目的通过Meta分析确定中国老年慢性病共病的患病率和危险因素,为制定适合我国实际情况的老年人慢性病共病健康管理策略和社区干预方案提供科学依据。方法系统检索PubMed、Embase、Web of Science、Cochrane、中国期刊全文数据库(CNKI)...目的通过Meta分析确定中国老年慢性病共病的患病率和危险因素,为制定适合我国实际情况的老年人慢性病共病健康管理策略和社区干预方案提供科学依据。方法系统检索PubMed、Embase、Web of Science、Cochrane、中国期刊全文数据库(CNKI)、中国科技期刊全文数据库(VIP)、万方数据库以及中国生物医药文献数据库(CBM)等关于中国老年慢性病共病的患病率和危险因素的观察性研究。两名具有循证护理学习经验的研究者通过三轮筛选、文献评价、数据提取,采用Stata20.0软件对中国老年慢性病共病的患病率和危险因素依次进行Meta合并、敏感性分析和发表偏倚分析。结果中英文数据初检出相关文献2727篇,最终纳入14篇文献,总样本量54982例,提取影响因素14个。Meta分析结果显示,中国老年人慢性病共病患病率为44.9%,95%CI:34.1%~55.7%。中国老年人慢性病共病危险因素包括:年龄(≥70岁)、性别(女)、慢性病家族史、婚姻状况(单身、丧偶、离异)、BMI(≥24 kg/m^(2))、吸烟、饮酒,OR值和95%CI分别是1.40(1.28~1.53)、1.22(1.10~1.34)、2.15(1.87~2.46)、1.40(1.17~1.68)、1.59(1.03~2.43)、1.18(1.08~1.30)、1.20(1.02~1.42)。结论中国老年慢性病共病的患病率较高,其中年龄(≥70岁)、性别(女)、慢性病家族史、婚姻状况(单身、丧偶、离异)、BMI(≥24 kg/m^(2))、吸烟、饮酒是中国老年慢性病共病的危险因素。针对可改变的危险因素,未来应积极改善老年人不健康的生活方式,开展综合性的干预措施。展开更多
针对传统高斯正态似然函数(Gaussian likelihood function,GLF)在观测数据存在测量误差和模型算法结构复杂时无法描述模型残差异方差特点,造成马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法进行模型参数校正时结果存在偏差的...针对传统高斯正态似然函数(Gaussian likelihood function,GLF)在观测数据存在测量误差和模型算法结构复杂时无法描述模型残差异方差特点,造成马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法进行模型参数校正时结果存在偏差的问题,通过引入变异系数(coefficient of variation,CV)变换的高斯似然函数(GLF with CV transformation,GLF-CV)和BC(Box-Cox)变换的高斯似然函数(GLF with BC transformation,GLF-BC)对观测数据和模型结构造成的异方差进行特征描述,并比较了参数校正效果及模型不确定度(uncertainty ratio,UR)。以2004—2009年高要雪花粘(早熟)、2001—2004年兴化武育粳3号(中熟)、1991—2004年六安汕优63号(晚熟)3个生态点的田间栽培试验数据为基础,RiceGrow和Oryza2000物候期模型为对象,利用仿射不变马尔科夫链蒙特卡洛集成采样(ensemble sampling for affine-invariant MCMC,EMCEE)算法实现模型参数校正,并比较了GLF-CV、GLF-BC、GLF对校正结果的影响。研究表明:1)3种似然函数下,RiceGrow和Oryza2000物候期模型预测均方根误差(root mean square error,RMSE)范围分别2.66~4.54d、2.30~4.41 d,表明3种似然函数用于参数校正均有效果。2)在RiceGrow物候期模型中,3个水稻品种参数相对均方根偏差(relative root mean square deviation,RRMSD)和模型预测RMSE均是GLF-BC最小,在GLF-BC下模型预测RMSE比GLF-CV小0.09、0.07、0.80 d,比GLF小1.21、0.20、0.07 d,表明GLF-BC对RiceGrow物候期模型具有良好的适应性。3)在Oryza2000物候期模型中,雪花粘、武育粳3号、汕优63号3个水稻品种的模型预测RMSE最小的是GLF、GLF-BC和GLF-CV,分别为2.30、4.17、3.50 d。可以看出LF的选择与模型残差异方差的主要来源有关,当主要来源为观测数据时,GLF-CV好于其他;当主要来源为模型结构本身时,GLF-BC好于其他;当模型残差的异方差性较小时,可使用GLF。展开更多
为了提高无人方程式赛车运行的安全性,设计了一种基于鸿蒙系统的无人方程式赛车远程监控与数据管理系统。该系统主要包括数据采集软件、远程监控平台、云数据库。数据采集软件使用鸿蒙系统开发,通过使用控制器局域网(controller area ne...为了提高无人方程式赛车运行的安全性,设计了一种基于鸿蒙系统的无人方程式赛车远程监控与数据管理系统。该系统主要包括数据采集软件、远程监控平台、云数据库。数据采集软件使用鸿蒙系统开发,通过使用控制器局域网(controller area network,CAN)总线传输、蓝牙传输、WebSocket协议、HTTP协议,实现对CAN数据的解析、显示、转发。监控系统使用Spring Boot框架开发,实现对无人方程式赛车的远程监控。云数据库使用MySQL数据库开发,实现无人方程式赛车数据的快速存储。测试结果表明,该套系统可以实现对无人方程式赛车的远程监控,实现十万级以上数据量低延迟储存,数据丢失率平均为0.0424%。目前,该套系统已经应用到无人方程式赛车的调试中。展开更多
