Kho dữ liệu là gì? Các công bố khoa học về Kho dữ liệu
Khổ dữ liệu (tiếng Anh: data size) là kích thước của dữ liệu được sử dụng hoặc lưu trữ trong một hệ thống máy tính. Nó thường được đo bằng đơn vị như byte, kilo...
Khổ dữ liệu (tiếng Anh: data size) là kích thước của dữ liệu được sử dụng hoặc lưu trữ trong một hệ thống máy tính. Nó thường được đo bằng đơn vị như byte, kilobyte (KB), megabyte (MB), gigabyte (GB), terabyte (TB) hoặc petabyte (PB). Khổ dữ liệu cũng có thể bao gồm các yếu tố khác như số lượng bản ghi, số lượng trường trong một bản ghi, độ phân giải ảnh, thời gian tín hiệu âm thanh, hoặc bất kỳ yếu tố nào khác có thể tác động đến kích thước và khả năng xử lý của dữ liệu.
Khổ dữ liệu thường đề cập đến kích thước lượng dữ liệu mà hệ thống máy tính cần xử lý hoặc lưu trữ. Đơn vị đo thường được sử dụng bao gồm:
- Byte: Đơn vị nhỏ nhất để đo kích thước dữ liệu. Mỗi byte tương đương với 8 bit.
- Kilobyte (KB): Tương đương với 1024 byte.
- Megabyte (MB): Tương đương với 1024 KB hoặc 1048576 byte.
- Gigabyte (GB): Tương đương với 1024 MB hoặc 1073741824 byte.
- Terabyte (TB): Tương đương với 1024 GB hoặc 1099511627776 byte.
- Petabyte (PB): Tương đương với 1024 TB hoặc 1125899906842624 byte.
Khổ dữ liệu có thể áp dụng cho nhiều loại dữ liệu khác nhau, bao gồm văn bản, hình ảnh, âm thanh, video, cơ sở dữ liệu, tệp tin, bộ nhớ máy tính, và nhiều yếu tố khác.
Khổ dữ liệu quan trọng trong việc xác định dung lượng lưu trữ cần thiết và phân bổ tài nguyên xử lý. Nó ảnh hưởng đến hiệu suất của hệ thống máy tính, tốc độ truyền tải dữ liệu, thời gian tác vụ, và quy mô lưu trữ.
Cụ thể hơn, khổ dữ liệu thể hiện sự lượng hóa của thông tin có thể được lưu trữ hoặc xử lý trong một hệ thống máy tính. Một số ví dụ để minh họa khái niệm khổ dữ liệu:
1. Dữ liệu văn bản: Khổ dữ liệu của văn bản đặc biệt phụ thuộc vào số lượng từ, ký tự và dấu câu có trong văn bản. Mỗi ký tự thông thường được biểu diễn bằng một byte. Tuy nhiên, lưu ý rằng các ký tự Unicode hoặc các ký tự đặc biệt có thể cần nhiều hơn một byte để biểu diễn.
2. Dữ liệu hình ảnh: Khổ dữ liệu của một hình ảnh được xác định bởi kích thước hình ảnh và độ phân giải. Với hình ảnh kỹ thuật số, thông thường được biểu diễn dưới dạng các pixel, mỗi pixel có thể được biểu diễn bằng một byte hoặc nhiều hơn tùy thuộc vào độ phân giải màu sắc.
3. Dữ liệu âm thanh: Khổ dữ liệu của âm thanh phụ thuộc vào định dạng file và thuộc tính của tín hiệu âm thanh. Với âm thanh số, khổ dữ liệu thường được tính theo tỷ lệ mã hóa Bitrate hoặc Sample rate.
4. Dữ liệu video: Đối với dữ liệu video, khổ dữ liệu phụ thuộc vào nhiều yếu tố như kích thước khung hình, tốc độ khung hình, độ phân giải, bitrate, hay định dạng video.
5. Dữ liệu cơ sở dữ liệu (Database): Khổ dữ liệu trong cơ sở dữ liệu được xác định bởi số lượng bản ghi, số lượng trường và hình thức lưu trữ (ví dụ: các dữ liệu kiểu văn bản, số nguyên, số thực,...). Nó có thể được đo bằng đơn vị byte hoặc bằng số lượng bản ghi và trường dữ liệu.
