背景中药和针刺等中医药疗法在重症肌无力(MG)的治疗中广泛应用,但缺乏高质量的循证医学证据验证其有效性和安全性,原因之一是随机对照试验(RCT)设计中缺乏公认、统一的结局指标,进而导致在开展Meta分析等二次研究时由于指标不同而无法...背景中药和针刺等中医药疗法在重症肌无力(MG)的治疗中广泛应用,但缺乏高质量的循证医学证据验证其有效性和安全性,原因之一是随机对照试验(RCT)设计中缺乏公认、统一的结局指标,进而导致在开展Meta分析等二次研究时由于指标不同而无法合并数据。构建中医药治疗MG的核心结局指标集有助于临床研究设计与高质量循证证据积累。目的描述中医药治疗MG的RCT中结局指标的选用现状,分析存在的问题并提出建议,推动构建中医药核心结局指标集。方法系统检索中国知网(CNKI)、万方数据知识服务平台(Wanfang Data)、维普网(VIP)、中国生物医学文献服务系统(SinoMed)、Medline、PubMed、Cochrane Library与Web of Science数据库,检索时限从各数据库建库至2022-04-01,检索中医药治疗MG的所有RCT,由2位研究者独立筛选文献、提取信息,对结局指标进行分类并统计使用频次,根据结局指标功能属性划分指标域,分析结局指标选用现状与存在的问题,并提出相应建议。结果共纳入186篇文献,涉及71个结局指标,各指标共计选用724次,全部结局指标大致可分为7个大类:重症肌无力严重程度量表(133次)、重症肌无力生活质量量表(20次)、中医证候积分(70次)、安全性指标(66次)、血生化指标(224次)、肌力变化(3次)与其他(208次)。根据结局指标的功能属性可归纳为7个指标域。单篇文献最少选用1项、最多选用12项结局指标,高频使用的指标包括有效率、重症肌无力绝对和相对评分法、中医证候积分等。纳入文献中仅2篇明确报告了主要结局指标与次要结局指标。单篇文献随访次数为2~7次,多数研究(83.33%,155次)选择随访3次,大部分研究(93.55%,174次)未报告是否在结局指标评价时使用盲法。结论目前中医药治疗MG的RCT中结局指标选用存在较多问题,包括主次结局指标区分不明确、缺少国际公认指标、对安全性不够重视、结局指标数量与评价时间点差异大、评价存在偏倚、未纳入卫生经济学评价、中医疗效评价标准不规范等。根据存在的问题提出推动构建中医药治疗MG的临床研究核心结局指标集、选择国际公认的结局指标与安全性指标并明确主次、选择合适的治疗周期与评价时间点、临床研究注册、实施盲法、规范报告等具体建议。展开更多
将智能优化算法与数值迭代方法有机组合,构造一种并联机构位置正解求解的通用算法——混合人工蜂群和Newton迭代(Hybrid artificial bee colony and Newton iteration,HABC-Newton)算法。将差分进化(Differential evolution,DE)算法融...将智能优化算法与数值迭代方法有机组合,构造一种并联机构位置正解求解的通用算法——混合人工蜂群和Newton迭代(Hybrid artificial bee colony and Newton iteration,HABC-Newton)算法。将差分进化(Differential evolution,DE)算法融入人工蜂群(Artificial bee colony,ABC)算法,形成一种能快速收敛到问题近优解的混合人工蜂群(Hybrid ABC,HABC)算法,再以该近优解为初值,应用Newton-Шамарский迭代法求出高精度位置正解。以4自由度4-SPS-CU并联机构正运动学分析为例,阐述基于HABC-Newton算法的并联机构正运动学分析方法。为了验证算法的有效性和普适性,给出4-SPS-CU、3-RRR两种耦合并联机构位置正解的数值算例。结果表明,HABC-Newton算法能以较少计算开销求得并联机构的全部高精度位置正解。还比较了HABC-Newton、ABC、DE和粒子群算法求并联机构位置正解的性能,数值实验显示,HABC-Newton算法的精度、稳健性和计算效率高于对比算法。展开更多
The estimation of high dimensional covariance matrices is an interesting and important research topic for many empirical time series problems such as asset allocation. To solve this dimension dilemma, a factor structu...The estimation of high dimensional covariance matrices is an interesting and important research topic for many empirical time series problems such as asset allocation. To solve this dimension dilemma, a factor structure has often been taken into account. This paper proposes a dynamic factor structure whose factor loadings are generated in reproducing kernel Hilbert space(RKHS), to capture the dynamic feature of the covariance matrix. A simulation study is carried out to demonstrate its performance. Four different conditional variance models are considered for checking the