课程文献中心 更多>>

关键词： 胃肠癌   家庭回避癌症沟通   恐惧疾病进展   疾病不确定感  

摘要： 目的探讨胃肠癌患者家庭回避癌症沟通现状及其影响因素。方法采用一般资料调查表、恐惧疾病进展简化量表、疾病不确定感量表、家庭照顾者照顾能力量表和家庭回避癌症沟通量表对207例胃肠癌患者进行调查。结果胃肠癌患者家庭回避癌症沟通量表总分为(41.46±10.37)分。多元线性回归分析结果显示:性别、癌症分期、恐惧疾病进展、疾病不确定感及主要照顾者照顾能力是胃肠癌患者家庭回避癌症沟通的主要影响因素(P<0.05)。结论对胃肠癌患者家庭回避癌症沟通水平需引起重视,医护人员应重点关注男性、晚期、恐惧疾病进展水平较高、疾病不确定感较高和主要照顾者照顾能力较低的胃肠癌患者家庭回避癌症沟通水平,并根据其影响因素提供个体化的干预方案。

关键词： 成年2型糖尿病   心理健康状况   相关因素  

摘要： 目的 探讨新余地区门诊成年2型糖尿病患者心理健康状况及相关影响因素.方法 从新余市中医院糖尿病门诊于2021年6月-2023年6月收治的成年2型糖尿病患者中选择300例作为研究对象,采用PHQ-9抑郁症状群量表和GAD-7广泛性焦虑量表对患者心理健康状况进行评估,并应用医院自制的健康问卷调查表开展调查,对结果数据加以分析,总结影响患者出现心理健康问题的相关因素.结果 成年2型糖尿病患者焦虑、抑郁心理与其经济收入、家庭婚姻幸福程度、胰岛素每日使用次数、合并糖尿病相关并发症、病程长短、文化程度和每日运动量有关(P＜0.05).结论 新余地区门诊成年2型糖尿病患者的心理健康水平相对较低,且受到多种因素的影响,如经济收入、家庭婚姻幸福程度、胰岛素每日使用次数、合并糖尿病相关并发症、病程长短、文化程度和每日运动量.为此,临床医护人员及2型糖尿病患者自身均要引起高度重视,医院需积极采取有效措施结合患者的实际情况为其进行有效的心理疏导和干预,对症下药,保障疗效,控制并稳定病情,保障患者良好的生活质量.

关键词： 信息不对称   投融资决策   企业财务管理  

摘要： 文章主要研究了非对称信息对公司投资与投资决策的影响。文章从非对称信息视角出发,深入剖析金融机构与金融机构之间的信息不对称性,并在此基础上探讨信息不对称对投融资的影响,以期为我国金融机构在金融领域的投资与投资决策提供科学依据。

关键词： 急诊科护士   自主学习能力   职业获益感   创新行为  

摘要： 目的采用横断面研究探究济南市某三甲医院急诊科护士自主学习能力现状,并通过探讨急诊科护士自主学习能力和创新行为、职业获益感之间的关系,进一步分析急诊科护士自主学习能力的影响因素,为提高急诊科护士自主学习能力提供参考依据。方法本研究于2023年1月—10月采取便利抽样的方法选取济南市某三甲医院的200名急诊科护士为研究对象,并采用护士一般资料量表、自主学习能力量表、职业获益感问卷和创新行为量表进行调查,应用SPSS 26.0软件进行统计分析。结果200名急诊科护士的自主学习能力总分为(127.53±15.03)分,护士职业获益感总分为(105.51±5.18)分,创新行为总分为(29.22±6.21)分。经Pearson相关性分析显示,急诊科护士自主学习能力和创新行为呈正相关(r=0.445,P<0.01);急诊科护士自主学习能力和职业获益感呈正相关(r=0.523,P<0.01)。多元线性回归分析结果显示,急诊科护士年龄、学历、工作年限、有无职业生涯规划、是否经常外出学习、创新行为和职业获益感是急诊科护士自主学习能力的影响因素(P<0.05)。结论本研究中200名急诊科护士的自主学习能力水平较低,为了更好地提高急诊科护士的自主学习能力,提高急诊科护理团队总体水平,作为护理管理者应该根据急诊科护士的个人特点,并依据急诊科护士自主学习能力的影响因素制定个性化干预方案,旨在提高急诊科护士的自主学习能力,保证护理队伍的稳定性。

关键词： 条形统计图   单位长度   顺序排列   数量  

摘要： 条形统计图的特点是用一个单位长度表示一定的数量,然后再根据数量的多少画成长短不同的直条,最后把这些直条按照一定的顺序排列起来。通过条形统计图可以很容易看出各种数量的多少。

关键词： Contrastive Learning  

摘要： Due to the long-tailed distribution characteristics of skin cancer data, quickly identifying rare skin disease samples with small amounts of data becomes a challenging few-shot problem. The detection method based on meta-learning can quickly learn meta-knowledge from the majority of common classes skin disease classes and use prior knowledge to improve the model’s ability to detect rare skin diseases. However, the bias in the quality and distribution of public skin cancer categories leads to the risk of overfitting in the pre-training phase of meta-learning, and meta-learning models based on traditional networks struggle to handle fine-grained skin disease problems. Affronting this issue, a many-objective meta-learning skin cancer detection model is proposed. The proposed model optimizes the distribution of common classes (base classes) by considering various classification performances of the skin cancer detection model, thus obtaining quality-enhanced training samples. And it adopts the ResNet12 network structure integrated with the CCNet attention model, which can significantly enhance the ability to identify fine-grained skin lesion images. Additionally,an improved many-objective optimization algorithm with discrete grouping strategy is designed to efficiently solve the proposed model. Some experiments are conducted on two public medical datasets, ⅠSCⅠ2018 and Derm7pt. The proposed many-objective skin detection model achieves detection accuracies of 67 %, 79 %, and 82 % respectively on binary classification tasks with 1-shot, 3-shot, and 5-shot learning,which validates the effectiveness of the model. © 2024 Northeast University. All rights reserved.