文摘目的通过Meta分析确定中国老年慢性病共病的患病率和危险因素,为制定适合我国实际情况的老年人慢性病共病健康管理策略和社区干预方案提供科学依据。方法系统检索PubMed、Embase、Web of Science、Cochrane、中国期刊全文数据库(CNKI)、中国科技期刊全文数据库(VIP)、万方数据库以及中国生物医药文献数据库(CBM)等关于中国老年慢性病共病的患病率和危险因素的观察性研究。两名具有循证护理学习经验的研究者通过三轮筛选、文献评价、数据提取,采用Stata20.0软件对中国老年慢性病共病的患病率和危险因素依次进行Meta合并、敏感性分析和发表偏倚分析。结果中英文数据初检出相关文献2727篇,最终纳入14篇文献,总样本量54982例,提取影响因素14个。Meta分析结果显示,中国老年人慢性病共病患病率为44.9%,95%CI:34.1%~55.7%。中国老年人慢性病共病危险因素包括:年龄(≥70岁)、性别(女)、慢性病家族史、婚姻状况(单身、丧偶、离异)、BMI(≥24 kg/m^(2))、吸烟、饮酒,OR值和95%CI分别是1.40(1.28~1.53)、1.22(1.10~1.34)、2.15(1.87~2.46)、1.40(1.17~1.68)、1.59(1.03~2.43)、1.18(1.08~1.30)、1.20(1.02~1.42)。结论中国老年慢性病共病的患病率较高,其中年龄(≥70岁)、性别(女)、慢性病家族史、婚姻状况(单身、丧偶、离异)、BMI(≥24 kg/m^(2))、吸烟、饮酒是中国老年慢性病共病的危险因素。针对可改变的危险因素,未来应积极改善老年人不健康的生活方式,开展综合性的干预措施。
文摘针对传统高斯正态似然函数(Gaussian likelihood function,GLF)在观测数据存在测量误差和模型算法结构复杂时无法描述模型残差异方差特点,造成马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法进行模型参数校正时结果存在偏差的问题,通过引入变异系数(coefficient of variation,CV)变换的高斯似然函数(GLF with CV transformation,GLF-CV)和BC(Box-Cox)变换的高斯似然函数(GLF with BC transformation,GLF-BC)对观测数据和模型结构造成的异方差进行特征描述,并比较了参数校正效果及模型不确定度(uncertainty ratio,UR)。以2004—2009年高要雪花粘(早熟)、2001—2004年兴化武育粳3号(中熟)、1991—2004年六安汕优63号(晚熟)3个生态点的田间栽培试验数据为基础,RiceGrow和Oryza2000物候期模型为对象,利用仿射不变马尔科夫链蒙特卡洛集成采样(ensemble sampling for affine-invariant MCMC,EMCEE)算法实现模型参数校正,并比较了GLF-CV、GLF-BC、GLF对校正结果的影响。研究表明:1)3种似然函数下,RiceGrow和Oryza2000物候期模型预测均方根误差(root mean square error,RMSE)范围分别2.66~4.54d、2.30~4.41 d,表明3种似然函数用于参数校正均有效果。2)在RiceGrow物候期模型中,3个水稻品种参数相对均方根偏差(relative root mean square deviation,RRMSD)和模型预测RMSE均是GLF-BC最小,在GLF-BC下模型预测RMSE比GLF-CV小0.09、0.07、0.80 d,比GLF小1.21、0.20、0.07 d,表明GLF-BC对RiceGrow物候期模型具有良好的适应性。3)在Oryza2000物候期模型中,雪花粘、武育粳3号、汕优63号3个水稻品种的模型预测RMSE最小的是GLF、GLF-BC和GLF-CV,分别为2.30、4.17、3.50 d。可以看出LF的选择与模型残差异方差的主要来源有关,当主要来源为观测数据时,GLF-CV好于其他;当主要来源为模型结构本身时,GLF-BC好于其他;当模型残差的异方差性较小时,可使用GLF。
文摘为了提高无人方程式赛车运行的安全性,设计了一种基于鸿蒙系统的无人方程式赛车远程监控与数据管理系统。该系统主要包括数据采集软件、远程监控平台、云数据库。数据采集软件使用鸿蒙系统开发,通过使用控制器局域网(controller area network,CAN)总线传输、蓝牙传输、WebSocket协议、HTTP协议,实现对CAN数据的解析、显示、转发。监控系统使用Spring Boot框架开发,实现对无人方程式赛车的远程监控。云数据库使用MySQL数据库开发,实现无人方程式赛车数据的快速存储。测试结果表明,该套系统可以实现对无人方程式赛车的远程监控,实现十万级以上数据量低延迟储存,数据丢失率平均为0.0424%。目前,该套系统已经应用到无人方程式赛车的调试中。