的阿勒颇松(Pinus halepensis)
来源:Avian Research
时间:2026-07-30
-
YieldNet: 一种轻量级YOLOv8n增强方法用于无人机图像中未成熟绿色番茄检测:面向收获前产量估计的实时边缘演示
对温室番茄进行准确的早期监测对于减少采后损失至关重要,其中可靠检测未成熟绿色番茄是核心挑战。然而,这些果实体积小、严重遮挡且与叶片在色彩上高度相似,使得从低空无人机(UAV)图像中检测极为困难,同时机载边缘处理器受严格的功率和重量限制。为解决此问题,研究人员提
来源:AgriEngineering
时间:2026-07-30
-
在跨学科精准奶牛研究中融入社会科学、艺术与人文学科:开启超越技术采纳与技术乐观主义的对话
奶牛养殖中的精准技术被广泛誉为提供了革命性生产模式的机会,有助于实现以更少的资源创造更多的产出。关于精准奶牛技术的承诺叙事继续占据主导地位,在科学、政策和大众辩论中,对技术修复的支持观点呈现出压倒性的态势。当社会科学和人文学科被号召在名义上的精准畜牧技术跨学科
来源:Frontiers in Animal Science
时间:2026-07-30
-
使用亚临界CO₂技术从废旧电池中可持续提取锂
全球对锂离子电池(LIBs)的日益依赖,加上关键原材料的有限可用性,增强了对高效和可持续回收技术的兴趣。尽管具有战略重要性,但当前的电池回收方法仍发展不足。推进这些技术不仅对于环境和经济可持续性至关重要,而且对于减少欧盟对关键和战略材料的依赖也至关重要。研究人
来源:Separation and Purification Technology
时间:2026-07-30
-
缺失机制尊重型数据截肢(MMRDA):一种在缺失数据机制未知的表格数据集上真实评估插补技术的新策略
在数据科学中,缺失数据(Missing Data, MD)的处理方法涵盖从基础插补(如均值插补)到复杂方法(如机器学习(Machine Learning, ML))。评估这些方法通常包括截肢数据后再插补截肢值以与真实值比较。现有截肢方法多为随机截肢(Rando
来源:Journal of Computational Science
时间:2026-07-30