目的:评价穴位埋线治疗单纯性肥胖症的有效性。方法:计算机检索2013年1月至2019年9月发表在中国知网(CNKI)、万方数据库、维普(VIP)、中国生物医学文献数据库(CBM)、PubMed、Cochrane Library、Embase、Web of Science中有关穴位埋线治...目的:评价穴位埋线治疗单纯性肥胖症的有效性。方法:计算机检索2013年1月至2019年9月发表在中国知网(CNKI)、万方数据库、维普(VIP)、中国生物医学文献数据库(CBM)、PubMed、Cochrane Library、Embase、Web of Science中有关穴位埋线治疗单纯性肥胖症的临床随机对照研究,对符合纳入标准的文献进行资料提取和质量评价,应用RevMan5.3软件和STATA15.0软件对纳入的文献数据进行Meta分析。结果:共纳入31篇中文文献,合计2806例单纯性肥胖症患者。观察组采用单纯穴位埋线或联合其他疗法与对照组比较,有效率差异具有统计学意义[合并效应量RR=1.19,95%CI(1.14,1.23),总体效应检验Z=9.06,P<0.000]。在改善体质量指数方面,两组比较差异有统计学意义[WMD=-0.89,95%CI(-1.26,-0.52),P<0.05]。穴位埋线疗法对比电针疗法,效应量为-1.09,差异有统计学意义(Z=5.57,P<0.000);穴位埋线疗法对比针刺疗法,效应量为-0.23,差异无统计学意义(Z=1.81,P=0.07);穴位埋线联合温针灸对比单纯温针灸疗法,效应量为-1.42,差异有统计学意义(Z=8.01,P<0.000);穴位埋线联合推拿对比单纯采用推拿疗法,效应量为-2.03,差异有统计学意义(Z=41.82,P<0.000)。结论:穴位埋线及联合其他疗法治疗单纯性肥胖症可明显提高有效率,改善患者体质量指数。展开更多
推荐系统的准确度经常受到各类偏差的影响,流行度偏差是影响推荐准确度的重要因素之一。传统的纠偏方法主要基于项目属性,通过引入惩罚因子来抑制热门项目的推荐,未考虑用户兴趣和时间的影响。针对此问题,提出了基于项目流行度和用户动...推荐系统的准确度经常受到各类偏差的影响,流行度偏差是影响推荐准确度的重要因素之一。传统的纠偏方法主要基于项目属性,通过引入惩罚因子来抑制热门项目的推荐,未考虑用户兴趣和时间的影响。针对此问题,提出了基于项目流行度和用户动态兴趣的自适应纠偏方法(Adaptive Popularity and Dynamic Interest,APDI)。结合因果图从项目流行度和用户个性化两个方面综合分析影响流行度偏差的主要因素,根据项目质量、从众效应、用户兴趣对时间的敏感度不同,计算相应时间间隔内项目流行度与用户动态兴趣的综合评分,更加有效地降低流行度偏差;通过指数加权移动平均的方法,根据时间衰减程度对用户当前兴趣的影响来计算用户兴趣评分,以捕捉用户的短期兴趣偏好。在3个真实数据集上验证了所提方法的有效性,实验结果表明,APDI有效提高了推荐的准确度、召回率和归一化折损累计增益。展开更多
文摘目的:评价穴位埋线治疗单纯性肥胖症的有效性。方法:计算机检索2013年1月至2019年9月发表在中国知网(CNKI)、万方数据库、维普(VIP)、中国生物医学文献数据库(CBM)、PubMed、Cochrane Library、Embase、Web of Science中有关穴位埋线治疗单纯性肥胖症的临床随机对照研究,对符合纳入标准的文献进行资料提取和质量评价,应用RevMan5.3软件和STATA15.0软件对纳入的文献数据进行Meta分析。结果:共纳入31篇中文文献,合计2806例单纯性肥胖症患者。观察组采用单纯穴位埋线或联合其他疗法与对照组比较,有效率差异具有统计学意义[合并效应量RR=1.19,95%CI(1.14,1.23),总体效应检验Z=9.06,P<0.000]。在改善体质量指数方面,两组比较差异有统计学意义[WMD=-0.89,95%CI(-1.26,-0.52),P<0.05]。穴位埋线疗法对比电针疗法,效应量为-1.09,差异有统计学意义(Z=5.57,P<0.000);穴位埋线疗法对比针刺疗法,效应量为-0.23,差异无统计学意义(Z=1.81,P=0.07);穴位埋线联合温针灸对比单纯温针灸疗法,效应量为-1.42,差异有统计学意义(Z=8.01,P<0.000);穴位埋线联合推拿对比单纯采用推拿疗法,效应量为-2.03,差异有统计学意义(Z=41.82,P<0.000)。结论:穴位埋线及联合其他疗法治疗单纯性肥胖症可明显提高有效率,改善患者体质量指数。
文摘推荐系统的准确度经常受到各类偏差的影响,流行度偏差是影响推荐准确度的重要因素之一。传统的纠偏方法主要基于项目属性,通过引入惩罚因子来抑制热门项目的推荐,未考虑用户兴趣和时间的影响。针对此问题,提出了基于项目流行度和用户动态兴趣的自适应纠偏方法(Adaptive Popularity and Dynamic Interest,APDI)。结合因果图从项目流行度和用户个性化两个方面综合分析影响流行度偏差的主要因素,根据项目质量、从众效应、用户兴趣对时间的敏感度不同,计算相应时间间隔内项目流行度与用户动态兴趣的综合评分,更加有效地降低流行度偏差;通过指数加权移动平均的方法,根据时间衰减程度对用户当前兴趣的影响来计算用户兴趣评分,以捕捉用户的短期兴趣偏好。在3个真实数据集上验证了所提方法的有效性,实验结果表明,APDI有效提高了推荐的准确度、召回率和归一化折损累计增益。
