Характеристики приоры: Технические характеристики LADA Priora хэтчбек

Содержание

Лада Приора Хэтчбек 1.6 MT 98 лс: цена, технические характеристики Лада Приора Хэтчбек 1.6 MT 98 лс

Лада Приора Хэтчбек 1.6 MT 98 лс: цена, технические характеристики Лада Приора Хэтчбек 1.6 MT 98 лс — Avto-Russia.ru
  1. Главная
  2. Каталог авто
  3. ВАЗ
  4. Лада Приора Хэтчбек
  5. Лада Приора Хэтчбек 1.6 MT 98 лс

Поиск по каталогу

Тип кузова: Любой Седан Хэтчбек Универсал Кроссовер Внедорожник Компактвэн Минивэн Купе Кабриолет Родстер Пикап Фургон Автобус Микроавтобус Грузовик Самосвал Шасси ТягачДиапазон цен: Любой до 500 000 руб от 500 000 до 600 000 руб от 500 000 до 600 000 руб от 600 000 до 700 000 руб от 700 000 до 800 000 руб от 800 000 до 900 000 руб от 900 000 до 1 000 000 руб до 1 000 000 руб от 1 250 000 до 1 500 000 руб от 1 250 000 до 1 500 000 руб от 1 500 000 до 1 750 000 руб от 1 750 000 до 2 000 000 руб до 2 000 000 руб от 2 000 000 до 2 500 000 руб от 2 500 000 до 3 000 000 руб от 3 000 000 до 3 500 000 руб от 3 500 000 до 4 000 000 руб от 4 000 000 до 4 500 000 руб от 4 500 000 до 5 000 000 руб свыше 5 000 000 рубДлина: Любая До 3 метров 3 — 3,5 метра 3,5 — 4 метра 4 — 4,5 метра 4,5 — 5 метров 5 — 5,5 метра 5,5 — 6 метров Свыше 6 метровШирина

(с зеркалами): Любая До 1,4 метра 1,4 — 1,5 метра 1,5 — 1,6 метра 1,6 — 1,7 метра 1,7 — 1,8 метра 1,8 — 1,9 метра 1,9 — 2 метра Свыше 2 метровВысота: Любая До 1,3 метра 1,3 — 1,4 метра 1,4 — 1,5 метра 1,5 — 1,6 метра 1,6 — 1,7 метра 1,7 — 1,8 метра 1,8 — 1,9 метра 1,9 — 2 метра Свыше 2 метровЧисло дверей: Любое 1 2 3 4 5Число мест: Любое 2 3 4 5 6 7 8 9 и большеОбъем багажника: Любой 100-200 литров 200-300 литров 300-400 литров 400-500 литров 500-1000 литров Свыше 1000 литровГарантия: Любая 1 год 2 года 3 года 4 года 5 летСтрана сборки: Любая Бельгия Бразилия Великобритания Германия Индия Иран Италия Испания Канада Китай Мексика Нидерланды Польша Россия Румыния Словакия США Таиланд Турция Украина Узбекистан Чехия Швеция Южная Корея ЮАР Япония

От официальных дилеров

Модели 2022 года

Исключить китайские авто

Поиск Все марки

  • Фото
  • Модификации
  • Одноклассники
  • Отзывы
  • Обои

Основные характеристики

Марка ВАЗ
Модель Лада Приора Хэтчбек
Модификация Лада Приора Хэтчбек 1. 6 MT 98 лс
Модельный год 2013
Тип кузова Хэтчбек
Количество дверей 5
Количество мест 5
Страна сборки Россия

Эксплуатационные характеристики

Вид топлива АИ-95
Время разгона до 100 км/ч 11.5 сек
Максимальная скорость 183 км/ч
Расход топлива в городском цикле 9.1 л на 100 км
Расход топлива на трассе 5.5 л на 100 км
Расход топлива в смешанном цикле 6.9 л на 100 км
Запас хода 473 — 782 км
Расходы на топливо в год (при пробеге 100 км в день) 119 629
Транспортный налог * (Москва) 1 176
ОСАГО * (Москва, возраст свыше 22 лет, стаж более 3 лет) 7 570

* Воспользуйтесь калькуляторами Налога и ОСАГО для более детального расчета.


Габариты и размеры

Длина 4210 мм
Ширина
1680 мм
Высота 1435 мм
Дорожный просвет 165 мм
Колея передняя 1410 мм
Колея задняя 1380 мм
Колесная база 2492 мм
Диаметр разворота 11.6 м

Масса

Снаряженная масса 1163 кг
Полная масса 1578 кг
Грузоподъемность415 кг

Объемы

Объем багажника 360 л
Объем топливного бака 43 л

Двигатель

Тип двигателяБензиновый
Число цилиндров / расположение 4/Рядный
Мощность двигателя, л.
с / оборотах
98/5600
Рабочий объем двигателя 1596 см³
Крутящий момент, Н·м / оборотах 145/4000

Трансмиссия

Привод Передний
Тип коробки передач Механическая, 5 передач

Руль

Усилитель руля Электроусилитель

Климат

Управление климатом Климат-контроль

Подвеска

Передняя подвеска Независимая, McPherson
Задняя подвеска Полузависимая, рычажная

Тормоза

Передние тормоза Дисковые
Задние тормоза Барабанные

Шины и диски

Размер шин 175/65 R14

Прицеп

Масса прицепа / c тормозами 500/800 кг
  • Фото
  • Модификации
  • Одноклассники
  • Отзывы
  • Обои

Хэтчбек Лада Приора Хэтчбек

Сообщить об ошибке


Технические характеристики Лада Приора седан ВАЗ-2170

Таблица технических характеристик Лада Приора седан (ВАЗ-2170)

Модификации автомобиля

2170 1. 6

2170 1.6 16V

Двигатель

Расположение двигателя

Спереди поперечно

Объем двигателя

1596 см3

Количество цилиндров / Клапанов на цилиндр

4 / 2

4 / 4

Система питания

Распределенный впрыск

Мощность (л.с / об. мин)

80 / 5200

98 / 5600

Крутящий момент (Нм / об.мин)

120 / 2700

145 / 4000

Тип топлива

АИ-95

Трансмиссия

Колесная формула / ведущие колеса

4Х2 / передние

Коробка передач

механическая

Число передач

5

Рулевое управление

Тип

Реечного типа

Усилитель

Есть

Тормозная система

Передние тормоза

Дисковые

Задние тормоза

Барабанные

Кузов

Тип кузова / количество дверей

Седан / 4

Кол-во посадочных мест

5

Длина

4210 мм

Ширина

1680 мм

Высота

1435 мм

Колесная база

2492

Колея передних колес, мм

1410

Колея задних колес, мм

1380

Клиренс

160 мм

Объем багажника

360 / 705

Снаряженная масса

1088

Допустимая масса

1578

Эксплуатационные характеристики

Время разгона до 100 км / ч

14 с

11. 5 с

Максимальная скорость

172 км / ч

183 км / ч

Размер шин

R14 (175 / 65) (185 / 65)

Расход топлива городской цикл (л / 100 км)

8.3

8.5

Расход топлива загородный цикл (л / 100 км)

6.6

6.7

Объем бака

43

 

 

лада приора

Звезды: 


LADA Priora седан – Технические характеристики – ГРУППА ЛАДА-СЕРВИС

  • ОТКРЫТЬ ВЕСЬ МОДЕЛЬНЫЙ РЯД
    • Иж-Лада, Ижевск
    • Кострома Лада Сервис, Кострома
    • Липецк-Лада, Липецк
    • Яхрома-Лада, Москва
    • Нижегородец, Нижний Новгород
    • Чебоксары-Лада, Новочебоксарск
    • Питер-Лада, Санкт-Петербург
    • Нижегородец, Саранск
    • Центральная СТО, Тольятти
    • СТО Комсомольская, Тольятти
    • Тюмень-АВТОВАЗ, Тюмень
    • Кузов
    • Колесная формула / ведущие колеса

    • Расположение двигателя

    • Тип кузова / количество дверей

    • Количество мест для сидения

    • Длина / ширина / высота, мм

    • База, мм

    • Колея передних / задних колес, мм

    • Дорожный просвет, мм

    • Объем багажного отделения, л

    • Масса
    • Масса в снаряженном состоянии, кг

    • Технически допустимая максимальная масса, кг

    • Код двигателя

    • Тип двигателя

    • Количество и расположение цилиндров

    • Рабочий объем, куб. см

    • Максимальная мощность, кВт (л.с.) / об. мин.

    • Максимальный крутящий момент, Нм / об. мин.

    • Рекомендуемое топливо

    • Система питания

    • Трансмиссия
    • Тип трансмиссии

    • Передаточное число главной передачи

    • Динамические характеристики
    • Максимальная скорость, км/ч

    • Время разгона 0-100 км/ч, с

    • Расход топлива
    • Городской цикл, л/100 км

    • Загородный цикл, л/100 км

    • Смешанный цикл, л/100 км

    • Подвеска
    • Передняя

    • Задняя

    • Рулевое управление
    • Рулевой механизм

    • Шины
    • Размерность

    Данные по расходу топлива определены в стандартизованных условиях с применением специального измерительного оборудования, в соответствии с требованиями ГОСТ Р41. 101–99 (Правила ЕЭК ООН №101). Служат для сравнения автомобилей различных автопроизводителей. Эксплуатационной нормой не являются.

    Технические характеристики Лады Приоры: Седан, Хэтчбэк, Универсал

    Содержание

    • 1 Вступление
    • 2 Технические характеристики
      • 2.1 Кузов
      • 2.2 Двигатель
      • 2.3 Коробка переключения передач
      • 2.4 Остальные характеристики
    • 3 Фотогалерея

    Вступление

    Лада Приора впервые сошла с конвейера в далеком 2007 году и сразу же завоевала популярность на рынке. Приора является доступным  и практичным автомобилем, имеющим в себе ряд качеств, которые так сильно полюбились отечественному потребителю.

    Приора это рейстайлинг модели ВАЗ 2110, но с огромным количеством изменений, как по технической части, так и по внешности. Новая Лада получила индекс 2170-72 в зависимости от типа кузова, как и с десятым семейством. По сравнению с ВАЗ 2110 в ней появилось более 2000 новых инженерных решений.

    При проектировании ВАЗ 2170 большое количество внимания уделялось именно «болячкам» предыдущей модели, от которых, кстати, получилось избавиться. Новая Лада получилась более симпатичной и изящной, появились более привлекательные формы и современный вид. Со временем первичная модель подверглась ряду изменений и пережила несколько рейсталингов где менялись как внешняя часть, так и салон и даже технические характеристики. В последних годах выпуска она получила более мощный двигатель и новую трансмиссию.

    Технические характеристики

    Ниже поговорим о каждом элементе Лады Приоры отдельно, а именно рассмотрим в отдельности кузов, двигатель, багажник и т.д.

    Кузов

    Приора выпускалась в нескольких кузовах. В 2007 году появился только седан, позже уже в 2008 году с конвейера сошел первый хэтчбэк и универсал.

    Седан 2170

    Данный кузов получился весьма симпатичным и наиболее популярным среди молодежи. Приору начали покупать молодые люди и подвергать ее различному тюнингу. Это стало своего рода молодежным движением.

