|
Entropy：精选视频摘要 | MDPI 编辑荐读
|
|
点击左上角“MDPI开放科学”关注我们，为您推送更多最新资讯。 互联网的发展促使人们逐渐改变获取信息的方式和习惯，与此同时，学术期刊传播也发生了极大的变化。为了满足读者阅读需求，顺应新媒体潮流，一个新的学术成果展示方式应运而生——视频摘要。Entropy 期刊专门设立了期刊的视频摘要展 (Video Exhibition)，每个视频都附有相关文章题目和链接。视频摘要将学术论文内容具象化，对科学研究发展来说也有一定促进作用。本期为读者精选出5篇涵盖不同研究领域的视频内容，希望能为相关领域学者提供新的思路和参考，欢迎阅读。 精选文章 ★ 01 ★ Cardiovascular Signal Entropy Predicts All-Cause Mortality: Evidence from The Irish Longitudinal Study on Ageing (TILDA) 心血管信号熵预测全因死亡率：来自爱尔兰老龄化纵向研究 (TILDA) 的证据 Silvin P. Knight et al. https://www.mdpi.com/1626176 文章亮点： (1) 本研究以爱尔兰老龄化纵向研究 (TILDA) 中的社区老年人为样本，探讨了心血管信号熵与七年全因死亡风险之间的关系。 (2) 基于 TILDA 的研究显示，时域血压信号中较高的 SampEn 可显著预测死亡风险，在全面控制潜在混杂因素的模型中，sBP SampEn 和 dBP SampEn 增加一个标准差对应的心率分别为1.19和1.17。 (3) 短程血压信号中 SampEn 的量化可为预测老年人的死亡风险提供一个新的、临床上有用的指标。 识别二维码 阅读英文原文 Knight, S.P.; Ward, M.; Newman, L.; Davis, J.; Duggan, E.; Kenny, R.A.; Romero-Ortuno, R. Cardiovascular Signal Entropy Predicts All-Cause Mortality: Evidence from The Irish Longitudinal Study on Ageing (TILDA). Entropy 2022, 24, 676. ★ 02 ★ Benchmarking Transfer Entropy Methods for the Study of Linear and Nonlinear Cardio-Respiratory Interactions 用于研究线性和非线性心肺相互作用的基准转移熵方法 Andrea Rozo et al. https://www.mdpi.com/1199754 文章亮点： (1) 这项工作中根据模拟数据的性能比较了五种计算转移熵 () 的方法。通过比较，突出了这些方法在处理不同动态和短信号时的局限性和优势。 (2) 结果发现，DVP 方法的模拟性能最好。该方法正确识别了每个仿真模型发生交互的滞后，并为不同的滞后呈现较低的值。 (3) 就临床数据而言，DVP 是量化睡眠期间线性和非线性心肺交互作用的合适方法。有统计证据表明 NREM3 在特定滞后时的线性和非线性相互作用较高，具体取决于所使用的呼吸信号和采样频率。尽管如此，仍建议使用更大的数据集对该主题进行进一步研究。 识别二维码 阅读英文原文 Rozo, A.; Morales, J.; Moeyersons, J.; Joshi, R.; Caiani, E.G.; Borzée, P.; Buyse, B.; Testelmans, D.; Van Huffel, S.; Varon, C. Benchmarking Transfer Entropy Methods for the Study of Linear and Nonlinear Cardio-Respiratory Interactions. Entropy 2021, 23, 939. ★ 03 ★ Quantum Advantage of Thermal Machines with Bose and Fermi Gases 玻色和费米气体热机的量子优势 Saikat Sur and Arnab Ghosh https://www.mdpi.com/2145184 文章亮点： (1) 本文证明了量子气体是大质量、非相互作用、不可区分的量子粒子的集合，可以作为能量量子化的产物作为热力学机器来实现，因此不具有经典的类似物。 (2) 从粒子统计和系统维度的角度展示了量子斯特林循环的基本特征，这有助于我们利用量子统计力学的作用来实现所需的量子热机和制冷机。 (3) 费米气体和玻色气体的行为在一维而非更高维度上有明显区别，这完全是由于它们的粒子统计量存在固有差异，表明量子热力学特征在低维度上的显著作用。 