目的评估宫腔灌注富血小板血浆(PRP)对反复种植失败(RIF)妇女妊娠结局的影响。方法使用PubMed、Embase、Scopus、Web of Science、CochraneLibrary、中国知识基础设施工程、维普数据库、万方数据库,检索PRP宫腔灌注治疗RIF患者的临床研...目的评估宫腔灌注富血小板血浆(PRP)对反复种植失败(RIF)妇女妊娠结局的影响。方法使用PubMed、Embase、Scopus、Web of Science、CochraneLibrary、中国知识基础设施工程、维普数据库、万方数据库,检索PRP宫腔灌注治疗RIF患者的临床研究。提取数据后使用固定效应模型或随机效应模型进行Meta分析。结果共纳入7项研究。接受PRP宫腔灌注女性的生化妊娠率[OR=2.18,95%CI:[1.34,3.52],P<0.05]、临床妊娠率(OR=2.47,95%CI:[1.66,3.68],P<0.05)、活产率(OR=5.00,95%CI:[1.09,22.99],P<0.05)和胚胎种植率(OR=1.99,95%CI:[1.36,2.93],P<0.05)高于对照组,流产率低于对照组(OR=0.28,95%CI:[0.10,0.77],P<0.05)。亚组分析显示宫腔灌注0.5 mL PRP组的临床妊娠率高于宫腔灌注1.0 mL PRP组(P<0.05),流产率低于宫腔灌注1.0 mL PRP组(P<0.05)。结论宫腔灌注PRP可提高RIF患者的胚胎种植率、活产率、生化妊娠率和临床妊娠率,且显著降低流产的风险,宫腔灌注0.5 mL PRP具有更好的临床效果。展开更多
为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S...为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。展开更多
文摘目的评估宫腔灌注富血小板血浆(PRP)对反复种植失败(RIF)妇女妊娠结局的影响。方法使用PubMed、Embase、Scopus、Web of Science、CochraneLibrary、中国知识基础设施工程、维普数据库、万方数据库,检索PRP宫腔灌注治疗RIF患者的临床研究。提取数据后使用固定效应模型或随机效应模型进行Meta分析。结果共纳入7项研究。接受PRP宫腔灌注女性的生化妊娠率[OR=2.18,95%CI:[1.34,3.52],P<0.05]、临床妊娠率(OR=2.47,95%CI:[1.66,3.68],P<0.05)、活产率(OR=5.00,95%CI:[1.09,22.99],P<0.05)和胚胎种植率(OR=1.99,95%CI:[1.36,2.93],P<0.05)高于对照组,流产率低于对照组(OR=0.28,95%CI:[0.10,0.77],P<0.05)。亚组分析显示宫腔灌注0.5 mL PRP组的临床妊娠率高于宫腔灌注1.0 mL PRP组(P<0.05),流产率低于宫腔灌注1.0 mL PRP组(P<0.05)。结论宫腔灌注PRP可提高RIF患者的胚胎种植率、活产率、生化妊娠率和临床妊娠率,且显著降低流产的风险,宫腔灌注0.5 mL PRP具有更好的临床效果。
文摘为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。