    Универсал 2171

    Этот вид кузова является отличным решением для семейных людей. Универсал оснащён огромным багажником.

    Хэтчбэк 2172

    Хэтчбэк не отличается от седана по техническим характеристикам и фронтальной частью кузова, но является короче на несколько сантиметров, что заметно не вооруженным глазом.

    Двигатель

    На Ладу устанавливалось несколько типов двигателей с разной мощностью и количеством клапанов. Ниже в таблице приведены все устанавливаемые двигателя и их характеристики.

    Модель211262112721116
    Число клапанов16168
    Мощность (л.с.)9810687
    ТипБензиновыйБензиновыйБензиновый
    Крутящий момент,

     

    Нм / об/мин

    145/4000148/4200140/3800
    Количество цилиндров444
    Расположение цилиндровРядноеРядноеРядное
    Объем (куб. см.)159615961596
    ТопливоБензин АИ 95Бензин АИ 95Бензин АИ 95
    Тип питанияЭлектронный впрыскЭлектронный впрыскЭлектронный впрыск
    Максимальная скорость, км/ч183183172
    Время разгона до 100 км/ч11,511,012,5
    Средний расход топлива на 100км7,27,27,6

    Коробка переключения передач

    Приора оснащалась несколькими КПП в зависимости от комплектации и года выпуска автомобиля. Все КПП является 5-ти ступенчатыми

    КПП с кулисой

    Данная коробка передач устанавливалась на автомобили с 2007 года до 2013 г.в. Является довольно надежной и неприхотливой КПП, основная ее «болячка», слабая вторая передача, которая со временем начинает вылетать.

    Тросиковая КПП

    Устанавливалась на автомобили с 2014 года выпуска. Получила большое количество положительных отзывов, изменилось положение передач, а именно задней передачи. Снизились вибрации, передаваемые в салон от КПП.

    Роботизированная КПП

    В 2014 году на люксовых комплектациях автомобиля начали устанавливать роботизированную КПП. Является очень надежной и неприхотливой, но ощутимо теряет в динамике по сравнению с механической КПП.

    Остальные характеристики

    ХарактеристикаСеданУниверсалХэтчбэк
    Высота, мм142014351508
    Ширина, мм168016801680
    Длинна, мм435043404210
    Колесная база, мм249224922492
    Масса, кг116311631088
    Количество мест555
    Количество дверей555
    Приводпереднийпереднийпередний
    Колеса185/65 R14185/65 R14185/65 R14
    Емкость бака, л434343
    Объем багажника, л430444/777 (со сложенными задними сиденьями)360/705 (со сложенными задними сиденьями)

    Фотогалерея

    Категория: Характеристики

    ← Замена ремня ГРМ на 8-ми клапаном моторе

    Замена помпы Лада Приора →

    8 и 16 клапанов, характеристики и ресурс ДВС

    Автор Алексей Белокуров На чтение 7 мин. Просмотров 4.9k. Опубликовано

    Двигатель Приора производится в двух версиях. Это версия 21126 и 21127. Последний модифицированный 126 двигатель. Его стали устанавливать после 2013 года, когда сделали рестайлинг Ладе Приоре. Это шестнадцатиклапанные движки, но есть и моторы с 8-клапанами, которые устанавливались на данное транспортное средство.

    Сегодня мы постараемся рассмотреть все нюансы, преимущества и недостатки силовых агрегатов на Ладе Приора.

    Содержание

    1. Технические характеристики двигателя 21126
    2. Двигатели Лада Приора 8 клапанов
    3. Двигатели Лада Приора 16 клапанов
    4. Особенности конструкции
    5. Кривошипно шатунный механизм
    6. ГРМ
    7. Системы
    8. Список моделей авто, в которых устанавливался
    9. Самые распространенные проблемы ДВС 21126
    10. Заключение

    Технические характеристики двигателя 21126

    Жизненный ресурс двигателей Лада Приоры составляет около 300 тысяч километров. Однако конкретное число зависит от модели движка и ухода за ним. Например, некоторые восьмиклапанники по словам опытных механиков могут ходить до полумиллиона км без капитального ремонта, если их серьезно не нагружать.

    Давайте глянем на модификации восьмиклапаннах и шестнадцатиклапанных движков:

    • ВАЗ 21114 – это восьмиклапанник, который устанавливался на машину отечественного производства с 2007 года. Перешел по наследству от 110 – ой Лады;
    • ВАЗ 21116 – еще один восьмиклапанник. На этом двигателе Приоры уже была облегчена поршне-шатунная группа;
    • ВАЗ 21126 – это уже двигатель с шестнадцатью клапанами. И снова на нем была облегчена шатунно-поршневая группа. Это способствовало увеличению мощности движка, но снизило его жизненный ресурс;
    • ВАЗ 21127 – устанавливался на Приору с впускным коллектором переменной длины.

    А теперь давайте глянем на мощности выше описанных двигателей Приоры и их крутящие моменты:

    • ВАЗ 21114 – 80 лошадок с крутящий момент равен – 120 Нм, что довольно неплохо;
    • ВАЗ 21116 – 87 лошадок с крутящим моментом 140 Нм. Увеличены мощность и момент за счет облегчения ШП группы;
    • ВАЗ 21126 – 98 лошадок, 145 Нм;
    • ВАЗ 21127 – 106 лошадок, 148 Нм.

    По объему все двигатели на Приора не превосходили 1,8 литра и некоторые ставились по 1,6 литра. Эти машины считаются экономичными малолитражками. Расход топлива, которых не превышал 10 литров на 100 километров по городу.

    Двигатели Лада Приора 8 клапанов

    Восьми-клапанный 114 двигатель на Приора устанавливается в основном на седаны. Сейчас его уже трудно найти, так как в 2011 году производитель сменил его на 116.

    К сведенью! Опытные механики говорят, что он имел некоторые проблемы, перешедшие по наследству от других двигателей, поэтому особую популярность среди автолюбителей не приобрел.

    116 также был восьмиклапанником и устанавливался с 2007 по 2015 годы преимущественно на седаны. Давайте глянем на его технические характеристики.

    Параметр Значение
    Питание Инжекторное
    Клапанов 8 штук
    Расположение Рядное
    Эконормы Евро 3
    Расход по городу топлива 9,5 л
    Жизненный ресурс 250 тысяч километров по данным производителя
    Объем движка 1,6 л

    Преимущества таких двигателей от Приора заключается в следующих положительных сторонах:

    • не гнет клапана;
    • можно разобрать и собрать на коленке;
    • запасные части продаются по низкой цене.

    Однако были и минусы. Главными отрицательными сторонами движков считаются по мнению автовладельцев – шумность и низкая мощность.

    Двигатели Лада Приора 16 клапанов

    Для комплектаций Нормал и Люкс на Приору ставили двигатель из 16 клапанов. Это были улучшенные силовые агрегаты от производителя. В отличие от восьмиклапанных они оснащались прочным ремнем от компании Gates Rubber Company и облегченной поршневой группой от производителя Federal Mogul.

    Такие 16-клапанные движки обладали следующими характеристиками, которые я прописал в таблице ниже.

    Параметр Значение
    Питание Инжекторное
    Клапанов 16
    Расположение Поперечное
    Эконормы Евро 3
    Расход по городу топлива 9,1
    Жизненный ресурс 300 тысяч километров
    Объем движка 1,8 л

    Малолитражки с этими двигателями порадовали автовладельцев нововведениями и увеличением мощности. Конечно, не обошлось и без общих проблем, свойственных всем силовым агрегатам Приора. Но об этом в специальном разделе ниже.

    Особенности конструкции

    Все ДВС на Приора работают при температуре 95 градусов. Такие высокие градусы они способны выдерживать благодаря специальному сплаву головки блока цилиндров, который не деформируется при нагревании до высоких температур.

    Однако, если на улице жара, то мотор быстро нагревается и в пробках начинает толкаться, тупить. Эксплуатация силового устройства при температуре выше 110 градусов опасна для него. Снижается жизненный ресурс, быстро изнашиваются трущиеся детали.

    Кривошипно шатунный механизм

    Поршни мотора изготовлены из сплава алюминия с кремнием. Это обеспечивает их высокую износостойкость и температурную резистентность. Головка каждого поршня цилиндрическая с плоским дном. Юбка овальная в поперечном сечении и бочкообразная в продольном.

    Чтобы улучшить и убыстрить приработку механизма всю поверхность поршня покрывают оловом. А компрессионные кольца отливают из чугуна. Наружная поверхность верхнего кольца, которая прилегает к цилиндру, покрыта хромовым напылением. Это увеличивает жизненный ресурс кольца.

    Высота компрессионных колец равна 2 мм, а маслосъемного – 4,9 мм. Поршневые пальцы изготавливают из низколегированной стали. К поршням их подбирают с минимальным зазором. Это нужно, чтобы пальцы не стучали во время работы.

    ГРМ

    ГРМ автомобиля Приора выполнен из прочного ремня. Многие автовладельцы говорят, что именно газораспределительный механизм является болячкой двигателей Приора. На 100 тысячах километров вы сможете обнаружить трещины на ремне ГРМ или легкие сколы резины. Это значит, что он доживает свои последние километры. При замене ремня лучше всего менять полностью газораспределительный механизм. А именно звездочки, зубчатый шкив коленвала с шайбой, иногда заменяют ремень генератора.

    Ремни, которые установлены в двигателях на Лада Приора имеют 137 зубьев. Если стирается один, то начинается проскальзывание, иногда ремень может ударить по клапанам. В результате обрыва он со стопроцентной точностью бьет по клапанам и загибает их.

    Поэтому опытные механики рекомендуют машину ставить на профилактический ремонт через каждые 12 месяцев или 100 000 километров. Тем самым автовладелец избежит капитального ремонта двигателя или его полной замены.

    Системы

    Закрытая система жидкостного охлаждения на Приоре позволяет мотору лучше охлаждаться в жаркие дни или во время простоев в пробках. Она эффективно отводит тепло и не дает перегреваться Приоре даже при температуре плюс пятьдесят по Цельсию.

    Система питания на машине инжекторная. Уже ушли в прошлое карбюраторные системы. Теперь топливо впрыскивается в камеру сгорания под определенным углом, подается масло и воздух и затем все смешивается. Такие нововведения обеспечили мотору стабильную работу.

    Модернизированная система вентиляции картера не позволяет выпускать в атмосферу большое количество выхлопных газов. Уменьшение и модернизация шатунно-поршневой группы уменьшило количество потребляемого бензина двигателем на Приора.

    Давайте глянем на список автомобилей, на которые устанавливались эти движки.

    Список моделей авто, в которых устанавливался

    Двигателя от ВАЗ на Приора устанавливались на следующие модификации машин отечественного производителя:

    • Лада Приора Хэтчбек рестайлинг от 2013 года трехдверный;
    • Лада Приора Хэтчбек рестайлинг от 2013 года пятидверный;
    • Лада Приора Универсал;
    • Приора Хэтчбек рестайлинг от 2010 года;
    • Приора Универсал 2008 года;
    • Приора седан 2007 года.

    Несмотря на многие позитивные отклики о доработанных двигателях ВАЗ, у них имеются недостатки. Какие, рассмотрим в следующем блоке. Коснемся только 21126 мотора.