关键词： 产量分离   时间序列   机器学习   旱地   春小麦   产量预测  

摘要： 为探究机器学习算法与时间序列结合预测春小麦产量的可行性,使用HP滤波算法,将1971-2021年甘肃省定西市安定区和2014—2021年定西市渭源县的产量数据分离为气象产量和趋势产量,利用研究区的气象数据,分别基于随机森林（random forest,RF）、循环神经网络（recurrent neural network,RNN）、支持向量机（support vector machine,SVM）、反向传播神经网络（back propagation neural network,BPNN）和长短期记忆网络（long short-term memory,LSTM） 5种机器学习算法实现春小麦气象产量的预测对比;构建了ARIMA时间序列模型,探究旱地春小麦趋势产量的最佳预测模型。结果表明,旱地春小麦产量中气象产量占比大,趋势产量占比小,且气象产量的变化趋势基本与总产量一致。LSTM模型对研究区内气象产量的模拟效果最佳。通过参数率定,获得最优的趋势产量预测模型为ARIMA（4,1,2）模型,其残差基本为白噪声,符合正态分布。利用LSTM和ARIMA（4,1,2）模型组合,对2014—2021年渭源县的春小麦产量进行预测,并与研究区的实际产量数据比较,预测结果与实际值接近,模型精度较高,其R2为0.96,MAPE为1.22%,MAE为32.12 kg·hm-2,RMSE为35.32 kg·hm-2。在本研究条件下,LSTM和ARIMA（4,1,2）组合模型具有良好的预测精度,可实现旱地春小麦产量的预测。

关键词： 图神经网络   时间序列   自注意力机制   LS-DYNA   分类  

摘要： 针对当前智能化现代战争中，炮弹实现精准打击及对射击目标判断的复杂性，提出基于一种图神经网络和自注意力机制融合的多元时间序列数据检测模型，利用弹体内部多元传感器的实时数据对弹体击中目标的材质进行分类检测，从而配合其他检测方法实现对炮弹是否击中目标做出精准判断。通过引入图模型，自注意力机制在传感器维度进行消息传递，提高模型对不同传感器数据变化的感知能力，并更加注重其有效信息；针对不规则数据采样和多元时间序列的复杂性，利用时间信息关系特征，建立时间自注意力机制网络对复杂时间序列的建模方法。实验结果表明，相比目前主流模型，所提算法实现了更高的精度，对射击目标靶板的材质识别准确率高达90%；研究工作为实现对目标打击识别智能化检测提供了依据参考。

关键词： 糖尿病周围神经病理性疼痛   疼痛灾难化   糖尿病痛苦   影响因素  

摘要： 目的 调查糖尿病周围神经病理性疼痛（DPNP）患者疼痛灾难化现状，并分析其影响因素，为临床制定预防干预策略，提供参考依据。方法便利抽样法选取广西壮族自治区人民医院收治的206例糖尿病DPNP患者为研究对象，采用一般资料调查表、疼痛数字等级评分量表(NRS)、疼痛灾难化量表(PCS)、领悟社会支持量表(PSSS)、糖尿病痛苦量表(DDS)对其进行调查。结果206例糖尿病DPNP患者疼痛灾难化发生率44.66%（92/206），PCS总分为（30.10±5.16）分。多元线性回归分析结果显示，性别、糖尿病病程（≥10年）、合并症数量（＞5个）、多重用药、疼痛强度、社会支持、DDS各维度是疼痛灾难化的主要影响因素（均P＜0.05），可解释疼痛灾难化总变异的92.3%。结论 糖尿病DPNP患者疼痛灾难化发生率较高，临床医护工作者应重视此类患者疼痛灾难化的评估，并根据主要影响因素制定科学有效的针对性干预措施，帮助患者减轻疼痛负担，以降低其疼痛灾难化水平。

关键词： 黄土滑坡   蒙特卡罗   失稳概率   可靠度   相关性  

摘要： 基于计算滑坡概率的蒙特卡罗法，该文以黄土高原地区的榆林市朝阳路滑坡为研究对象，通过野外调查、室内试验和综合研究，分析了黄土黏聚力和内摩擦角等多种条件下的安全系数分布、失稳概率和可靠度，探讨了参数相关性对于滑坡可靠度的影响，并进行了对黏聚力和内摩擦角的敏感性分析。研究发现，该滑坡为黄土高原区典型降雨诱发型，当同时考虑黏聚力和内摩擦角的变化时，滑坡可靠度指数为1.35，失稳概率为8.83%，安全系数介于0.794～ 1.305；与同单一变量情况下相比，多个变量分析计算的可靠性指数显著减小，标准偏差明显增大，滑坡失稳概率升高；不同参数相关性条件下，滑坡失稳概率、可靠度和安全系数的标准偏差不同；滑坡的稳定性系数对于不同土性参数的敏感性存在差异。该文基于研究结果提出了相应的防治措施，为黄土高原地区滑坡防治和危险性评估提供科学依据。