目的通过Meta分析,综合分析运动后心率恢复(HRR)与心源性猝死(SCD)之间的关系。方法基于PubMed、Embase和Web of Science数据库,进行截至2024年1月2日的文献检索。队列研究关注于HRR和SCD间的风险关系,通过风险比(HR)及95%可信区间(CI)...目的通过Meta分析,综合分析运动后心率恢复(HRR)与心源性猝死(SCD)之间的关系。方法基于PubMed、Embase和Web of Science数据库,进行截至2024年1月2日的文献检索。队列研究关注于HRR和SCD间的风险关系,通过风险比(HR)及95%可信区间(CI)进行评估。统计学分析采用Stata 12.0软件。结果纳入6项研究。固定效应模型(I^(2)=41.8%,P=0.112)的汇总结果显示:与心率恢复慢相比,心率恢复快人群发生SCD风险更低(HR=0.74,95%CI:0.64~0.86,P<0.001)。大多数亚组分析中都观察到了持续结果。排除一项研究并不影响总体结果[HR(95%CI):0.66(0.55,0.79)~0.76(0.65,0.88)]。Egger检验未发现明显的发表偏倚(P=0.059)。结论心率恢复较慢会增加普通人群发生SCD的风险。因此,HRR可能是临床实践中预防SCD的一个潜在靶点。展开更多
负责任研究与创新是国际上科技发展与治理的重要理念。本文基于Web of Science核心数据集1180篇相关文献,进行文献计量和科学知识图谱分析。研究发现,美国、荷兰、英国的机构和学者在该领域居引领地位,中国、印度、巴西等新兴国家也在...负责任研究与创新是国际上科技发展与治理的重要理念。本文基于Web of Science核心数据集1180篇相关文献,进行文献计量和科学知识图谱分析。研究发现,美国、荷兰、英国的机构和学者在该领域居引领地位,中国、印度、巴西等新兴国家也在积极投身该领域研究;国外学者的核心研究主题是数字农业和生态环境、企业、生物医学、科研伦理等领域,以及对负责任研究与创新的理论探索;中国学者在该领域的研究起步较晚,但在前沿科技领域和经济社会领域的实践,以及相关知识在地化和再创新等议题中取得积极进展。建议国内学者重视将负责任研究与创新同基础研究和新兴技术研究相结合,提升我国在该领域的国际学术影响力。展开更多
人工智能驱动的科学研究(AI for Science)被视为科学发现的第五范式的曙光。依循演绎主义的科学研究逻辑,梳理了人工智能在科学假设生成、数据收集以及分析挖掘中的应用。人工智能“数据算法算力”三原则,对科学数据的质量、算法的复杂...人工智能驱动的科学研究(AI for Science)被视为科学发现的第五范式的曙光。依循演绎主义的科学研究逻辑,梳理了人工智能在科学假设生成、数据收集以及分析挖掘中的应用。人工智能“数据算法算力”三原则,对科学数据的质量、算法的复杂性以及计算能力提出了更高的要求。AI for Science时代预计会出现科技巨头、AI专家、软硬件工程师、政府以及教育机构等紧密协同的新型科研模式。然而,AI算法的黑箱特性对科学研究的可解释性和可重复性构成潜在威胁。因此,在推进人工智能驱动的科学研究的发展过程中,必须坚持伦理优先的原则,注重科学数据的安全性管理,防范化解大模型分布外泛化带来的解释性弱等问题。展开更多
文摘目的通过Meta分析,综合分析运动后心率恢复(HRR)与心源性猝死(SCD)之间的关系。方法基于PubMed、Embase和Web of Science数据库,进行截至2024年1月2日的文献检索。队列研究关注于HRR和SCD间的风险关系,通过风险比(HR)及95%可信区间(CI)进行评估。统计学分析采用Stata 12.0软件。结果纳入6项研究。固定效应模型(I^(2)=41.8%,P=0.112)的汇总结果显示:与心率恢复慢相比,心率恢复快人群发生SCD风险更低(HR=0.74,95%CI:0.64~0.86,P<0.001)。大多数亚组分析中都观察到了持续结果。排除一项研究并不影响总体结果[HR(95%CI):0.66(0.55,0.79)~0.76(0.65,0.88)]。Egger检验未发现明显的发表偏倚(P=0.059)。结论心率恢复较慢会增加普通人群发生SCD的风险。因此,HRR可能是临床实践中预防SCD的一个潜在靶点。
文摘负责任研究与创新是国际上科技发展与治理的重要理念。本文基于Web of Science核心数据集1180篇相关文献,进行文献计量和科学知识图谱分析。研究发现,美国、荷兰、英国的机构和学者在该领域居引领地位,中国、印度、巴西等新兴国家也在积极投身该领域研究;国外学者的核心研究主题是数字农业和生态环境、企业、生物医学、科研伦理等领域,以及对负责任研究与创新的理论探索;中国学者在该领域的研究起步较晚,但在前沿科技领域和经济社会领域的实践,以及相关知识在地化和再创新等议题中取得积极进展。建议国内学者重视将负责任研究与创新同基础研究和新兴技术研究相结合,提升我国在该领域的国际学术影响力。
文摘人工智能驱动的科学研究(AI for Science)被视为科学发现的第五范式的曙光。依循演绎主义的科学研究逻辑,梳理了人工智能在科学假设生成、数据收集以及分析挖掘中的应用。人工智能“数据算法算力”三原则,对科学数据的质量、算法的复杂性以及计算能力提出了更高的要求。AI for Science时代预计会出现科技巨头、AI专家、软硬件工程师、政府以及教育机构等紧密协同的新型科研模式。然而,AI算法的黑箱特性对科学研究的可解释性和可重复性构成潜在威胁。因此,在推进人工智能驱动的科学研究的发展过程中,必须坚持伦理优先的原则,注重科学数据的安全性管理,防范化解大模型分布外泛化带来的解释性弱等问题。