识别二维码 阅读英文原文 Sur, S.; Ghosh, A. Quantum Advantage of Thermal Machines with Bose and Fermi Gases. Entropy 2023, 25, 372. ★ 04 ★ Dynamic Risk Prediction via a Joint Frailty-Copula Model and IPD Meta-Analysis: Building Web Applications 通过联合 Frailty-Copula 模型和 IPD 元分析进行动态风险预测：构建 Web 应用程序 Takeshi Emura, Hirofumi Michimae and Shigeyuki Matsui https://www.mdpi.com/1600566 文章亮点： (1) 癌症患者的临床风险预测公式可以通过中间事件 (例如肿瘤进展) 动态更新公式来改进。本文提供了一个教程，旨在基于 R 包 joint.Cox 和 Shiny 构建一个基于 Web 的应用程序，用于癌症患者的动态风险预测。使用来自多个临床研究的乳腺癌患者数据集演示了所提出的方法。 (2) 演示了如何发布在线可用的 Web 应用程序，任何用户都可以通过智能手机或个人计算机来操作该应用程序。 (3) 学习本教程后，开发人员将能够使用自己的数据集构建在线 Web 应用程序。 识别二维码 阅读英文原文 Emura, T.; Michimae, H.; Matsui, S. Dynamic Risk Prediction via a Joint Frailty-Copula Model and IPD Meta-Analysis: Building Web Applications. Entropy 2022, 24, 589. ★ 05 ★ Algal Bloom Ties: Spreading Network Inference and Extreme Eco-Environmental Feedback 藻华关系：传播网络推理和极端生态环境反馈 Haojiong Wang, Elroy Galbraith and Matteo Convertino https://www.mdpi.com/2240016 文章亮点： (1) 这项研究提出了一种基于具有 TE 差异的最佳转移熵 (TE) 的模型来推断水华空间依赖性，并以此确定风险区域和路径，从而有针对性地进行监测和控制。 (2) 藻华呈现出非三维扩散模式，表现为具有不同稳定性结果的网络转换，这决定了其持续性和潜在的生态效应。 (3) 对于佛罗里达湾，本文主要强调了藻华的空间趋势和被忽视的藻华对水质的影响。 识别二维码 阅读英文原文 Wang, H.; Galbraith, E.; Convertino, M. Algal Bloom Ties: Spreading Network Inference and Extreme Eco-Environmental Feedback. Entropy 2023, 25, 636. Entropy 期刊介绍 主编：Kevin H. Knuth, University at Albany, USA 期刊主要发表熵和信息论的相关文章，涉及学科领域有：热力学、统计力学、信息论、生物物理学、天体物理学及宇宙学、量子信息和复杂体系等，当前位于 JCR 物理多学科二区。 2022 Impact Factor 2.7 2022 CiteScore 4.7 Time to First Decision 20.4 days Time to Publication 41 Days 识别二维码， 订阅 Entropy 期刊最新资讯。 精彩视频 往期回顾 版权声明： 本文由MDPI中国办公室翻译撰写，文中涉及到的论文翻译部分，为译者在个人理解之上的概述与转达，论文详情及准确信息请参考英文原文。本文遵守 CC BY 4.0 许可 (https://creativecommons.org/licenses/by/4.0/)。如需转载，请于公众号后台留言咨询。 由于微信订阅号推送规则更新，建议您将“MDPI开放科学”设为星标，便可在消息栏中便捷地找到我们，及时了解最新开放出版动态资讯！ 点击左下方“阅读原文”，进入期刊主页。 喜欢今天的内容？不如来个 "三连击" ?【分享，点赞，转发】
|
|
From：
|
|
|
系统抽取对象
|
机构
|
(1)
|
|
(1)
|
|
(1)
|
(1)
|
|
地理
|
|
(2)
|
|
人物
|
|
(1)
|
|
系统抽取主题
|
|
(1)
|
|
(1)
|
|
(1)
|
|
(1)
|
|
(1)
|
|
(1)
|
|
(1)
|
|
(1)
|
|
(1)
|
|
(1)
|
|