    Самые распространенные проблемы ДВС 21126

    Неисправности двигателей Приора во многом похожи друг на друга. У всех у них отмечается автовладельцами слабая электрика. Датчики ненадежны, начинают глючить при легком попадании влаги на них, либо перегреве. Зимой глюки проявляются в особенности сильно.

    На ремонт двигателя часто ставят автовладельцы, которые перегрели или пробили прокладку головки блока цилиндров. Тому виной становится временами заедающий термостат. Он неправильно показывает данные по температуре в течение длительного времени. Если автовладелец забудет про замену масла и фильтров, антифриза или охлаждающей жидкости, то перегрев неизбежен.

    Течет масло. Временами сильно сквозь перегретые сальники и набивки. Попадает смазывающее средство на ремень, уменьшая его жизненный ресурс. Попав в свечные колодцы мотор перестает работать. И снова автовладельцы едут к нам на ремонт в сервис-центр.

    Клин ролика насоса масла или обрыв ремня газораспределительного механизма становится фатальным для движка. В этом случае помогает только капитальный ремонт, либо свап на другой силовой агрегат Приора.

    Заключение

    Как видно из всего вышеописанного двигатели автомашины Лада Приора довольно надежные, но капризные по-своему. Поэтому только постоянное наблюдение за их работой, вовремя замененные детали спасут автовладельца от капитального ремонта или установки нового двигателя Приора.

    Шины, диски на Лада Приора (Lada Priora)

    Шины, диски на Лада Приора (Lada Priora)

    Включите JavaScript в браузере для нормального отображения страниц.

    +7 (915) 904-0202

    Заказать звонок

    Напомнить пароль

    Личный кабинет

    Новый покупатель

    7 + 3 =   

    Настоящим подтверждаю, что я ознакомлен и согласен с условиями политики конфиденциальности и даю согласие на обработку моих персональных данных. Узнать больше

    Заказать звонок

    Оставьте свой номер телефона и удобное время для звонка, и мы Вам обязательно перезвоним

    Магазинул. Орджоникидзе, д. 55 3 + 6 =   

    Настоящим подтверждаю, что я ознакомлен и согласен с условиями политики конфиденциальности и даю согласие на обработку моих персональных данных. Узнать больше

    Верный выбор колесных дисков и шин на Ладу Приору — важный момент, который осуществляется путем согласования подбора с рекомендациями завода-производителя. От того, с какой серьезность владелец автомобиля отнесется к этому вопросу, зависит качество его вождения, безопасность во время передвижения.

    Для правильного решения задачи выбора колес нужно располагать информацией не только о подходящей размерности, но и о многом другом:

    • Сезоне эксплуатации автомобиля,
    • качестве дорожного покрытия,
    • стиле вождения,
    • максимально допустимой нагрузке на обе оси транспортного средства,
    • режим, в котором машина эксплуатируется (ежедневно, периодически и т.д.).

    Какие размеры шин и дисков рекомендуются в KOLOBOX для авто Лада Приора?

    Размер автошин и дисков, подходящий конкретному автомобилю, зависит от года его выпуска и модификации.

    Лада Приора, выпускаемая на рынок с 2007 года, представлена на сегодняшний день в единственной модификации.

    LADA PRIORA 01.04.2007
    Шины Диски
    R14
    Оригинал 175/65R14 Оригинал 5.5×14 4*98 d58.5-58.6 ET35
    Оригинал 185/60R14 Замена 5-6×14 4*98 d58.5-100 ET20-39
    Оригинал 185/65R14
    Замена 175/70R14
    Замена 195/60R14
    R15
    Замена 195/55R15 Замена 6-7. 5×15 4*98 d58.5-100 ET20-39
    Замена 195/50R15
    Замена 185/60R15
    Замена 185/55R15

    Судя по данным таблицы, для этого автомобиля рекомендуются следующие параметры покрышек: диаметр 15 или 16 дюймов, ширина от 175 до 195 мм, профиль (отношение ширины к высоте) от 50 до 70 %.

    Возможны и другие вариации этих размеров в большую или меньшую сторону, но с учетом предусмотрения всех негативных последствий, связанных с таким тюнингом.

    Какая резина подходит для автомобиля Лада Приора в зимнее время года?

    Выпускаемая с этим автомобилем, зимняя резина имеет специальный каучуковый состав, который сохраняет свою мягкость и эластичность при различных температурах. Ламели, которыми оснащен рисунок протектора этих покрышек, имеют особую структуру, устраняющую излишнюю влагу, грязь или снег с поверхности резины. Такие колеса поддерживают нужный уровень управляемости автомобилем в зимнее время года.

    Однако у заводских шин есть и свои минусы: недостаточно прочное крепление шипов способствует быстрой их потери, а шум, исходящий от колес во время движения, снижают комфорт при вождении.

    В таблице представлены возможные варианты зимних комплектов шин для автомобиля Лада Приора.

    Зимние автошины для авто Лада Приора Maxxis NP3 Arctic Trekker 89T
    Cordiant Snow Cross (PW-2) 89T
    Laufenn iFIT ICE (LW71) 89T (XL)
    BFGoodrich G-Force Stud 89Q (XL)
    Nitto Therma Spike 85T

    При выборе зимней резины для транспортного средства необходимо обращать больше внимания на качественные ее характеристики, чем на внешние. Низкопрофильная скоростная резина, как способ придать машине агрессивности, более уместна в теплое время года.

    Какие шины подходят для автомобиля Лада Приора в летнее время года?

    Выбор летней резины для каждого автомобиля должен сопровождаться определением стиля вождения.

    Водители, склоняющиеся к спокойному характеру вождения, придерживаясь среднего уровня скорости по городским дорогам, могут выбирать среди бюджетных высокопрофильых моделей. Они обеспечат автовладельцу и его пассажиров необходимым уровнем безопасности и комфорта во время движения.

    Любители агрессивного характера вождения, выбирающие низкопрофильную резину, сталкиваются с высоким уровнем шума во время движения. Каждая неровность дорожного покрытия передается подвеске, что снижает ее износостойкость.

    Можно обратить внимание на следующие марки автомобильных шин: Maxxis, Kama, Cordiant, Goodyear.

    Какие диски рекомендуются для автомобиля Лада Приора?

    Рекомендуемые размеры дисков для авто Лада Приора: 15 и 16 дюймов. Это наиболее комфортные для вождения варианты. Возможна установка и больших размеров, например, 16 дюймов и более, но они вызывают необходимость приобретения низкопрофильных шин.

    Разболтовка, как основной показатель, которого стоит придерживаться при выборе колесных дисков, у Лады имеет следующий вид: 4 отверстий для креплений, находящиеся на окружности диаметром в 98 мм.

    Какое давление рекомендуется для шин автомобиля Лада Приора?

    Для резины диаметром в 14 дюймов следует придерживаться такого давления: 2,0 Атмосфер с возможностью уменьшения до 1,8 Атм для более мягких колес. Этот вариант пригоден для тех владельцев авто, которым кажется, что шины Приоры слишком жесткие, во время езды ощущаются все кочки на дорожном покрытии.

    Для 15-ти дюймовых колес следует поддерживать давление в 2,1-2,2 Атм.

    Каково влияние размера шин и дисков на характеристики автомобиля?

    Рассмотрим влияние в таблице ниже:

    Пожаловаться

    Поблагодарить

    Интернет-магазин KOLOBOX

    Шумовые характеристики и априорные ожидания в восприятии зрительной скорости человеком

    • Опубликовано:
    • Алан А. Стокер 1 и
    • Ээро П. Симончелли 1  

    Неврология природы том 9 , страницы 578–585 (2006 г.)Процитировать эту статью

    • 5850 доступов

    • 438 цитирований

    • 5 Альтметрический

    • Сведения о показателях

    Abstract

    Человеческое визуальное восприятие скорости качественно согласуется с байесовским наблюдателем, который оптимально сочетает шумовые измерения с предварительным предпочтением более низких скоростей. Однако количественная проверка этой модели затруднена, поскольку неизвестны точные шумовые характеристики и предварительные ожидания. Здесь мы представляем расширенную модель наблюдателя, которая учитывает изменчивость субъективных ответов в задаче распознавания скорости. Это позволило нам вывести форму априорной вероятности, а также характеристики внутреннего шума непосредственно из психофизических данных. Для всех испытуемых мы обнаружили, что подобранная модель обеспечивает точное описание данных по широкому диапазону параметров стимула. Предполагаемое априорное распределение показывает значительно более тяжелые хвосты, чем гауссово, а амплитуда внутреннего шума приблизительно пропорциональна скорости стимула и обратно пропорциональна контрасту стимула. Структура является общей и должна оказаться применимой к другим экспериментам и модальностям восприятия.

    Это предварительный просмотр содержимого подписки, доступ через ваше учреждение

    Соответствующие статьи

    Статьи открытого доступа со ссылками на эту статью.

    • Источники уверенности в выборе, основанном на ценностях

      • Йерун Брус
      • , Хелена Эберсолд
      •  … Рафаэль Полания

      Связь с природой Открытый доступ 17 декабря 2021 г.

    • Влияние движения в глубину на перехватывающие ошибки синхронизации в иммерсивной среде

      • Хоан Лопес-Молинер
      •  и Кристина де ла Малья

      Научные отчеты Открытый доступ 09 ноября 2021 г.

    • Многоцентровое отслеживание нескольких агентов передней поясной корой во время преследования и уклонения

      • Сенг Бум Майкл Ю
      • , Джиаксин Синди Ту
      •  и Бенджамин Йост Хайден

      Связь с природой Открытый доступ 31 марта 2021 г.

    Варианты доступа

    Подписаться на журнал

    Получить полный доступ к журналу на 1 год

    99,00 €

    только 8,25 € за выпуск

    Подписаться

    Расчет налогов будет завершен во время оформления заказа.

    Купить статью

    Получите ограниченный по времени или полный доступ к статье на ReadCube.

    32,00 $

    Купить

    Все цены указаны НЕТТО.

    Рис. 1. Иллюстрация байесовской оценки, учитывающей искажения восприятия скорости, вызванные контрастом. Рис. 2. Байесовская оценка и шум измерения. Рис. 3: Байесовская модель наблюдателя для эксперимента по распознаванию скорости 2AFC. Рисунок 4: Параметры байесовской модели наблюдателя, подобранные к данным восприятия двух репрезентативных субъектов. Рис. 5: Воспринимаемая скорость совпадения как функция контраста. Рис. 6: Пороги дискриминации по скорости. Рисунок 7: Сравнение моделей: средняя логарифмическая вероятность экспериментальных данных. Рис. 8: Сравнение моделей: предсказания предвзятости восприятия и дискриминации.

    Ссылки

    1. Томпсон, П. Воспринимаемая скорость движения зависит от контраста. Видение Рез. 22 , 377–380 (1982).

      КАС Статья Google ученый

    2. Стоун, Л. и Томпсон, П. Восприятие скорости человека зависит от контраста. Видение рез. 32 , 1535–1549 (1992).

      КАС Статья Google ученый

    3. Симончелли, Э. Распределенный анализ и представление визуального движения . Диссертация, Массачусетский технологический институт (1993).