Khổ dữ liệu quan trọng để có thể dự đoán và quản lý các yêu cầu về lưu trữ, truyền tải và xử lý dữ liệu trong các hệ thống máy tính.
Danh sách công bố khoa học về chủ đề "kho dữ liệu":
Phương Trình Dạng Khép Kín Dự Báo Độ Dẫn Thủy Lực của Đất Không Bão Hòa Tóm tắt Một phương trình mới và tương đối đơn giản cho đường cong áp suất chứa nước trong đất, θ(h ), được giới thiệu trong bài báo này. Dạng cụ thể của phương trình này cho phép đưa ra các biểu thức phân tích dạng khép kín cho độ dẫn thủy lực tương đối, Kr , khi thay thế vào các mô hình độ dẫn dự đoán của N.T. Burdine hoặc Y. Mualem. Các biểu thức thu được cho Kr (h ) chứa ba tham số độc lập có thể được xác định bằng cách điều chỉnh mô hình giữ nước trong đất đã đề xuất với dữ liệu thực nghiệm. Kết quả thu được từ các biểu thức khép kín dựa trên lý thuyết Mualem được so sánh với dữ liệu độ dẫn thủy lực quan sát cho năm loại đất có đặc tính thủy lực khác nhau. Độ dẫn thủy lực không bão hòa được dự đoán tốt trong bốn trên năm trường hợp. Kết quả cho thấy rằng việc mô tả hợp lý đường cong giữ nước trong đất ở mức chứa nước thấp là quan trọng để dự đoán chính xác độ dẫn thủy lực không bão hòa.
Soil Science Society of America Journal - Tập 44 Số 5 - Trang 892-898 - 1980
#Herardic #độ dẫn thủy lực #đường cong giữ nước đất #lý thuyết Mualem #mô hình dự đoán #độ dẫn thủy lực không bão hòa #dữ liệu thực nghiệm #điều chỉnh mô hình #đặc tính thủy lực giấy phép.
Bộ công cụ phân tích bộ gen: Một khung MapReduce cho việc phân tích dữ liệu giải trình tự DNA thế hệ tiếp theo Các dự án giải trình tự DNA thế hệ tiếp theo (NGS), chẳng hạn như Dự án Bộ Gen 1000, đã và đang cách mạng hóa sự hiểu biết của chúng ta về sự biến dị di truyền giữa các cá nhân. Tuy nhiên, các tập dữ liệu khổng lồ được tạo ra bởi NGS—chỉ riêng dự án thí điểm Bộ Gen 1000 đã bao gồm gần năm terabase—làm cho việc viết các công cụ phân tích giàu tính năng, hiệu quả và đáng tin cậy trở nên khó khăn ngay cả đối với những cá nhân có kiến thức tính toán phức tạp. Thực tế, nhiều chuyên gia gặp phải giới hạn về quy mô và sự dễ dàng trong việc trả lời các câu hỏi khoa học bởi sự phức tạp trong việc truy cập và xử lý dữ liệu do những máy này tạo ra. Trong bài báo này, chúng tôi thảo luận về Bộ công cụ Phân tích Bộ Gen (GATK) của chúng tôi, một khung lập trình có cấu trúc được thiết kế để tạo điều kiện thuận lợi cho sự phát triển của các công cụ phân tích hiệu quả và đáng tin cậy dành cho các máy giải trình tự DNA thế hệ tiếp theo sử dụng triết lý lập trình hàm MapReduce. GATK cung cấp một bộ mẫu truy cập dữ liệu nhỏ nhưng phong phú, bao trùm hầu hết các nhu cầu của công cụ phân tích. Việc tách biệt các tính toán phân tích cụ thể khỏi hạ tầng quản lý dữ liệu chung cho phép chúng tôi tối ưu hóa khung GATK về độ chính xác, độ ổn định, và hiệu quả CPU và bộ nhớ, cũng như cho phép phân giải song song bộ nhớ chia sẻ và phân tán. Chúng tôi nhấn mạnh các khả năng của GATK bằng cách mô tả việc triển khai và ứng dụng các công cụ đáng tin cậy và dung nạp quy mô như máy tính phủ và gọi đa hình đơn nucleotide (SNP). Chúng tôi kết luận rằng khung lập trình GATK cho phép các nhà phát triển và nhà phân tích nhanh chóng và dễ dàng viết các công cụ NGS hiệu quả và đáng tin cậy, nhiều công cụ trong số đó đã được tích hợp vào các dự án giải trình tự quy mô lớn như Dự án Bộ Gen 1000 và Atlas Bộ Gen Ung thư.
