摘要：目的:探索多中心护理干预随机对照试验课题管理模式,为临床护理科研培训及实践提供经验。方法:严格按照临床试验管理规范,从课题的评估、计划、实施与评价4个阶段详细阐述多中心护理干预随机对照试验课题管理模式。采用患者招募率、留存率、护士参与留存率、培训依从率,评价多中心护理干预随机对照试验课题管理模式的可行性及科研培训效果。结果:患者招募率为73.3%,干预组患者留存率为96.4%,护士参与留存率为89.3%,培训依从率为78.6%。结论:回归家庭干预多中心随机对照试验的课题管理模式具有可行性,为临床护士和护理专业研究生设计和实施多中心随机对照试验提供了经验参考,同时以课题实践为导向的科研培训能够激发护士科研兴趣,提高其科研能力。

摘要：为了寻找结构新颖、杀菌活性更好的绿色农药。选用天然产物香草醛作为基本原料,引入五元杂环异[口恶]唑结构,首次设计并合成了28个香草醛异[口恶]唑类衍生物。结构经核磁共振氢谱、碳谱及高分辨质谱分析确认。测试了所有目标衍生物对烟草灰霉病菌(Botrytis cinerea)、层出镰刀菌(Fusarium proliferatum)、木贼镰刀菌(Fusarium equiseti)、玉米圆斑病菌(Bipolaris zeicola)、胶胞炭疽菌(Colletotrichum gloeosporioides)、草茎点霉菌(Phoma herbarum)6种广谱菌的杀菌活性。杀菌活性测定结果显示:在50μg/mL质量浓度下,部分化合物对6种真菌的菌丝生长均具有一定抑制作用,2-甲氧基-4-(5-苯基异[口恶]唑-3-基)苯乙酸酯对6种真菌的抑菌活性整体良好,对玉米圆斑病菌等3种菌的抑菌活性超过对照组百菌清;2-甲氧基-4-(5-(4-乙基苯基)异唑-3-基)苯酚对烟草灰霉病菌的抑菌活性最高,抑菌率可以达到93%。初步构效关系表明,对活性片段香草醛上的酚羟基进行乙酰化衍生,有助于提高化合物对6种病原菌的抑菌活性,为后续的生物活性研究提供了参考。

摘要：双碳背景下,气流分选技术因污染低、成本低、不用水、投资省、工艺简单等优势备受关注。为提升气流分选技术在多领域、多地区、多工况的适应性,解决气流分选物料适用范围窄、细粒分选效率低、设备大型化难等问题迫在眉睫。围绕气流分选理论、技术应用和技术改进3方面系统评述气流分选技术研究进展。首先,介绍了气流分选技术原理,分析气流分选过程颗粒受力及分选理论进展;其次,综述了气流分选在固废、矿业、农业等领域的应用进展,并评析了技术优势和技术短板;再次,系统分析了气流分选供风方式优化和设备结构优化等技术改进进展;最后,给出了通过单体并联和相似放大准则提高设备处理量,通过预干燥、分选干燥一体化、改进入料方式提高潮湿物料适应性与分散性,通过窄粒级分选和保持物料形状一致性的预处理过程提高细粒和薄片物料分选效率等路径。展望了未来气流分选技术在线检测与控制智能化、分选装备大型化、分选效率精细化、分选工艺联合化等方面的发展方向,为气流分选技术进一步研究和推广应用提供重要依据。

摘要：在国产FPGA芯片上设计并实现密码算法是服务于我国关键基础设施建设的一项举措。为探讨新型密码算法模块实现的可行性,基于国产FPGA芯片设计了一款可选算法引擎的硬件密码模块,该模块可集成于嵌入式系统中,基于SPI接口实现了两种分组密码算法引擎的自主选择以及多组数据的一次性加解密处理。在此基础上,对比分析了在国产FPGA实现的SM4算法引擎和uBlock算法引擎的性能,并将SM4算法部署在国内和国外两款同档次的FPGA芯片上,对两种芯片的性能等方面进行对比分析。实验结果可知,利用国产FPGA芯片实现硬件密码模块具有较好的可行性,为FPGA的国产化替代提供一定的借鉴经验。

摘要：研究背景多模态神经影像学检查在功能神经外科的诊断与治疗中发挥重要作用,但目前临床对这些复杂数据的管理有所欠缺。本研究尝试建立一套可行的多模态神经影像学数据信息管理系统并评估其应用效果。方法 通过规范临床诊疗流程、分析影像学数据产生节点及梳理数据流动线路、建立存储命名规则,以及搭建存储服务器、培训专业人员等措施,设计并应用多模态神经影像学数据信息管理系统,以术前结构序列、其他术前影像、电极术后CT、电极重建、术后CT/MRI共5类数据的归档率作为主要评估指标,以数据归档消耗的总人·时和每例病例消耗的平均人·时作为次要评估指标。结果未进行多模态神经影像学数据信息管理(对照组,64例)的情况下,总人力消耗为192人·时,平均为3人·时/例;进行多模态神经影像学数据信息管理(数据管理组,50例)的情况下,总人力消耗84人·时,平均为1.68人·时/例。数据管理组术前结构序列[100%(50/50)对32.81%(21/64);χ^(2)=11.383,P=0.001]、其他术前影像[96%(48/50)对26.56%(17/64);χ^(2)=13.839,P=0.000]、电极术后CT[96%(48/50)对32.81%(21/64);χ^(2)=10.409,P=0.001]、电极重建[96%(48/50)对32.81%(21/64);χ^(2)=10.409,P=0.001]、术后CT/MRI[96%(48/50)对15.63%(10/64);χ^(2)=22.169,P=0.000]数据归档率均高于对照组。结论 设计契合临床的多模态神经影像学数据信息管理系统,合理设置数据收集和归档节点,可以有效提高数据归档率,节约人力资源,保障临床数据的完备存储和临床诊疗的顺畅运行,有利于提高临床诊断与治疗水平。

摘要：为开发结构新颖、活性高且对环境友好的绿色农药,以呋喃葡萄糖为基本骨架,引入活性基团噻唑,设计并合成了29个葡萄糖噻唑类化合物。利用核磁共振氢谱、碳谱及质谱等对目标化合物结构进行确认,并测试了目标化合物对黄瓜灰霉病菌、甜瓜枯萎病菌、番茄枯萎病菌、胶孢炭疽病菌、草莓炭疽病菌、串珠镰刀病菌等6种病原菌的杀菌活性。结果表明:在质量浓度为50μg/mL时,目标化合物对供试菌种均表现出一定的抑制活性。部分目标化合物对番茄枯萎病菌、胶孢炭疽病菌、草莓炭疽病菌的抑制率在50%以上;对黄瓜灰霉病菌的抑菌活性较好,尤其是化合物F-4,表现出90.3%的抑制率,具有进一步研究的价值。

摘要：数据要素作为一种新兴生产要素,是新质生产力发展的重要动力。我国当前面临数据价值释放不充分的问题,有必要从完善数据要素市场的视角拓展至促进数据价值释放的更一般的理论体系。数据要素的价值释放总是经历供给、需求、供需匹配三个基本环节,并依赖政策法律形成全面健康的价值释放生态。提高数据要素价值释放效率,需正视并解决当前我国数据价值释放过程中面临的诸多现实问题,如数据供给成本高且开发激励不足、数据利用能力不够、供需匹配机制与相关制度法规尚不完善等。针对这些问题所反映出的市场失灵与政策失灵,政府应把握数据要素在价值创造与释放过程中的核心规律,兼顾交易交互两大主线,保障市场有效运行,健全定价与收益分配体系,推动数据价值的充分释放。