      Google ученый

    4. Вайс Ю., Симончелли Э. и Адельсон Э. Иллюзии движения как оптимальное восприятие. Нац. Неврологи. 5 , 598–604 (2002).

      КАС Статья Google ученый

    5. Гельмгольц, Х. Трактат о физиологической оптике (Thoemmes Press, Бристоль, Великобритания, 2000). Оригинальная публикация 1866 г.

      Google ученый

    6. Betsch, B., Einhäuser, W., Körding, K. & König, P. Мир с точки зрения кошки — статистика естественных видео. Биол. киберн. 90 , 41–50 (2004).

      Артикул Google ученый

    7. Рот С. и Блэк М. О пространственной статистике оптического потока. Международная конференция по компьютерному зрению ICCV , 42–49 (2005).

      Google ученый

    8. Донг Д. и Атик Дж. Статистика естественных изменяющихся во времени изображений. Сеть: Вычисл. Нейронная система. 6 , 345–358 (1995).

      Артикул Google ученый

    9. Бреннер, Н., Биалек, В. и де Рюйтер ван Стивенинк, Р. Адаптивное масштабирование обеспечивает максимальную передачу информации. Нейрон 26 , 695–702 (2000).

      КАС Статья Google ученый

    10. Феннема К. и Томпсон В. Определение скорости в сценах, содержащих несколько движущихся объектов. Вычисл. График Процесс изображения. 9 , 301–315 (1979).

      Артикул Google ученый

    11. Хорн Б. и Шунк Б. Определение оптического потока. Артиф. Интел. 17 , 185–203 (1981).

      Артикул Google ученый

    12. Симончелли, Э., Адельсон, Э. и Хигер, Д. Вероятностные распределения оптического потока. Конференция IEEE по компьютерному зрению и распознаванию образов , 310–313 (IEEE, 1991).

      Google ученый

    13. Вебер Дж. и Малик Дж. Надежное вычисление оптического потока в многомасштабной дифференциальной структуре. Междунар. Дж. Вычисл. Вис. 14 , 67–81 (1995).

      Артикул Google ученый

    14. Вайс Ю. и Флит Д. Вероятность скорости в биологическом и машинном зрении. в вероятностных моделях мозга (Bradford Book, MIT Press, Cambridge, Massachusetts, 2002).

      Google ученый

    15. Хюрлиманн Ф., Кипер Д. и Карандини М. Тестирование байесовской модели воспринимаемой скорости. Видение Рез. 42 , 2253–2257 (2002).

      Артикул Google ученый

    16. Стокер, А. А. Аналоговые схемы СБИС для восприятия визуального движения . (John Wiley & Sons, Чичестер, Великобритания, 2006 г.).

      Книга Google ученый

    17. Ascher, D. & Grzywacz, N. Байесовская модель для измерения зрительной скорости. Видение рез. 40 , 3427–3434 (2000).

      КАС Статья Google ученый

    18. Стокер, А. и Симончелли, Э. Ограничение байесовской модели человеческого визуального восприятия скорости. в Достижения в системах обработки нейронной информации NIPS Vol. 17 (редакторы Сол, Л.К., Вайс, Ю. и Ботту, Л.) (MIT Press, Кембридж, Массачусетс, 2005).

      Google ученый

    19. Склар Г., Маунселл Дж. и Ленни П. Кодирование контраста изображения в центральных зрительных путях макаки. Видение рез. 30 , 1–10 (1990).

      КАС Статья Google ученый

    20. Макки С. и Накаяма К. Обнаружение движения в периферическом поле зрения. Видение рез. 24 , 25–32 (1984).

      КАС Статья Google ученый

    21. Макки С., Сильверманн Г. и Накаяма К. Точное распознавание скорости, несмотря на случайные изменения временной частоты и контраста. Видение рез. 26 , 609–619 (1986).

      КАС Статья Google ученый

    22. Welch, L. Восприятие движущихся пледов показывает две стадии обработки движения. Природа 337 , 734–736 (1989).

      КАС Статья Google ученый

    23. Stocker, A. Аналоговый встроенный двухмерный оптический датчик потока. Аналоговый интегр. Схемы Сигнальный Процесс. 46 , 121–138 (2006).

      Артикул Google ученый

    24. Yuille, A. & Grzywacz, N. Вычислительная теория восприятия когерентного визуального движения. Природа 333 , 71–74 (1988).

      КАС Статья Google ученый

    25. Хигер Д. и Симончелли Э. Модель визуального восприятия движения. в Пространственное зрение у людей и роботов (Cambridge Univ. Press, Кембридж, Великобритания, 1994).

      Google ученый

    26. Нилл, округ Колумбия, и Ричардс, В. (ред.). Восприятие как байесовский вывод (Cambridge Univ. Press, Кембридж, Великобритания, 1996).

      Книга Google ученый

    27. Ernst, M. & Banks, M. Люди объединяют визуальную и тактильную информацию статистически оптимальным образом. Природа 415 , 429ff (2002).

      Артикул Google ученый

    28. Хиллис, Дж., Эрнст, М., Бэнкс, М. и Лэнди, М. Объединение сенсорной информации: обязательное слияние внутри, но не между чувствами. Science 298 , 1627ff (2002).

      Артикул Google ученый

    29. Mamassian, P., Landy, M. & Maloney, L. Байесовское моделирование зрительного восприятия. в вероятностных моделях мозга (MIT Press, Кембридж, Массачусетс, 2002).

      Google ученый

    30. Книл, Д. и Сондерс, Дж. Оптимально ли люди интегрируют стереофоническую информацию и информацию о текстуре для оценки наклона поверхности? Видение рез. 43 , 2539–2558 (2003).

      Артикул Google ученый

    31. Алаис Д. и Берр Д. Эффект чревовещателя является результатом почти оптимальной бимодальной интеграции. Курс. биол. 14 , 257–262 (2004).

      КАС Статья Google ученый

    32. Кёрдинг К. и Вольперт Д. Байесовская интеграция в сенсомоторном обучении. Природа 427 , 244–247 (2004).

      Артикул Google ученый

    33. Юйлль, А., Фанг, Ф., Шратер, П. и Керстен, Д. Люди и идеальные наблюдатели для обнаружения кривых изображения. Достижения в области систем обработки нейронной информации NIPS Vol. 16 (ред. Трун, С., Сол, Л. и Шёлькопф, Б.) (MIT Press, Кембридж, Массачусетс, 2004 г.).

      Google ученый

    34. Томпсон П., Брукс К. и Хэммет С. Скорость может увеличиваться и уменьшаться при низком контрасте: значение для моделей восприятия движения. Видение Рез. 46 , 782–786 (2006).

      Артикул Google ученый

    35. Олбрайт, Т. Избирательность направления и ориентации нейронов в зрительной области МТ макаки. J. Нейрофизиол. 52 , 1106–1130 (1984).

      КАС Статья Google ученый

    36. Мовшон Дж., Адельсон Э., Гиззи М. и Ньюсом В. Анализ движущихся визуальных паттернов. Экспл. Мозг Res. Доп. 11 , 117–151 (1985).

      Артикул Google ученый

    37. Бриттен К., Шадлен М., Ньюсом В. и Мовшон А. Анализ визуального движения: сравнение нейронной и психофизической активности. J. Neurosci. 12 , 4745–4765 (1992).

      КАС Статья Google ученый

    38. Прибе, Н. и Лисбергер, С. Оценка целевой скорости по реакции населения в визуальной области MT. Дж. Неврологи. 24 , 1907–1916 (2004).

      КАС Статья Google ученый

    39. Пуже, А., Даян, П. и Земель, Р. Вывод и расчет с кодами населения. год. Преподобный Нейроски. 26 , 381–410 (2003).

      КАС Статья Google ученый

    40. Шадлен М., Бриттен К., Ньюсом В. и Мовшон Дж. Вычислительный анализ взаимосвязи между нейронными и поведенческими реакциями на визуальное движение. Дж. Неврологи. 16 , 1486–1510 (1996).

      КАС Статья Google ученый

    41. Новер, Х., Андерсон, К. и ДеАнджелис, Г. Логарифмическое, масштабно-инвариантное представление скорости в средней височной области макаки объясняет эффективность распознавания скорости. J. Neurosci. 25 , 10049–10060 (2005 г.).

      КАС Статья Google ученый

    42. Симончелли, Э.П. Локальный анализ визуального движения. в The Visual Neurosciences (MIT Press, Кембридж, Массачусетс, 2003).

      Google ученый

    43. Пак, К., Хантер, Дж. и Борн, Р. Контрастная зависимость подавляющих влияний в области МТ коры бдительной макаки. J. Нейрофизиол. 93 , 1809–1815 (2005 г.).

      Артикул Google ученый

    44. Стокер А. и Симончелли Э. Сенсорная адаптация в рамках байесовской концепции восприятия. в Достижения в системах обработки нейронной информации NIPS Vol. 18 (MIT Press, Ванкувер, 2006 г.).

      Google ученый

    45. Грин, Д. и Сутс, Дж. Теория обнаружения сигналов и психофизика (Wiley, Нью-Йорк, 1966).

      Google ученый

    46. Wickens, TD Elementary Signal Detection Theory (Oxford University Press, Oxford, 2001).

      Книга Google ученый

    Скачать ссылки

    Благодарности

    Авторы благодарят всех испытуемых за участие в психофизических экспериментах. Благодаря Дж.А. Мовшон и Д. Хигер за полезные комментарии к рукописи. Эта работа в основном финансировалась Медицинским институтом Говарда Хьюза.

    Информация об авторе

    Авторы и организации

    1. Медицинский институт Говарда Хьюза, Центр нейронных наук и Институт математических наук Куранта, Нью-Йоркский университет, 4 Washington Place Rm 809, New York, 10003, New York, USA

      Alan A Stocker & Eero P Simoncelli

    Авторы

    1. Alan A Stocker

      Посмотреть публикации автора

      Вы также можете искать этого автора в PubMed Google Академия

    2. Eero P Simoncelli

      Посмотреть публикации автора

      Вы также можете искать этого автора в PubMed Google Scholar

    Автор, ответственный за корреспонденцию

    Алан Стокер.

    Декларации этики

    Конкурирующие интересы

    Авторы не заявляют о конкурирующих финансовых интересах.

    Дополнительная информация

    Дополнительный рис. 1

    Необработанные психометрические данные, полученные от субъектов 1 и 2 во всех тестируемых условиях. (PDF 1756 кб)

    Права и разрешения

    Перепечатка и разрешения

    Об этой статье

    Эта статья цитируется

    • Эффективное кодирование чисел объясняет погрешность решения и шум

      • Артур Прат-Каррабин
      • Майкл Вудфорд

      Природа Поведение человека (2022)

    • Баскетбольные видео, представленные на экране компьютера, выглядят медленнее, чем в виртуальной реальности.

      • Габриэль Ричард
      • Джонатан С. А. Карьер
      • Максим Тремпе

      Когнитивная обработка (2022)

    • Многоцентровое отслеживание нескольких агентов передней поясной корой во время преследования и уклонения

      • Сенг Бум Майкл Ю
      • Цзясинь Синди Ту
      • Бенджамин Йост Хайден

      Nature Communications (2021)

    • Человеческое визуальное восприятие движения показывает признаки байесовского структурного вывода

      • Сичао Ян
      • Йоханнес Билл
      • Сэмюэл Дж. Гершман

      Научные отчеты (2021)

    • Обратная связь по скорости сустава улучшает адаптацию миоэлектрического протеза после нарушенного доступа у пациентов без ампутированных конечностей

      • Эрик Дж. Эрли
      • Рева Э. Джонсон
      • Леви Дж. Харгроув

      Научные отчеты (2021)

    Объединение различных априорных функций — наука о градиентах

    Бумага Код

    В нашей новой статье мы более подробно рассмотрим пространство проектирования так называемых априорных признаков, то есть априорных значений, которые искажают признаки, на которые опирается модель. Мы показываем, что модели, обученные с различными наборами таких априорных значений, имеют меньше перекрывающихся режимов отказа и могут исправлять ошибки друг друга.

    В основе успеха глубокого обучения лежит его способность автоматически извлекать полезные функции из необработанных данных, например пикселей изображения. Следовательно, набор таких изученных функций оказывает большое влияние на способность модели глубокого обучения к обобщению, особенно когда условия развертывания отклоняются от среды обучения. Например, модель, которая сильно зависит от фона изображения, может иметь проблемы с распознаванием коровы на пляже, если во время обучения она в основном сталкивалась с коровами на траве.

    Итак, как можно управлять функциями, на которые опирается модель? Это часто достигается путем изменения архитектуры модели или методологии обучения. Например, выбрав использование сверточной нейронной сети, разработчик модели склоняет эту модель к изучению иерархии пространственных признаков. Точно так же, используя дополнение данных во время обучения, модель смещается в сторону функций, которые инвариантны для конкретных используемых дополнений. На самом деле, исследователи недавно исследовали явное манипулирование набором функций, которые изучает модель, например, путем подавления информации о текстуре путем обучения на стилизованных входных данных или путем обучения с наихудшими входными возмущениями, чтобы избежать хрупких функций.

    Теперь все эти варианты дизайна можно рассматривать как навязывание априорных признаков, т. е. смещение модели в сторону изучения определенного типа признаков. Таким образом, возникает вопрос: как мы можем исследовать и использовать это пространство априорных признаков более систематическим и целенаправленным образом?

    Априорные функции как различные точки зрения на данные

    Основная идея состоит в том, чтобы рассматривать различные априорные признаки функций как разные точки зрения на данные. То есть, поскольку разные наборы функций, вероятно, по-разному обобщаются для входных данных, рассматривая несколько таких наборов в тандеме, мы можем получить более целостное (и, таким образом, мы надеемся, надежное) представление о наших данных.

    Подготовка нашего тематического исследования: Давайте сосредоточим наше внимание на двух конкретных априорных признаках: форме и текстуре. Эти два априора естественным образом возникают в контексте классификации изображений и послужат основой нашего исследования. Мы навязываем эти априорные значения посредством преднамеренного построения набора данных и архитектуры:

    .
    • Приоритеты на основе формы : Мы удаляем информацию о текстуре из изображений с помощью алгоритма обнаружения краев. Мы используем для этой цели два канонических алгоритма обнаружения границ из литературы по компьютерному зрению: Canny и Sobel.
    • Приоритеты на основе текстур : мы используем вариант модели BagNet, который ограничивает восприимчивое поле модели, чтобы модель не полагалась на глобальные структуры, такие как форма.

    Оригинал

    Собель

    хитрый

    Багнет

    Визуализация различных априорных функций. Sobel и Canny подавляют текстуру за счет обнаружения краев, а BagNet подавляет форму, ограничивая восприимчивое поле.

    Интуитивно эти априорные значения должны соответствовать очень разным наборам признаков. Но действительно ли взгляды, предлагаемые этими априорами, дополняют друг друга? Простой способ измерить это — количественно определить перекрытие видов отказов моделей, обученных с соответствующими априорными значениями. В частности, мы измеряем корреляцию предсказания правильной метки для каждой пары таких моделей. Мы проводим этот анализ на подмножестве CIFAR-10.

    Корреляция прогнозов между парами моделей с разными априорными значениями в подмножестве CIFAR-10. Модели, ориентированные на форму и текстуру, имеют наименее коррелированные прогнозы.

    Похоже, эти результаты совпадают с нашей интуицией! Действительно, модели, соответствующие одним и тем же априорным признакам (но разным случайным инициализациям), относительно хорошо коррелируют друг с другом. Это также включает случай, когда мы используем два различных смещения формы . С другой стороны, когда мы рассматриваем пару модели, ориентированной на форму, и модели, ориентированной на текстуру, прогнозы наименее коррелированы, то есть они делают разные ошибки на тестовом наборе.

    Комбинация фич приоры

    Поскольку модели, ориентированные на форму и текстуру, допускают разные типы ошибок, можем ли мы использовать их разнообразие для улучшения наших прогнозов?

    Ансамбли

    Естественный способ ответить на этот вопрос – объединить эти модели в ансамбль. Этот ансамбль для данного тестового входа оценивает обе модели на этом входе, а затем выводит одно предсказание, которому соответствующая модель присваивает наибольшую вероятность. Оказывается, действительно такой ансамбль оказывается значительно точнее, когда мы объединяем таким образом модели с разными априорами (в отличие от объединения двух моделей, обученных на одном и том же априоре, но с разными инициализациями). Очевидно, что разнообразие прогнозов имеет значение!

    Максимальная точность достигается при использовании одной модели, ансамбля из двух моделей с одним и тем же априором и ансамбля из двух моделей с разными априорами в подмножестве CIFAR-10.

    Совместное обучение

    До сих пор мы продемонстрировали, что модели с различными априорными функциями имеют меньше перекрывающихся режимов отказа и могут быть объединены посредством ансамбля для повышения производительности обобщения. Однако это все? В частности, существуют ли способы включения предшествующего разнообразия во время обучения (в отличие от объединения постфактум) для улучшения самого процесса обучения?

    Чтобы ответить на этот вопрос, мы сосредоточимся на самообучении, методологии, часто используемой, когда размеченных данных недостаточно для изучения одной хорошо обобщающей модели, но доступен большой пул неразмеченных данных. Ключевая идея самообучения состоит в том, чтобы использовать модель, обученную на размеченных данных, для создания «псевдометок» для неразмеченных данных, а затем использовать эти метки для дальнейшего обучения. Эта настройка особенно сложна, поскольку: (а) (исходных) помеченных точек данных обычно слишком мало для изучения надежных правил прогнозирования, и (б) любые изученные неправильные правила прогнозирования будут подкрепляться псевдомаркировкой (так называемая «систематическая ошибка подтверждения»). »).

    С этой точки зрения наша цель состоит в том, чтобы совместно обучать модели с разными априорными признаками, чтобы смягчить распространение таких неверных правил прогнозирования. Мы сделаем это, используя хорошо зарекомендовавшую себя структуру совместного обучения, структуру, предназначенную для обучения на основе данных с несколькими независимыми наборами функций. В контексте нашего исследования мы можем реализовать эту структуру следующим образом.

    Сначала мы обучаем одну модель для каждого априора, используя размеченные данные. Затем мы используем каждую из этих моделей для псевдомаркировки немаркированных данных и добавляем примеры, которым присвоена самая высокая прогнозируемая вероятность, в совместный пул псевдомаркированных данных. Затем мы используем эти примеры для дальнейшего обучения обеих моделей и продолжаем повторять этот процесс, пока в конечном итоге не используем все немаркированные данные для обучения. В итоге мы объединяем эти модели в единый классификатор, обучая с нуля стандартную модель на объединенных псевдометках.

    Интуиция, лежащая в основе этого процесса, заключается в том, что при совместном обучении моделей, которые полагаются на разные функции, эти модели могут учиться на предсказаниях друг друга. Если одна модель выдает неправильные псевдометки, мы можем надеяться, что другая модель исправит их, полагаясь на альтернативные правила прогнозирования.

    Итак, насколько хорошо работает этот подход? Чтобы оценить это, мы извлекаем из набора данных CIFAR-10 небольшую помеченную часть (100 примеров на класс) и обрабатываем остальную часть этого набора данных без маркировки. Затем мы сравниваем, как разные методы обучения, в частности, самообучение модели с одним априором и совместное обучение моделей с разными априорными параметрами, работают в этих условиях. (Для дополнительной основы мы также рассматриваем объединение двух таких моделей с разными априорными значениями вместе.)

    Проверка точности моделей в условиях предварительного обучения, самообучения и совместного обучения. Мы рассматриваем: одну модель в отдельности, объединение нескольких моделей с одним и тем же априором и комбинирование моделей с разными априорами.

    В целом, мы обнаружили, что совместное обучение с априорными данными на основе формы и текстуры может значительно повысить точность тестирования окончательной модели по сравнению с самообучением только с любым из априорных значений. На самом деле, модели совместного обучения с разными априорами также значительно улучшаются при простом объединении самообучаемых моделей в ансамбль. Таким образом, эти модели действительно могут использовать прогнозы друг друга во время обучения.

    Априорные и ложные корреляции

    До сих пор мы были сосредоточены на настройке, в которой все обучающие и тестовые данные были получены из одного и того же дистрибутива. Однако серьезной проблемой для развертывания модели в реальном мире являются ложные корреляции: ассоциации, которые предсказуемы для обучающих данных, но недействительны для реальной задачи. Например, модель классификации изображений может предсказывать класс объекта на основе его местоположения или полагаться на артефакты процесса сбора данных.

    Как мы можем обучать модели, чтобы избежать таких ложных корреляций? Прежде всего, чтобы решить эту проблему, нам нужно полагаться на некоторую информацию, выходящую за рамки обучающих данных. Здесь мы предположим, что у нас есть доступ к немаркированному набору данных, в котором эта корреляция не выполняется (например, коровы не всегда появляются на траве, и, таким образом, корреляция «трава» -> «корова» не всегда предсказуема). Это довольно мягкое предположение в условиях, когда мы можем легко собирать неразмеченные данные из различных источников — если корреляция ложная, вероятность того, что она присутствует равномерно, меньше.

    В качестве конкретного примера рассмотрим простую задачу классификации пола на основе набора данных CelebA. В этой задаче мы введем ложную корреляцию в размеченные данные, собрав только фотографии светловолосых женщин и небелокурых мужчин. Это делает цвет волос хорошим предсказателем пола для помеченного набора данных, но не будет обобщать дальше этого, поскольку такая корреляция не выполняется в реальном мире.

    Наша цель здесь будет состоять в том, чтобы использовать беспристрастный, но немаркированный набор данных, чтобы изучить модель, которая позволяет избежать этой корреляции. Мы снова попытаемся сделать это путем совместного обучения моделей с различными априорными признаками: формой и текстурой. Обратите внимание, что, поскольку ложная корреляция основана на цвете, модели, ориентированные на форму, скорее всего, ее проигнорируют. В результате мы ожидаем, что предсказания моделей, ориентированных на форму и текстуру, будут различаться для входных данных, в которых цвет волос не согласуется с полом. Таким образом, во время совместного обучения эти модели интуитивно предоставляют друг другу контрпримеры и, таким образом, могут увести друг друга от неверных правил прогнозирования.

    Точность моделей с различными априорными признаками на (беспристрастном) тестовом наборе CelebA. Мы рассматриваем настройку использования только (предвзятых) размеченных данных, а также самообучение и совместное обучение с использованием (непредвзятого) неразмеченного набора данных. (Для совместного обучения комбинированная модель представляет собой стандартную модель, обученную на комбинированных псевдометках совместно обученных моделей Canny и BagNet.)

    Мы видим, что это действительно так! Когда мы совместно обучаем модель, ориентированную на текстуру, с моделью, ориентированной на форму, модель, ориентированная на текстуру, существенно улучшается, меньше полагаясь на цвет волос. Более того, модель, ориентированная на форму, также улучшается благодаря совместному обучению. Это указывает на то, что, несмотря на то, что модель, основанная на текстуре, в значительной степени зависит от ложной корреляции, она также фиксирует не ложные ассоциации, которые посредством псевдомаркировки полезны и для модели, основанной на форме.

    В этом посте мы описали, как модели, обученные с различными априорными признаками, можно использовать во время обучения для изучения более надежных правил прогнозирования (например, при наличии ложных корреляций). Тем не менее, мы рассматриваем наше исследование только как первый шаг в систематическом изучении пространства проектирования априорных признаков. Мы считаем, что это направление даст важный строительный блок надежных конвейеров обучения и развертывания.

    Включите JavaScript для просмотра комментариев с помощью Disqus.

    Предварительные ожидания визуального восприятия скорости позволяют прогнозировать характеристики кодирования нейронов в области MT

    . 2022 6 апреля; 42 (14): 2951-2962.

    doi: 10.1523/JNEUROSCI.1920-21.2022. Epub 2022 15 февраля.

    Лин-Ци Чжан, Алан А. Стокер

    • PMID: 35169018
    • PMCID: PMC8985856 (доступно на )
    • DOI: 10.1523/JNEUROSCI.1920-21.2022

    Лин-Ци Чжан и др. Дж. Нейроски. .

    . 2022 6 апреля; 42 (14): 2951-2962.

    doi: 10.1523/JNEUROSCI.1920-21.2022. Epub 2022 15 февраля.

    Авторы

    Лин-Ци Чжан, Алан А. Стокер

    • PMID: 35169018
    • PMCID: PMC8985856 (доступно на )
    • DOI: 10.1523/JNEUROSCI.1920-21.2022

    Абстрактный

    Байесовский вывод обеспечивает элегантную теоретическую основу для понимания характерных предубеждений и порогов различения при визуальном восприятии скорости. Однако эту схему трудно проверить из-за ее гибкости и отсутствия подходящих ограничений на структуру сенсорной неопределенности. Здесь мы демонстрируем, что байесовская модель наблюдателя, ограниченная эффективным кодированием, не только хорошо объясняет восприятие зрительной скорости человеком, но и обеспечивает точное количественное описание характеристик настройки нейронов, известных тем, что они представляют зрительную скорость. В частности, мы обнаружили, что точность кодирования населения для визуальной скорости в области MT («нейронная априорная») точно предсказывается степенным законом медленной априорной скорости, извлеченной из подгонки байесовской модели наблюдателя к психофизическим данным («поведенческая априорная») до такой степени, что два априорных значения неразличимы при сравнении моделей перекрестной проверки. Наши результаты демонстрируют количественную проверку байесовской модели наблюдателя, ограниченную эффективным кодированием как на поведенческом, так и на нейронном уровнях. ЗАЯВЛЕНИЕ О ЗНАЧИМОСТИ Статистические закономерности окружающей среды играют важную роль в формировании как нейронных репрезентаций, так и перцептивного поведения. В большинстве предыдущих работ эти два аспекта рассматривались независимо друг от друга. Здесь мы представляем количественную проверку теоретической основы, которая делает совместные прогнозы для нейронного кодирования и поведения, основываясь на предположении, что нейронные представления сенсорной информации эффективны, но также оптимально используются при создании восприятия. В частности, мы демонстрируем, что характеристики нейронной настройки для зрительной скорости в области МТ точно предсказываются статистическими априорными ожиданиями, извлеченными из психофизических данных. Таким образом, наши результаты обеспечивают нормативную связь между перцептивным поведением и нейронным представлением сенсорной информации в мозгу.

    Ключевые слова: байесовская модель; закон Вебера; эффективное кодирование; нейронное представление; скорость перед.

    Copyright © 2022 авторы.

    Похожие статьи

    • Логарифмическое, масштабно-инвариантное представление скорости в средней височной области макаки объясняет эффективность распознавания скорости.

      Новер Х., Андерсон К.Х., ДеАнджелис Г.К. Новер Х и др. Дж. Нейроски. 2005 г., 26 октября; 25 (43): 10049-60. doi: 10.1523/JNEUROSCI.1661-05.2005. Дж. Нейроски. 2005. PMID: 16251454 Бесплатная статья ЧВК.

    • Шумовые характеристики и априорные ожидания в зрительном восприятии скорости человеком.

      Stocker AA, Simoncelli EP. Стокер А.А. и соавт. Нат Нейроски. 2006 апр;9(4):578-85. дои: 10.1038/nn1669. Epub 2006 19 марта. Нат Нейроски. 2006. PMID: 16547513

    • Но все же оно движется: статистика статического изображения лежит в основе того, как мы видим движение.

      Ридо Р., Уэлчман А.Э. Ридо Р. и др. Дж. Нейроски. 2020 18 марта; 40 (12): 2538-2552. doi: 10.1523/JNEUROSCI.2760-19.2020. Epub 2020 13 февраля. Дж. Нейроски. 2020. PMID: 32054676 Бесплатная статья ЧВК.

    • Нейронная основа нарушения закона Вебера в восприятии собственного движения.

      Кэрриот Дж., Каллен К.Е., Чакрон М.Дж. Кэрриот Дж. и др. Proc Natl Acad Sci U S A. 2021 Sep 7;118(36):e2025061118. doi: 10.1073/pnas.2025061118. Proc Natl Acad Sci U S A. 2021. PMID: 34475203 Бесплатная статья ЧВК.

    • Перцептивный вывод.

      Ангелопулос Северная Каролина. Ангелопулос, Северная Каролина. Neurosci Biobehav Rev. 2015 Aug; 55: 375-92. doi: 10.1016/j.neubiorev.2015.05.001. Epub 2015 11 мая. Neurosci Biobehav Rev. 2015. PMID: 25976632 Обзор.

    Посмотреть все похожие статьи

    Типы публикаций

    термины MeSH

    Тестирование влияния априорных показателей распространенности признаков на байесовское моделирование генетического прогнозирования черт внешности человека

    Сохранить цитату в файл

    Формат: Резюме (текст)PubMedPMIDAbstract (текст)CSV

    Добавить в коллекции

    • Создать новую коллекцию
    • Добавить в существующую коллекцию

    Назовите свою коллекцию:

    Имя должно содержать менее 100 символов

    Выберите коллекцию:

    Не удалось загрузить вашу коллекцию из-за ошибки
    Повторите попытку

    Добавить в мою библиографию

    • Моя библиография

    Не удалось загрузить делегатов из-за ошибки
    Повторите попытку

    Ваш сохраненный поиск

    Название сохраненного поиска:

    Условия поиска:

    Тестовые условия поиска

    Эл. адрес: (изменить)

    Который день? Первое воскресеньеПервый понедельникПервый вторникПервая средаПервый четвергПервая пятницаПервая субботаПервый деньПервый рабочий день

    Который день? воскресеньепонедельниквторниксредачетвергпятницасуббота

    Формат отчета: РезюмеРезюме (текст)АбстрактАбстракт (текст)PubMed

    Отправить максимум: 1 шт. 5 шт. 10 шт. 20 шт. 50 шт. 100 шт. 200 шт.

    Отправить, даже если нет новых результатов

    Необязательный текст в электронном письме:

    Создайте файл для внешнего программного обеспечения для управления цитированием

    Полнотекстовые ссылки

    Эльзевир Наука

    Полнотекстовые ссылки

    . 2021 янв;50:102412.

    doi: 10.1016/j.fsigen.2020.102412. Epub 2020 4 ноября.

    Мария-Александра Катсара 1 , Войцех Браницкий 2 , Эвелина Поспех 3 , Пирро Хиси 4 , Сьюзан Уолш 5 , Манфред Кайзер 6 , Майкл Нотнагель 7 , Консорциум VISAGE

    Принадлежности

    • 1 Кельнский центр геномики, Кельнский университет, Кельн, Германия.
    • 2 Малопольский центр биотехнологии, Ягеллонский университет, Краков, Польша; Центральная судебно-медицинская лаборатория полиции, Варшава, Польша.
    • 3 Малопольский центр биотехнологии, Ягеллонский университет, Краков, Польша.
    • 4 Отделение исследований близнецов и генетической эпидемиологии, больница Св. Томаса, кампус, Королевский колледж Лондона (KCL), Лондон, Великобритания.
    • 5 Факультет биологии, Университет Индианы, Университет Пердью, Индианаполис (IUPUI), Индианаполис, Индиана, США.
    • 6 Отделение генетической идентификации, Медицинский центр Университета Эразма, Роттердам, Роттердам, Нидерланды.
    • 7 Кельнский центр геномики, Кельнский университет, Кельн, Германия; Университетская клиника Кельна, Кёльн, Германия. Электронный адрес: [email protected]
    • PMID: 33260052
    • DOI: 10.1016/j.fsigen.2020.102412

    Бесплатная статья

    Мария-Александра Катсара и др. Судебно-медицинская экспертиза Int Genet. 2021 Январь

    Бесплатная статья

    . 2021 янв;50:102412.

    doi: 10.1016/j.fsigen.2020.102412. Epub 2020 4 ноября.

    Авторы

    Мария-Александра Катсара 1 , Войцех Браницкий 2 , Эвелина Поспех 3 , Пирро Хиси 4 , Сьюзан Уолш 5 , Манфред Кайзер 6 , Майкл Нотнагель 7 , Консорциум VISAGE

    Принадлежности

    • 1 Кельнский центр геномики, Кельнский университет, Кельн, Германия.
    • 2 Малопольский центр биотехнологии, Ягеллонский университет, Краков, Польша; Центральная судебно-медицинская лаборатория полиции, Варшава, Польша.
    • 3 Малопольский центр биотехнологии, Ягеллонский университет, Краков, Польша.
    • 4 Отделение исследований близнецов и генетической эпидемиологии, больница Св. Томаса, кампус, Королевский колледж Лондона (KCL), Лондон, Великобритания.
    • 5 Факультет биологии, Университет Индианы, Университет Пердью, Индианаполис (IUPUI), Индианаполис, Индиана, США.
    • 6 Отделение генетической идентификации, Медицинский центр Университета Эразма, Роттердам, Роттердам, Нидерланды.
    • 7 Кельнский центр геномики, Кельнский университет, Кельн, Германия; Университетская клиника Кельна, Кёльн, Германия. Электронный адрес: [email protected]
    • PMID: 33260052
    • DOI: 10.1016/j.fsigen.2020.102412

    Абстрактный

    Прогнозирование черт внешности с использованием исключительно генетической информации стало признанным подходом, и для этой цели уже разработан ряд моделей статистического прогнозирования. Однако, учитывая ограниченные знания о генетике внешности, доступные в настоящее время модели являются неполными и не включают все причинные генетические варианты в качестве предикторов. Следовательно, такие модели прогнозирования могут выиграть от включения дополнительной информации, которая выступает в качестве косвенного показателя этого неизвестного генетического фона. Таким образом, использование априорных значений, возможно, основанных на значениях распространенности категории признаков в группах биогеографического происхождения, в байесовской структуре может повысить точность прогнозирования ранее предсказанных внешне видимых характеристик, но на данный момент это не исследовалось. В этом исследовании мы оценили влияние использования априорных данных с информацией о распространенности признаков на эффективность прогнозирования в байесовских моделях для цвета глаз, волос и кожи, а также структуры волос и веснушек по сравнению с соответствующими моделями без априорных значений. Эти безаприорные модели были либо определены аналогичным образом, либо очень близки к уже установленным с использованием сокращенного набора прогностических маркеров. Однако эти различия в количестве прогностических маркеров не должны существенно влиять на наши основные результаты. Мы заметили, что такие априорные факторы часто оказывали сильное влияние на эффективность прогнозирования, но в разной степени для разных признаков, а также для разных категорий признаков, при этом некоторые категории едва показывали влияние. Хотя мы обнаружили потенциал для повышения точности предсказания многих категорий признаков внешности, проверенных с использованием априорных значений, наш анализ также показал, что неправильная спецификация этих априорных значений часто значительно снижала точность по сравнению с соответствующим подходом без априорных значений. Это подчеркивает важность точной спецификации априорных данных, основанных на распространенности, в моделировании байесовского прогнозирования черт внешности. Однако имеющиеся литературные данные о распространенности в пространстве для большинства черт внешности, в том числе исследованных здесь, скудны. Из-за ограничений в знаниях о распространенности черт внешности наши результаты делают использование априорных данных о распространенности черт в прогнозировании черт внешности на основе ДНК в настоящее время невозможным.

    Ключевые слова: Появления; Внешне видимые характеристики; Судебно-медицинское фенотипирование ДНК; генетическое предсказание; Влияние предшествующих событий; Предиктивный анализ ДНК.

    Copyright © 2020 Автор(ы). Опубликовано Elsevier B.V. Все права защищены.

    Похожие статьи

    • Влияние корреляций между фенотипами пигментации и лежащими в их основе генотипами на генетическое предсказание признаков пигментации.

      Чен Ю., Браницки В., Уолш С., Нотнагель М., Кайзер М., Лю Ф.; Консорциум ВИЗАЖ. Чен Ю и др. Судебно-медицинская экспертиза Int Genet. 2021 янв;50:102395. doi: 10.1016/j.fsigen.2020.102395. Epub 2020 24 сентября. Судебно-медицинская экспертиза Int Genet. 2021. PMID: 33070049

    • Оценка контролируемых методов машинного обучения для прогнозирования черт внешности по ДНК.

      Катсара М.А., Браницки В., Уолш С., Кайзер М., Нотнагель М.; Консорциум ВИЗАЖ. Катсара М.А. и соавт. Судебно-медицинская экспертиза Int Genet. 2021 июль;53:102507. doi: 10.1016/j.fsigen.2021.102507. Epub 2021 23 марта. Судебно-медицинская экспертиза Int Genet. 2021. PMID: 33831816

    • Истинные цвета: обзор литературы о пространственном распределении пигментации глаз и волос.

      Катсара М.А., Нотнагель М. Катсара М.А. и соавт. Судебно-медицинская экспертиза Int Genet. 2019 март; 39: 109-118. doi: 10.1016/j.fsigen.2019.01.001. Epub 2019 2 января. Судебно-медицинская экспертиза Int Genet. 2019. PMID: 30639910 Обзор.

    • Система HIrisPlex-S для прогнозирования цвета глаз, волос и кожи по ДНК: решения для массового параллельного секвенирования для двух распространенных судебно-медицинских платформ.

      Бреслин К., Уиллс Б., Ральф А., Вентайол Гарсия М., Кукла-Бартошек М., Поспех Э., Фрейре-Арадас А., Ксавье С., Ингольд С., де ла Пуэнте М., ван дер Гааг К.Дж., Херрик Н., Хаас С., Парсон В., Филлипс С., Сиджен Т., Браницки В., Уолш С., Кайзер М. Бреслин К. и соавт. Судебно-медицинская экспертиза Int Genet. 2019 ноябрь;43:102152. doi: 10.1016/j.fsigen.2019.102152. Epub 2019 26 августа. Судебно-медицинская экспертиза Int Genet. 2019. PMID: 31518964

    • Судебно-медицинское фенотипирование ДНК: прогнозирование внешности человека по материалам с места преступления для следственных целей.

      Кайзер М. Кайзер М. Судебно-медицинская экспертиза Int Genet. 2015 сен;18:33-48. doi: 10.1016/j.fsigen.2015.02.003. Epub 2015 16 февраля. Судебно-медицинская экспертиза Int Genet. 2015. PMID: 25716572 Обзор.

    Посмотреть все похожие статьи

    Типы публикаций

    термины MeSH

    вещества

    Грантовая поддержка

    • WT_/Wellcome Trust/Великобритания
    • MRC_/Совет по медицинским исследованиям/Великобритания
    • DH_/Министерство здравоохранения/Соединенное Королевство

    Полнотекстовые ссылки

    Эльзевир Наука

    Укажите

    Формат: ААД АПА МДА НЛМ

    Отправить по номеру

    Влияние предшествующих клинических навыков и контекстных характеристик студентов на баллы мини-CEX в канцелярских должностях – многоуровневый анализ | BMC Medical Education

    • Исследовательская статья
    • Открытый доступ
    • Опубликовано:
    • Аня Рогауш 1,5 ,
    • Кристин Бейелер 1 ,
    • Stephanie Montagne 1 ,
    • Patrick Jucker-Kupper 1 ,
    • Christoph Berendonk 1 ,
    • Sören Huwendiek 1 ,
    • Armin Gemperli 2,3 &
    • Вольфганг Химмель 4  

    Медицинское образование BMC том 15 , Номер статьи: 208 (2015) Процитировать эту статью

    • 3225 доступов

    • 13 цитирований

    • 1 Альтметрический

    • Сведения о показателях

    Abstract

    История вопроса

    В отличие от объективных структурированных клинических осмотров (OSCE), мини-клинические оценочные упражнения (mini-CEX) проводятся на рабочем месте в клинике. Поскольку и мини-CEX, и ОСКЭ оценивают клинические навыки, но в разных контекстах, это исследование направлено на анализ того, в какой степени результаты мини-CEX учащихся могут быть предсказаны на основе их недавних оценок ОСКЭ и/или характеристик контекста.

    Методы

    Студенты-медики приняли участие в ОСКЭ в конце 3-го года обучения и в 11 мини-CEX в течение 5 различных стажировок 4-го года обучения. Средний балл учащихся 9Клинические навыки Были рассчитаны станции ОСКЭ и средние «общие» и «доменные» баллы мини-CEX, усредненные по всем мини-CEX каждого учащегося. Линейный регрессионный анализ, включая случайные эффекты, использовался для прогнозирования показателей мини-CEX по результатам ОСКЭ и характеристикам клиник, тренеров, студентов и оценок.

    Результаты

    В общей сложности 512 инструкторов в 45 клиниках предоставили 1783 рейтинга мини-CEX для 165 студентов; Результаты ОСКЭ были доступны для 144 студентов (87 %). Наибольшее влияние на прогноз «общих» показателей мини-CEX оказало клиническое положение тренеров с коэффициентом регрессии 0,55 (9).5%-ДИ: 0,26–0,84; p  < .001) для резидентов по сравнению с начальниками отделений. Очень сложные задачи и оценки, проводимые в крупных клиниках, также значительно повысили «общие» баллы мини-CEX. Напротив, высокие показатели по шкале ОБСЕ не привели к значительному увеличению «общих» баллов по мини-CEX.

    Заключение

    В нашем исследовании баллы Mini-CEX зависели скорее от контекстных характеристик, чем от клинических навыков учащихся, как показано в ОСКЕ. Обсуждаются способы, которые сосредоточены либо на повышении достоверности оценок, либо на использовании только описательных комментариев.

    Отчеты экспертной оценки

    История вопроса

    Оценка учащихся в медицинском образовании все больше ориентируется на определенные результаты, включая адекватное применение навыков и знаний в клинических условиях [1–3]. Оценка на рабочем месте (WBA) стала важным элементом в этом развитии, направленным на оценку на самом высоком уровне пирамиды Миллера, уровне «делает» [4, 5]. Они дополняют другие методы оценки, такие как объективные структурированные клинические экзамены (OSCE), которые также оценивают клинические навыки, но на уровне Миллера «показывает, как» в более стандартизированных условиях [6].

    И ОСКЭ, и ВБА включают наблюдение за учащимся подготовленным учителем, структурированное в виде рейтинговой формы. В то время как ОСКЭ основаны на различных заранее определенных станциях, ЗВП, такие как мини-упражнения по клинической оценке (мини-CEX) [7, 8], включают менее заранее определенные встречи в повседневной клинической практике. Тем не менее, как в ОСКЭ, так и в мини-CEX множественные баллы, усредненные по этим различным встречам/станциям и включающие разные случаи, пациентов и оценщиков, должны представлять достоверную картину клинических навыков учащегося [3].

    Документально подтверждено, что ОСКЭ могут давать надежные и достоверные результаты [9–12]. Аналогичным образом, в нескольких исследованиях сообщалось о доказательствах надежности и достоверности мини-CEX [13–17]. Однако в своем обзоре инструментов WBA Pelgrim et al. подчеркивал, что «из-за своего довольно субъективного характера такие инструменты, как mini-CEX, на самом деле могут быть весьма уязвимы для предвзятости» [16]. В повседневных клинических применениях WBA качество оценки зависит от оценщиков, использующих этот инструмент, и, возможно, также от характеристик контекста, влияющих на обработку информации оценщиками [18–21]. Эти контекстные характеристики обобщены в модели процесса оценки эффективности, разработанной ДеНизи и адаптированной Говартсом [18, 22]. Он включает в себя сигналы, связанные с (1) успеваемостью учащихся, (2) оценщиками, (3) дизайном оценивания и (4) организационной средой, которые определенным образом влияют на рейтинги тренеров [18, 22].

    Поэтому неудивительно, что оценки WBA в стандартных условиях без личного взаимодействия с учащимся (например, оценка записанного на видео выступления) часто отличаются от оценок WBA на рабочем месте в клинике: склонны к эффектам ореола, ограничению диапазона и снисходительности [1, 15, 23–27] и не различают уровни производительности или параметры производительности [1, 24, 28]. Напротив, исследования в стандартизированных условиях WBA, которые имеют некоторое сходство с ОСКЭ (т. е. оценка успеваемости незнакомых учащихся, отсутствие личных отзывов), показали, что, в принципе, инструкторы могут применять такие инструменты ИАВ, как мини-CEX, для точного различения разных уровни успеваемости учащихся [29, 30], а также различные параметры производительности [31].