Genome Research - Tập 20 Số 9 - Trang 1297-1303 - 2010
#khoa học #giải trình tự DNA #Bộ Gen 1000 #GATK #MapReduce #phân tích bộ gen #sự biến dị di truyền #công cụ NGS #phân giải song song #SNP #Atlas Bộ Gen Ung thư
Một số mô hình ước tính sự không hiệu quả về kỹ thuật và quy mô trong phân tích bao hàm dữ liệu Trong bối cảnh quản lý, lập trình toán học thường được sử dụng để đánh giá một tập hợp các phương án hành động thay thế có thể, nhằm lựa chọn một phương án tốt nhất. Trong khả năng này, lập trình toán học phục vụ như một công cụ hỗ trợ lập kế hoạch quản lý. Phân tích Bao hàm Dữ liệu (DEA) đảo ngược vai trò này và sử dụng lập trình toán học để đánh giá ex post facto hiệu quả tương đối của các thành tựu quản lý, dù chúng được lập kế hoạch hoặc thực hiện như thế nào. Lập trình toán học do đó được mở rộng để sử dụng như một công cụ kiểm soát và đánh giá các thành tựu quá khứ cũng như công cụ hỗ trợ lập kế hoạch cho hoạt động tương lai. Hình thức tỷ lệ CCR được giới thiệu bởi Charnes, Cooper và Rhodes, như một phần của cách tiếp cận Phân tích Bao hàm Dữ liệu, bao hàm cả sự không hiệu quả về kỹ thuật và quy mô thông qua giá trị tối ưu của hình thức tỷ lệ, được thu được trực tiếp từ dữ liệu mà không cần yêu cầu định trước các trọng số và/hoặc phân định rõ ràng các dạng chức năng giả định của mối quan hệ giữa đầu vào và đầu ra. Một sự tách biệt giữa hiệu quả kỹ thuật và hiệu quả quy mô được thực hiện bởi các phương pháp phát triển trong bài báo này mà không làm thay đổi các điều kiện sử dụng DEA trực tiếp trên dữ liệu quan sát. Sự không hiệu quả về kỹ thuật được xác định bởi sự thất bại trong việc đạt được các mức đầu ra tốt nhất có thể và/hoặc việc sử dụng quá nhiều lượng đầu vào. Các phương pháp để xác định và điều chỉnh phạm vi của những sự không hiệu quả này, được cung cấp trong các công trình trước, được minh họa. Trong bài báo hiện tại, một biến mới được giới thiệu, cho phép xác định liệu các hoạt động được thực hiện trong các vùng có lợi suất tăng, không đổi hay giảm (trong các tình huống đa đầu vào và đa đầu ra). Các kết quả được thảo luận và liên hệ không chỉ với kinh tế học cổ điển (đầu ra đơn) mà còn với các phiên bản kinh tế học hiện đại hơn được xác định với “lý thuyết thị trường có thể tranh đấu.”