摘要：针对当前正交频分复用(OFDM)通信系统,开展了基于二维快速傅里叶变换(2D-FFT)的一体化波形研究。探究了太赫兹OFDM波形感知特性,通过理论和仿真计算相结合,分析不同频率和带宽下波形参数设计的影响,以指导太赫兹OFDM通信感知一体化(ISAC)系统设计。理论和仿真计算分析表明,太赫兹OFDM通信感知一体化系统具有多目标感知能力,太赫兹大带宽特性使其感知距离分辨力高达厘米级,速度分辨力可达分米每秒级,且低感知信噪比情况下仍能解析出目标的位置与速度信息,证明了OFDM通信感知一体化波形能够支撑太赫兹窄波束移动通信。

摘要：【目的】部分老龄油气长输管道的运行年限较长,存在具体地理位置信息缺失、实际管道定位与初始设计路线不一致等问题,而传统油气管道定位方法的累积误差大、定位精度低。【方法】为了提高油气管道的定位精度,提出一种基于改进无迹卡尔曼滤波(Unscented Kalman Filter, UKF)的油气管道定位方法:以陀螺仪与加速度计组成的惯性测量单元为主要设备,利用里程轮、地面标记器作为辅助定位设备,将管道检测器的姿态、速度及位置误差作为状态量,再将里程轮输出的速度与加速度计解算的姿态信息作为观测量,建立非线性捷联惯导系统误差传递模型;利用改进UKF估计系统误差传递模型,降低噪声对定位精度的影响,并结合前向与后向平滑滤波方法、直管与弯管识别方法修正管道检测器的角速度和加速度信息,进一步降低系统解算过程的累积误差。【结果】通过数值模拟与物理试验验证结果表明,所建立的油气管道定位系统可减小长输管道定位的累积误差,对管道所在具体位置进行定位的最大误差为0.56%,在测试环境保持不变的情况下,与传统卡尔曼滤波(Kalman Filter,KF)算法、UKF算法相比,改进UKF算法的定位精度分别提高了约34.2%、30.2%。【结论】基于改进UKF的油气管道定位方法减小了系统解算过程的累积误差,提高了管道的定位精度,在油气长输管道定位中具有较高的实用价值。(图6,表1,参21)

摘要：背景近年来初级保健领域基于机器学习预测模型研究发展迅速,但关于其设计特征与方法学质量的研究报道较少。目的系统总结、分析初级保健领域基于机器学习预测模型研究的设计特征与方法学质量。方法采用计算机检索PubMed、Embase、中国知网、万方数据知识服务平台建库至2023-02-21发布的初级保健领域基于机器学习预测模型研究,采用叙述性总结和描述方法分析纳入文献的基本特征、预测模型类型、样本量、缺失值处理方法、机器学习算法类型、模型性能评价指标及预测效能、模型验证方法等。结果最终纳入30篇文献,涉及106个预测模型,其中发表时间为2021~2023年17篇;研究主题涉及呼吸系统疾病6篇,肿瘤4篇,门诊预约3篇;26篇文献样本量>1000(占86.67%,95%CI=68.36%~95.64%);使用机器学习方法处理缺失值者7篇;65个预测模型使用基于树的机器学习算法,其中随机森林使用频率最高(占32.08%,95%CI=23.53%~41.95%);61个预测模型使用受试者工作特征(ROC)曲线下面积(AUC)或一致性(C统计量)作为区分度评价指标(占57.55%,95%CI=47.57%~66.97%),但仅14个预测模型报告了校准度指标(占13.21%,95%CI=7.67%~21.50%);106个预测模型多数区分度良好,但92个预测模型偏倚风险评估结果为高风险(占86.79%,95%CI=78.50%~92.33%);仅7篇文献所涉预测模型进行了外部验证。结论近3年来初级保健领域基于机器学习预测模型研究逐渐增多,研究主题主要涉及呼吸系统疾病、肿瘤、门诊预约等;预测模型在样本量、缺失值处理方法等方面存在较大差异,多数预测模型区分度良好,但大部分预测模型未进行外部验证,总体偏倚风险较高。