robustness of our method and solving the conditional heteroscedasticity in the empirical study. By exploring the performance among eight introduced model candidates and the market baseline, the empirical study from 2001 to 2017 shows that portfolio allocation based on this dynamic factor structure can significantly reduce the variance, i.e., the risk, of portfolio and thus outperform the market baseline and the ones based on the traditional factor model.展开更多
文摘背景中药和针刺等中医药疗法在重症肌无力(MG)的治疗中广泛应用,但缺乏高质量的循证医学证据验证其有效性和安全性,原因之一是随机对照试验(RCT)设计中缺乏公认、统一的结局指标,进而导致在开展Meta分析等二次研究时由于指标不同而无法合并数据。构建中医药治疗MG的核心结局指标集有助于临床研究设计与高质量循证证据积累。目的描述中医药治疗MG的RCT中结局指标的选用现状,分析存在的问题并提出建议,推动构建中医药核心结局指标集。方法系统检索中国知网(CNKI)、万方数据知识服务平台(Wanfang Data)、维普网(VIP)、中国生物医学文献服务系统(SinoMed)、Medline、PubMed、Cochrane Library与Web of Science数据库,检索时限从各数据库建库至2022-04-01,检索中医药治疗MG的所有RCT,由2位研究者独立筛选文献、提取信息,对结局指标进行分类并统计使用频次,根据结局指标功能属性划分指标域,分析结局指标选用现状与存在的问题,并提出相应建议。结果共纳入186篇文献,涉及71个结局指标,各指标共计选用724次,全部结局指标大致可分为7个大类:重症肌无力严重程度量表(133次)、重症肌无力生活质量量表(20次)、中医证候积分(70次)、安全性指标(66次)、血生化指标(224次)、肌力变化(3次)与其他(208次)。根据结局指标的功能属性可归纳为7个指标域。单篇文献最少选用1项、最多选用12项结局指标,高频使用的指标包括有效率、重症肌无力绝对和相对评分法、中医证候积分等。纳入文献中仅2篇明确报告了主要结局指标与次要结局指标。单篇文献随访次数为2~7次,多数研究(83.33%,155次)选择随访3次,大部分研究(93.55%,174次)未报告是否在结局指标评价时使用盲法。结论目前中医药治疗MG的RCT中结局指标选用存在较多问题,包括主次结局指标区分不明确、缺少国际公认指标、对安全性不够重视、结局指标数量与评价时间点差异大、评价存在偏倚、未纳入卫生经济学评价、中医疗效评价标准不规范等。根据存在的问题提出推动构建中医药治疗MG的临床研究核心结局指标集、选择国际公认的结局指标与安全性指标并明确主次、选择合适的治疗周期与评价时间点、临床研究注册、实施盲法、规范报告等具体建议。
基金supported by National Natural Science Foundation of China under Grant No.11771447。
文摘The estimation of high dimensional covariance matrices is an interesting and important research topic for many empirical time series problems such as asset allocation. To solve this dimension dilemma, a factor structure has often been taken into account. This paper proposes a dynamic factor structure whose factor loadings are generated in reproducing kernel Hilbert space(RKHS), to capture the dynamic feature of the covariance matrix. A simulation study is carried out to demonstrate its performance. Four different conditional variance models are considered for checking the robustness of our method and solving the conditional heteroscedasticity in the empirical study. By exploring the performance among eight introduced model candidates and the market baseline, the empirical study from 2001 to 2017 shows that portfolio allocation based on this dynamic factor structure can significantly reduce the variance, i.e., the risk, of portfolio and thus outperform the market baseline and the ones based on the traditional factor model.