Management Science - Tập 30 Số 9 - Trang 1078-1092 - 1984
#Phân tích bao hàm dữ liệu #không hiệu quả kỹ thuật #không hiệu quả quy mô #lập trình toán học #lý thuyết thị trường có thể tranh đấu
Phân tích phương sai phân tử suy ra từ khoảng cách giữa các haplotype DNA: ứng dụng dữ liệu hạn chế của DNA ty thể người. Toát yếu
Chúng tôi trình bày một khung nghiên cứu về sự biến đổi phân tử trong một loài. Dữ liệu về sự khác biệt giữa các haplotype DNA đã được tích hợp vào một định dạng phân tích phương sai, xuất phát từ ma trận khoảng cách bình phương giữa tất cả các cặp haplotype. Phân tích phương sai phân tử (AMOVA) này cung cấp các ước tính về thành phần phương sai và các đồng vị thống kê F, được gọi là phi-statistics, phản ánh sự tương quan của độ đa dạng haplotype ở các cấp độ phân chia thứ bậc khác nhau. Phương pháp này khá linh hoạt để thích ứng với các ma trận đầu vào thay thế, tương ứng với các loại dữ liệu phân tử khác nhau, cũng như các giả định tiến hóa khác nhau, mà không làm thay đổi cấu trúc cơ bản của phân tích. Ý nghĩa của các thành phần phương sai và phi-statistics được kiểm định bằng cách tiếp cận hoán vị, loại bỏ giả định về chuẩn tính thông thường trong phân tích phương sai nhưng không phù hợp cho dữ liệu phân tử. Áp dụng AMOVA cho dữ liệu haplotype DNA ty thể của con người cho thấy, sự phân chia dân số được giải quyết tốt hơn khi một số biện pháp khác biệt phân tử giữa các haplotype được đưa vào phân tích. Tuy nhiên, ở cấp độ nội bộ loài, thông tin bổ sung từ việc biết quan hệ phân loại chính xác giữa các haplotype hoặc thông qua việc dịch phi tuyến thay đổi vị trí hạn chế thành độ đa dạng nucleotide không làm thay đổi đáng kể cấu trúc di truyền dân số suy luận. Các nghiên cứu Monte Carlo cho thấy việc lấy mẫu vị trí không ảnh hưởng căn bản tới ý nghĩa của các thành phần phương sai phân tử. Việc xử lý AMOVA dễ dàng mở rộng theo nhiều hướng khác nhau và cấu thành một khung hợp lý và linh hoạt cho việc phân tích thống kê dữ liệu phân tử.
Genetics - Tập 131 Số 2 - Trang 479-491 - 1992
#phân tích phương sai phân tử #haplotype DNA #phi-statistics #phương pháp hoán vị #dữ liệu ty thể người #chia nhỏ dân số #cấu trúc di truyền #giả định tiến hóa #đa dạng phân tử #mẫu vị trí
Nhiều lần ước lượng dữ liệu khuyết với phương trình xích: Các vấn đề và hướng dẫn thực hành Tóm tắt Nhiều lần ước lượng dữ liệu khuyết bằng phương trình xích là một cách tiếp cận linh hoạt và thiết thực để xử lý dữ liệu bị mất. Chúng tôi mô tả các nguyên tắc của phương pháp này và trình bày cách ước lượng dữ liệu cho các biến số phân loại và định lượng, bao gồm cả các biến số phân phối lệch. Chúng tôi đưa ra hướng dẫn về cách chỉ định mô hình ước lượng và số lần ước lượng cần thiết. Chúng tôi mô tả việc phân tích thực tế các dữ liệu đã được ước lượng nhiều lần, bao gồm cả quá trình xây dựng mô hình và kiểm tra mô hình. Chúng tôi nhấn mạnh những hạn chế của phương pháp và thảo luận các khả năng gặp phải sai lầm. Chúng tôi minh họa các ý tưởng bằng một bộ dữ liệu trong lĩnh vực sức khỏe tâm thần, kèm theo các đoạn mã Stata. Bản quyền © 2010 John Wiley & Sons, Ltd.
Statistics in Medicine - Tập 30 Số 4 - Trang 377-399 - 2011
#ước lượng dữ liệu khuyết #phương trình xích #mô hình ước lượng #phân tích dữ liệu #sức khỏe tâm thần
Học máy: Xu hướng, góc nhìn, và triển vọng Học máy (Machine learning) nghiên cứu vấn đề làm thế nào để xây dựng các hệ thống máy tính tự động cải thiện qua kinh nghiệm. Đây là một trong những lĩnh vực kỹ thuật phát triển nhanh chóng hiện nay, nằm tại giao điểm của khoa học máy tính và thống kê, và là cốt lõi của trí tuệ nhân tạo và khoa học dữ liệu. Tiến bộ gần đây trong học máy được thúc đẩy bởi sự phát triển của các thuật toán và lý thuyết học mới cùng với sự bùng nổ liên tục trong việc sẵn có dữ liệu trực tuyến và khả năng tính toán chi phí thấp. Việc áp dụng các phương pháp học máy dựa trên dữ liệu đã xuất hiện trong khoa học, công nghệ và thương mại, dẫn đến việc ra quyết định dựa trên bằng chứng trong nhiều lĩnh vực cuộc sống, bao gồm chăm sóc sức khỏe, sản xuất, giáo dục, mô hình tài chính, cảnh sát và tiếp thị.
American Association for the Advancement of Science (AAAS) - Tập 349 Số 6245 - Trang 255-260 - 2015
#Học máy #trí tuệ nhân tạo #khoa học dữ liệu #thuật toán #dữ liệu trực tuyến #tính toán chi phí thấp #ra quyết định dựa trên bằng chứng #chăm sóc sức khỏe #sản xuất #giáo dục #mô hình tài chính #cảnh sát #tiếp thị.
Phân Tích Yếu Tố Ma Trận Dương: Mô hình yếu tố không âm với tối ưu hóa sử dụng ước lượng lỗi của giá trị dữ liệu Tóm tắt Một biến thể mới tên là ‘PMF’ trong phân tích yếu tố được mô tả. Giả định rằng X là một ma trận của dữ liệu quan sát và σ là ma trận đã biết của độ lệch chuẩn của các phần tử trong X . Cả X và σ có kích thước n × m . Phương pháp giải quyết vấn đề ma trận song tuyến tính X = GF + E ở đây G là ma trận yếu tố bên trái chưa biết (điểm số) có kích thước n × p , F là ma trận yếu tố bên phải chưa biết (tải trọng) có kích thước p × m , và E là ma trận dư. Vấn đề được giải bằng phương pháp bình phương tối thiểu có trọng số: G và F được xác định sao cho chuẩn Frobenius của E chia từng phần tử theo σ được tối thiểu hóa. Hơn nữa, giải pháp được ràng buộc để tất cả các phần tử của G và F phải không âm. Kết quả cho thấy rằng các giải pháp qua PMF thường khác biệt với các giải pháp từ phân tích yếu tố thông thường (FA, tức là phân tích thành phần chính (PCA) tiếp theo là xoay vòng). Thông thường PMF cung cấp sự phù hợp tốt hơn đối với dữ liệu hơn FA. Ngoài ra, kết quả của PF được đảm bảo không âm, trong khi kết quả của FA thường không thể xoay vòng để loại bỏ mọi phần tử âm. Các ứng dụng tiềm năng khác nhau của phương pháp mới này được thảo luận ngắn gọn. Trong dữ liệu môi trường, các ước lượng lỗi của dữ liệu có thể thay đổi lớn và tính không âm thường là một tính năng cần thiết của các mô hình cơ bản. Do đó, kết luận rằng PMF phù hợp hơn FA hoặc PCA trong nhiều ứng dụng môi trường. Các ví dụ về ứng dụng thành công của PMF được trình bày trong các bài báo đồng hành.
Environmetrics - Tập 5 Số 2 - Trang 111-126 - 1994
#Phân Tích Ma Trận Dương #Ứng dụng Môi Trường #Không Âm #Ước Lượng Lỗi #Phân Tích Thành Phần Chính #Bình Phương Tối Thiểu Có Trọng Số #Phù Hợp Dữ Liệu
Triacylglycerols từ vi tảo như là nguồn nguyên liệu sản xuất nhiên liệu sinh học: góc nhìn và tiến bộ Tóm tắt Vi tảo đại diện cho một nhóm vi sinh vật vô cùng đa dạng nhưng có khả năng chuyên môn hóa cao để thích nghi với các môi trường sinh thái khác nhau. Nhiều loài vi tảo có khả năng sản xuất một lượng đáng kể (ví dụ: 20–50% trọng lượng khô tế bào) triacylglycerols (TAG) như một loại lipid dự trữ dưới căng thẳng quang hóa hay các điều kiện môi trường bất lợi khác. Axit béo, thành phần cấu thành của TAGs và tất cả các lipid tế bào khác, được tổng hợp trong lục lạp bằng một tập hợp duy nhất của enzyme, trong đó acetyl CoA carboxylase (ACCase) là yếu tố chính điều chỉnh tỷ lệ tổng hợp axit béo. Tuy nhiên, sự biểu hiện của các gene liên quan đến quá trình tổng hợp axit béo vẫn chưa được hiểu rõ ở vi tảo. Sự tổng hợp và phân tách TAG vào các thể lipid bào tương dường như là cơ chế bảo vệ mà các tế bào tảo sử dụng để ứng phó với các điều kiện căng thẳng, nhưng ít được biết về việc điều chỉnh sự hình thành TAG ở mức độ phân tử và tế bào. Trong khi khái niệm sử dụng vi tảo như một nguồn nguyên liệu sinh khối giàu lipid thay thế và tái tạo cho nhiên liệu sinh học đã được khám phá trong vài thập kỷ qua, hệ thống có thể mở rộng và khả thi về kinh tế vẫn chưa hình thành. Hiện nay, việc sản xuất dầu tảo chủ yếu giới hạn ở các loại dầu chất lượng cao có giá trị dinh dưỡng hơn là các loại dầu hàng hóa cho nhiên liệu sinh học. Bài đánh giá này cung cấp tóm tắt ngắn gọn về kiến thức hiện tại của vi tảo giàu dầu và quá trình tổng hợp axit béo và TAG của chúng, các hệ thống mô hình tảo và cách tiếp cận gen để hiểu rõ hơn việc sản xuất TAG, cũng như cái nhìn lịch sử và hướng đi cho nghiên cứu và thương mại hóa nhiên liệu sinh học dựa trên vi tảo.
Plant Journal - Tập 54 Số 4 - Trang 621-639 - 2008
#Vi tảo #triacylglycerols #axit béo #tổng hợp lipid #nhiên liệu sinh học #căng thẳng quang hóa #ACCase #lipid bào tương #sinh khối #đổi mới bền vững.
IDEC-C2B8 (Rituximab) Liệu Pháp Kháng Thể Đơn Dòng Kháng CD20 Trong Điều Trị Bệnh Nhân U Lympho Không Hodgkin Đã Tái Phát Thể Nhẹ Tóm tắt
IDEC-C2B8 là một loại kháng thể đơn dòng (MoAb) lai tạo chống lại kháng nguyên CD20 đặc hiệu tế bào B, biểu hiện trên u lympho không Hodgkin (NHL). MoAb này có khả năng trung gian hóa độc tế bào phụ thuộc bổ thể và kháng thể, đồng thời có hiệu ứng ức chế trực tiếp sự phát triển của các dòng tế bào B ác tính trong ống nghiệm. Các thử nghiệm pha I với liều đơn tới 500 mg/m2 và 4 liều hàng tuần 375 mg/m2 cho thấy có đáp ứng lâm sàng mà không có độc tính giới hạn liều. Chúng tôi đã tiến hành nghiên cứu giai đoạn II, đa trung tâm, đánh giá bốn đợt truyền hàng tuần liều 375 mg/m2 IDEC-C2B8 ở bệnh nhân NHL có độ ác tính thấp hoặc dạng tiêu điểm đã tái phát (nhóm A-D theo Định dạng Công trình). Bệnh nhân được theo dõi về các biến cố bất lợi, dược động học kháng thể và đáp ứng lâm sàng. Ba mươi bảy bệnh nhân với độ tuổi trung bình 58 tuổi (dao động từ 29 đến 81 tuổi) đã được điều trị. Tất cả bệnh nhân đã tái phát sau hóa trị liệu (trung bình 2 phác đồ trước đó) và 54% đã thất bại với hóa trị liệu mạnh. Các tác dụng phụ khi truyền (mức độ 1-2) bao gồm sốt nhẹ, ớn lạnh, triệu chứng hô hấp và đôi khi tụt huyết áp chủ yếu quan sát thấy ở đợt truyền kháng thể ban đầu và hiếm khi xảy ra với các liều sau. Sự suy giảm tế bào B máu ngoại vi xảy ra nhanh chóng, với sự phục hồi bắt đầu từ tháng thứ 6 sau điều trị. Không có thay đổi đáng kể về mức IgG trung bình và tỷ lệ nhiễm trùng không tăng so với mong đợi ở dân số này. Có sự thuyên giảm lâm sàng ở 17 bệnh nhân (3 thuyên giảm hoàn toàn và 14 thuyên giảm một phần), đạt tỷ lệ đáp ứng theo ý định điều trị là 46%. Sự xuất hiện của các đáp ứng khối u xuất hiện ngay từ 1 tháng sau điều trị và đạt tối đa sau 4 tháng điều trị. Trong 17 bệnh nhân đáp ứng, thời gian trung bình cho đến khi tiến triển là 10,2 tháng (5 bệnh nhân vượt quá 20 tháng). Khả năng đáp ứng khối u có liên quan với dạng tế bào nhất, với khả năng duy trì mức cao kháng thể huyết thanh sau liều đầu tiên, và với thời gian dài thuyên giảm sau hóa trị liệu trước đó. Một bệnh nhân phát triển đáp ứng miễn dịch có thể phát hiện nhưng không thể định lượng đối với kháng thể, không có ý nghĩa lâm sàng. IDEC-C2B8 với liều 375 mg/m2 hàng tuần trong 4 tuần có hoạt tính chống u ở bệnh nhân NHL đã tái phát độ ác tính thấp hoặc dạng tiêu điểm. Kết quả với điều trị ngắn gọn và ngoại trú so sánh khả quan với kết quả hóa trị chuẩn, và IDEC-C2B8 có hồ sơ an toàn tốt hơn. Các nghiên cứu tiếp theo đánh giá IDEC-C2B8 trong các loại u lympho khác, dù đơn lẻ hay kết hợp với hóa trị liệu, là đáng khuyến khích.
Blood - Tập 90 Số 6 - Trang 2188-2195 - 1997
#IDEC-C2B8 #Rituximab #kháng thể đơn dòng #CD20 #u lympho không Hodgkin #pha II #điều trị tái phát #hóa trị liệu #nhạy cảm với điều trị #tác dụng phụ.
Thang đo Trầm cảm, Lo âu, và Căng thẳng (DASS): Dữ liệu chuẩn và cấu trúc tiềm ẩn trong mẫu lớn không lâm sàng Mục tiêu: Cung cấp dữ liệu chuẩn cho Vương quốc Anh về Thang đo Trầm cảm, Lo âu, và Căng thẳng (DASS) và kiểm tra giá trị hội tụ, phân biệt, và giá trị cấu trúc của thang đo này. Thiết kế: Phân tích cắt ngang, tương quan, và phân tích yếu tố khẳng định (CFA). Phương pháp: DASS được áp dụng đối với mẫu không lâm sàng, đại diện rộng rãi cho dân số người lớn tại Vương quốc Anh (N = 1,771) về các biến nhân khẩu học. Các mô hình cạnh tranh của cấu trúc tiềm ẩn DASS được rút ra từ các nguồn lý thuyết và thực nghiệm, và được đánh giá bằng phân tích yếu tố khẳng định. Phân tích tương quan được sử dụng để xác định ảnh hưởng của các biến nhân khẩu học lên điểm số DASS. Giá trị hội tụ và phân biệt của thang đo được kiểm tra thông qua tương quan giữa thang đo này với hai thang đo khác về trầm cảm và lo âu (HADS và sAD), và một thang đo về khả năng xúc cảm tích cực và tiêu cực (PANAS). Kết quả: Mô hình tốt nhất (CFI = .93) của cấu trúc tiềm ẩn DASS bao gồm ba yếu tố có mối tương quan tương ứng với các thang đo trầm cảm, lo âu và căng thẳng, với lỗi liên kết được phép giữa các mục cấu thành phụ thang DASS. Các biến nhân khẩu học chỉ có ảnh hưởng rất nhỏ đối với điểm số DASS. Độ tin cậy của DASS là xuất sắc, và thang đo sở hữu giá trị hội tụ và phân biệt đầy đủ. Kết luận: DASS là một thang đo đáng tin cậy và có giá trị trong việc đánh giá các cấu trúc mà nó được thiết kế để phản ánh. Tính hữu dụng của thang đo này đối với các bác sĩ tại Vương quốc Anh được nâng cao nhờ việc cung cấp dữ liệu chuẩn từ các mẫu lớn.
British Journal of Clinical Psychology - Tập 42 Số 2 - Trang 111-131 - 2003
#Thang đo Trầm cảm Lo âu Căng thẳng #dữ liệu chuẩn #giá trị hội tụ #giá trị phân biệt #mẫu không lâm sàng #phân tích yếu tố khẳng định #ảnh hưởng nhân khẩu học #PANAS #HADS #sAD
Tổng số: 132
- 1
- 2
- 3
- 4
- 5
- 6
- 10