摘要：目的分析顺德区新报告艾滋病病例晚发现情况及影响因素,为今后艾滋病防控工作措施制定提供科学依据。方法采用设计问卷对2017-2018年顺德区新报告艾滋病病例进行调查,对问卷内容进行有效性整理后进行卡方检验、非条件Logistics等统计学分析。结果共有385例HIV/AIDS纳入调查对象,其中男330例,女55例,男女比例为6:1;发现感染时年龄最小16岁,最大88岁,平均发现感染年龄(39.26±13.67)岁;民族以汉族为主,占88.8%;婚姻状况以已婚为主,占51.7%;初中文化为主,占40%;外地户籍为主,占77.7%;传播途径以异性传播为主,占56.1%。单因素分析显示,不同年龄、不同婚姻状况、不同户籍、是否主动检测意识、既往有无艾滋病相关临床症状和是否知晓艾滋病相关信息间晚发现率差异有统计学意义(P<0.05),且晚发现率存在随发现年龄增长而增大的趋势(P<0.001)。多因素Logistics回归分析显示,既往曾经有过艾滋病相关症状要比没有艾滋病相关症状的HIV/AIDS晚发现风险高(OR=2.363);知晓检测机构相比不知晓晚发现风险要低(OR=0.621);相比未婚或同居HIV/AIDS,已婚和离异或丧偶的HIV/AIDS晚发现风险要高(OR=2.257、2.314),差异均有统计学意义(P<0.05)。结论顺德区今后要加强高年龄、已婚和离异或丧偶、本地户籍HIV/AIDS的随访管理,强化检测宣传,特别是本地检测机构的宣传,同时加强医疗机构主动提供HIV咨询检测工作。

摘要：边缘端的异常检测能够明显提高检测的响应速度,轻量化是深度异常检测模型在边缘端运行的解决方案,常采用模型压缩或减少参数量的方法,但参数量减少会减弱特征表示能力,影响检测准确度.为解决以上问题,提出一种层间特征传递增强的轻量化无监督异常序列检测方法,可以在减少模型参数量的同时保证检测的准确性.首先,借鉴密集卷积网络(DenseNet)的结构思想,设计特征层间连接的网络结构,增加层间的连接,加强特征传递的信息量,使提取的序列深度特征更充分;然后将深度可分离卷积应用到该网络结构中,减少参数量,实现轻量化;最后,用提取的序列特征训练支持向量描述分类器(Support Vector Data Description,SVDD),进行异常序列检测.分别在仿真数据集、Google云平台监控日志数据集和边缘端电力变压器油箱的温度数据集上进行验证,结果表明,提出的方法能准确地检测出不同变化的异常序列,与经典的轻量化网络相比,在准确率、参数量和速度上性能更好.