Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Xing, Zhifeng" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
A spatial study on Keshan disease prevalence and selenoprotein P in the Heilongjiang Province, China
Autorzy:
Wang, Yanan
Zhang, Xiao
Wang, Tong
Hou, Jie
Guo, Zhongying
Han, Xiaomin
Zhou, Huihui
Liang, Hong
Xing, Zhifeng
Powiązania:
https://bibliotekanauki.pl/articles/2095499.pdf
Data publikacji:
2021-09-03
Wydawca:
Instytut Medycyny Pracy im. prof. dra Jerzego Nofera w Łodzi
Tematy:
prevalence
biomarker
prevention and control
endemic cardiomyopathy
selenoprotein P
spatial regression analysis
Opis:
ObjectivesFew spatial studies on Keshan disease (KD) prevalence and serum selenoprotein P (SELENOP) levels have been reported in the Heilongjiang Province, China. This study aimed to investigate the spatial relationships between KD prevalence, SELENOP levels, and the socio-economic status for the precise prevention and control of KD.Material and MethodsThe study was carried out in all the 66 KD endemic counties in the Heilongjiang Province using a non-probability sampling method of a key village survey based on county-wide case-searching. The participants completed a questionnaire and had their serum SELENOP levels measured using enzyme-linked immunosorbent assay. Thematic maps were created, and spatial regression analysis was performed by ordinary least squares using ArcGIS 9.0.ResultsOverall, 53 676 residents were surveyed based on case-searching, and blood samples were collected from 409 residents. In total, 50 chronic KD cases were identified with a total prevalence of 9.3/10 000 population. The prevalence in the Tangyuan County was the highest (250/10 000 population). The mean serum SELENOP level was 13.96 mg/l. The spatial regression analysis showed that KD prevalence positively correlated with SELENOP levels and negatively with per capita disposable income among rural residents.ConclusionsThe Tangyuan County should be considered for the precise prevention and control of KD. Further research is necessary to verify the reliability of SELENOP for estimating body selenium levels, and to better understand the relationship between selenium intake and KD in the investigated area.
Źródło:
International Journal of Occupational Medicine and Environmental Health; 2021, 34, 5; 659-666
1232-1087
1896-494X
Pojawia się w:
International Journal of Occupational Medicine and Environmental Health
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A novel reliability estimation method of multi-state system based on structure learning algorithm
Nowatorska metoda oceny niezawodności systemów wielostanowych w oparciu o algorytm uczenia struktury
Autorzy:
Li, Zhifeng
Wang, Zili
Ren, Yi
Yang, Dezhen
Lv, Xing
Powiązania:
https://bibliotekanauki.pl/articles/301718.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
reliability analysis
Bayesian network
structure learning
multi-state system (MSS)
dependent failure
analiza niezawodności
sieć bayesowska
uczenie struktury
system wielostanowy
uszkodzenie zależne
Opis:
Traditional reliability models, such as fault tree analysis (FTA) and reliability block diagram (RBD), are typically constructed with reference to the function principle graph that is produced by system engineers, which requires substantial time and effort. In addition, the quality and correctness of the models depend on the ability and experience of the engineers and the models are difficult to verify. With the development of data acquisition, data mining and system modeling techniques, the operational data of a complex system considering multi-state, dependent behavior can be obtained and analyzed automatically. In this paper, we present a method that is based on the K2 algorithm for establishing a Bayesian network (BN) for estimating the reliability of a multi-state system with dependent behavior. Facilitated by BN tools, the reliability modeling and the reliability estimation can be conducted automatically. An illustrative example is used to demonstrate the performance of the method.
Tradycyjne modele niezawodności, takie jak analiza drzewa błędów (FTA) czy schemat blokowy niezawodności (RBD), buduje się zazwyczaj w oparciu o tworzone przez inżynierów systemowych schematy zasad działania systemu, których przygotowanie wymaga dużych nakładów czasu i pracy. Jakość i poprawność tych modeli zależy od umiejętności i doświadczenia inżynierów, a same modele są trudne do zweryfikowania. Dzięki rozwojowi technik akwizycji i eksploracji danych oraz modelowania systemów, dane operacyjne złożonego systemu uwzględniające jego zależne, wielostanowe zachowania mogą być pozyskiwane i analizowane automatycznie. W artykule przedstawiono metodę konstrukcji sieci bayesowskiej (BN) opartą na algorytmie K2, która pozwala na ocenę niezawodności systemu wielostanowego o zachowaniach zależnych. Dzięki narzędziom BN, modelowanie i szacowanie niezawodności może odbywać się automatycznie. Działanie omawianej metody zilustrowano na podstawie przykładu.
Źródło:
Eksploatacja i Niezawodność; 2020, 22, 1; 170-178
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies