简介:摘要目的了解医学研究生碎片化学习现状,探讨碎片化学习在医学研究生学习中的优势及其存在的问题。方法本研究采用问卷调查方法。2019年5月,选取上海交通大学医学院2019级14个专业的293名医学研究生为研究对象,对其进行医学专业碎片化学习现状的问卷调查。通过SPSS 25.0统计学软件对数据进行分析。结果79.5%(233/293)的研究生存在碎片化的学习行为;65.9%(193/293)的研究生认为碎片化学习对其专业学习利大于弊;59.7%(175/293)的研究生表示碎片化学习在学习方面提供的帮助有限。医学研究生认为碎片化学习在医学专业学习中具备的前3位优势是:碎片化学习有效利用了碎片时间[83.3%(244/293)];学习资源丰富[59.7%(175/293)];知识新颖,时效性强[50.5%(148/293)]。碎片化学习在研究生中存在的主要问题排在前3位的是:知识掌握不牢固[68.3%(200/293)];学习内容不系统[63.1%(185/293)];时间被分割,难以集中注意力[46.8%(137/293)]。结论医学研究生中普遍存在碎片化的学习行为,但其碎片化学习能力有待提高;碎片化学习具有提高时间利用率、学习资源丰富、知识新颖的优势,但是研究生的碎片化学习效率和学习效果均有待提高。
简介:【摘要】目的:建立中药新药质量控制指标和可接受范围,为药品生产过程控制和质量标准建立提供依据,保证药品的安全性、有效性和质量可控。方法:在中医药理论的指导下,采用各种技术、方法和手段,通过研究影响药品安全性和有效性的相关因素,确定药品关键质量属性的过程。结果:通过合理的方法对药材/饮片、中间体(中间产物)、制剂的药用物质及关键质量属性在不同环节之间的量质传递研究,以及药用物质与辅料、药包材相互影响的研究,提高中药的质量控制水平。
简介:摘要目的数据缺失是队列研究中几乎无法避免的问题。本文旨在通过模拟研究,比较当前常见的8种缺失数据处理方法在纵向缺失数据中的填补效果,为纵向缺失数据的处理提供有价值的参考。方法模拟研究基于R语言编程实现,通过Monte Carlo方法产生纵向缺失数据,通过比较不同填补方法的平均绝对偏差、平均相对偏差和回归分析的Ⅰ类错误,评价不同填补方法对于纵向缺失数据的填补效果及对后续多因素分析的影响。结果均值填补、k近邻填补(KNN)、回归填补和随机森林的填补效果接近,且表现稳定;多重插补和热卡填充次于以上填补方法;K均值聚类和EM算法填补效果最差,表现也最不稳定。均值填补、EM算法、随机森林、KNN和回归填补可较好地控制Ⅰ类错误,多重插补、热卡填充和K均值聚类不能有效控制Ⅰ类错误。结论对于纵向缺失数据,在随机缺失机制下,均值填补、KNN、回归填补和随机森林均可作为较好的填补方法,当缺失比例不太大时,多重插补和热卡填充也表现较好,不推荐K均值聚类和EM算法。