    Мало что известно о том, насколько сильно влияние переменных контекста на рабочем месте на клинические навыки студента, которые можно достаточно надежно и объективно оценить с помощью ОСКЭ [27, 32]. Таким образом, цель данного исследования состояла в том, чтобы определить взаимосвязь между предыдущей успеваемостью учащегося в стандартизированной обстановке и его или ее последующими оценками на рабочем месте, принимая во внимание переменные из социального контекста. В частности, мы проанализировали характеристики клиники (размер клиники, который, как сообщается, связан с различными условиями на рабочем месте [32]), клиническое положение инструкторов (которое, как сообщается, связано с опытом и степенью жесткости [33] и сложность задачи (которая Сообщается, что он также влияет на обработку информации о рейтерах) [8]. 0023

    Мы предположили, что клинические навыки студентов являются самым сильным предиктором их последующих баллов мини-CEX во время работы клерком, и что переменные, связанные с контекстом, играют второстепенную роль. Этот анализ позволяет получить более детальное представление о признаках, влияющих на показатели WBA, или, другими словами, о том, что действительно отражают показатели WBA в наших условиях.

    Методы

    Установка

    В конце 3-го года 6-летнего учебного плана все студенты-медики приняли участие в обязательном ОСКЭ за шесть месяцев до начала последующих стажировок на 4-м году обучения. Во время стажировок по хирургии, гинекологии, внутренним болезням , педиатрии и психиатрии (каждая из которых длится 4 недели), все студенты-медики 4-го года обучения в Бернском университете должны выполнить определенное количество мини-CEX по дисциплине, от одного до трех, в дополнение к различному количеству прямых наблюдений за процедурными навыками ( ДОПС), т.е. 1 мини-CEX и 2 ДОПС в хирургии, 2 мини-CEX и 1 ДОПС в гинекологии, 3 Mini-CEX в педиатрии, 2 Mini-CEX и 1 ДОПС во внутренних заболеваниях, 3 Mini-CEX в психиатрии. Клерки проходили в клиниках Университетского медицинского центра или в дочерних учебных больницах.

    Инструменты и исходы

    Объективное структурированное клиническое обследование

    ОСКЭ включало 9 станций клинических навыков (гинекология, гериатрия, первичная медико-санитарная помощь, неврология, опорно-двигательный аппарат, педиатрия, психиатрия, офтальмология, оториноларингология [ЛОР]). Оценщики ОБСЕ приняли участие в часовом учебном семинаре, на котором были обучены принципам оценки ОБСЕ. Студенты были случайным образом распределены по двум эквивалентным направлениям ОСКЭ в течение двух последующих дней, включая сопоставимые клинические задачи, связанные со сбором анамнеза и физическим обследованием. Надежность следов ОБСЕ составила 0,78 и 0,74 соответственно (альфа Кронбаха на основе 170 и 168 критериев контрольного списка соответственно).

    Мини-клинические оценочные упражнения

    Мини-CEX охватывают следующие области: сбор анамнеза, физикальное обследование (для психиатрии: психиатрическое обследование), консультирование, клиническое суждение, организация/эффективность и профессионализм. Кроме того, может быть назначена глобальная оценка «общего» впечатления от успеваемости учащегося. Как и в случае со многими приложениями мини-CEX, мы внесли небольшие изменения в шкалу и форму оценки, основанные на оригинальной форме мини-CEX, разработанной Американским советом по внутренним болезням [34]: инструкторов попросили оценить студентов. ‘ производительность по 10-балльной рейтинговой шкале mini-CEX в диапазоне от 1 до 10 (т. е. большая или небольшая потребность в улучшении, связанная с текущим уровнем образования, изображенная на рис. 1). Эта адаптация исходной рейтинговой шкалы должна предотвратить ограничение диапазона и завышение оценок, которые мы наблюдали при использовании исходной шкалы во время пилотного внедрения в Швейцарии [35].

    Рис. 1

    Пример контрольного списка мини-CEX

    Изображение в полный размер

    Интерактивные семинары (примерно 2,5 часа) и письменные материалы о целях и процедурах мини-CEX были предложены для всех инструкторов, ответственных за клерков . Кроме того, все инструкторы имели доступ ко всем материалам курса, включая видеоролики о взаимодействии студентов и пациентов для практического обучения обратной связи на дому. Такой подход к обучению типичен для клинического контекста, где время на обучение конкурирует со временем на ведение пациентов.

    В рамках этого исследования соответствие между потребностями в обучении, выявленными во время мини-CEX, и конечными целями обучения анализировалось отдельно [36].

    Анализы

    В качестве подготовительной работы был проведен первый описательный анализ характеристик оценки и баллов, чтобы оценить (1) было ли в данных указано завышение оценок, (2) было ли оправдано усреднение баллов по домену mini-CEX и ( 3) описать корреляцию между показателями мини-CEX и ОСКЕ. После этого взаимосвязь между показателями мини-CEX и ОСКЭ была проанализирована более подробно с учетом переменных социального контекста (анализ линейной регрессии в многоуровневом плане).

    Характеристики обследований и баллов мини-CEX

    Сначала мы сосредоточились на двух частях мини-CEX: «общие» и «доменные» баллы (т. е. сбор анамнеза, медицинский осмотр и т. д.). Поскольку было сообщено, что баллов мини-CEX из более чем 7 встреч достаточно для обеспечения надежной защиты [23], мы использовали баллы мини-CEX, усредненные по всем 11 мини-CEX каждого студента.

    Таким образом, средние «общих» баллов представляют собой усредненные «общие» баллы по всем мини-CEX каждого учащегося (альфа Кронбаха = ,70): Поскольку большинство учащихся выполнили 11 мини-CEX, в среднем «общих» баллов были рассчитаны путем усреднения всех одиночных «общих» баллов этих 11 мини-CEX (изображенных на рис. 2).

    Рис. 2

    Блочная диаграмма средних оценок тренеров по каждой из областей и «общих» оценок мини-CEX

    Полноразмерное изображение

    каждый из 6 доменов был рассчитан, усреднен по 11 мини-CEX каждого учащегося (например, сбор анамнеза, медицинский осмотр и т. д., как показано на рис. 2). Поскольку оценщики обычно не проводят различий между шестью областями мини-CEX, эти 6 показателей мини-CEX представляют собой единое глобальное измерение клинической компетентности [28], что было подтверждено нашими собственными анализами (альфа Кронбаха   =   0,86; данные не показаны), усреднение всех 6 «доменов» оценок 11 мини-CEX было оправданным. Полученные средние «общие» и «предметные» баллы мини-CEX для каждого учащегося (по отношению к их средним баллам по ОСКЕ) будут показаны на рис. 3.

    Рис. 3

    Средние баллы по шкале ОБСЕ по отношению к «общим» (черные маркеры) и «областным» баллам mini-CEX (серые маркеры)

    Изображение в натуральную величину

    Корреляция между мини-CEX и баллами по шкале ОБСЕ

    Для 144 из 165 студентов, проанализированных в этом исследовании, были доступны псевдонимизированные данные ОСКЭ (остальные студенты сдавали ОСКЭ в предыдущем году или были студентами из другого университета). Мы подсчитали средние баллы для каждого учащегося на основе всех критериев контрольного списка 9станций клинических навыков (170 и 168 критериев контрольного перечня двух эквивалентных направлений ОБСЕ соответственно), а также на основе 5 станций, которые были непосредственно отражены в клерках (например, гинекология, педиатрия и психиатрия, а также гериатрия и первичная медико-санитарная помощь, которые отражено клерками во внутренней медицине). Впоследствии были рассчитаны корреляции Пирсона между средними баллами ОСКЭ (сначала на основе критериев контрольного списка всех станций, а затем на основе ограниченного числа станций) и средними «общими» баллами мини-CEX, оба из которых были нормально распределены.

    Прогнозирование показателей мини-CEX

    Линейный регрессионный анализ был выполнен для того, чтобы отдельно прогнозировать «общий» и «средний домен» баллов мини-CEX в качестве критериев (последний представляет собой среднее значение 6 баллов домена мини-CEX) . Используя «Proc Mixed» в SAS, мы внедрили анализ в многоуровневый план, введя случайные эффекты для корректировки нескольких наблюдений в рамках специальностей, клиник, преподавателей и студентов, а также для фиксации внутрикластерных ассоциаций. Оценки фиксированного эффекта для переменных-предикторов были выражены по той же шкале, что и оценки мини-CEX, и интерпретированы как абсолютные изменения, обусловленные теми же уровнями случайных эффектов. Регрессионный анализ проводился в два этапа:

    1. (1)

      Сначала были выполнены отдельные регрессионные модели с отдельными предикторами для анализа связи между вышеупомянутыми критериями и следующими потенциальными предикторами:

      • Характеристики клиники

      • Характеристики тренера и ученика

        • Клиническая должность тренера (т. е. резидент, старший врач, заведующий отделением),

        • Пол учащихся,

        • Успеваемость студентов по ОСКЭ (три группы с возрастающими результатами ОСКЭ: низкие, средние и высокие показатели ОСКЭ, каждая одинаковой ширины; см. рис. 3).

      • Оценочные характеристики (mini-CEX)

        • Продолжительность наблюдения (ниже или больше медианы, т. е. 15 мин),

        • Сложность задачи (низкая, средняя, ​​высокая),

        • Первая, вторая, третья мини-CEX на клерк.

    2. (2)

      Все предикторы, демонстрирующие связь ( p  < 0,20, критерий отношения правдоподобия) с результатом в отдельных анализах, были сохранены в окончательной многофакторной модели с уровнем значимости p  < 0,05 (двусторонний). Относительное влияние четырех случайных эффектов на баллы, т. е. специальностей, клиник, тренеров и студентов, рассчитывалось с помощью оценок параметра ковариации. Стандартная ошибка в коэффициентах регрессии была скорректирована с учетом неопределенности ковариации и систематической ошибки модели путем применения степеней свободы знаменателя в соответствии с Кенвардом и Роджером. Визуальный осмотр остатков был проведен для проверки допущений модели, таких как случайность и нормальное распределение остатков, а также выявления выбросов. Все анализы проводились с использованием SAS 9..3 для Windows (SAS Institute, Inc., Кэри, Северная Каролина, США). Пример заявления SAS, которое мы использовали для окончательных моделей, можно увидеть в дополнительном файле 1.

      .

    Результаты

    Характеристики выборки и общие оценки

    Набор данных включал 1783 рейтинга mini-CEX (1773 рейтинга mini-CEX после исключения одного учащегося с крайне низкими баллами mini-CEX) от 512 тренеров (57 % женщин) для 165 студентов (58 % женщин) в 45 клиниках. Примерно 92 % студентов представили необходимое количество 11 мини-CEX (в среднем 14 студентов представили 9 мини-CEX; диапазон 5–10 мини-CEX). В таблице 1 представлены характеристики клиник, тренеров и заданий, а также продолжительность наблюдения и обратной связи. Один учащийся с очень низкими баллами по мини-CEX (но со средними баллами по ОСКЕ) был исключен из дальнейшего статистического анализа, потому что мы хотели избежать переоценки или недооценки связи между баллами по мини-CEX и ОСКЭ (для прозрачности эти баллы выделены цветом). на рис. 2 и 3).

    Таблица 1 Характеристики клиник, тренеров, заданий, наблюдения и обратной связи во время мини-клинических оценочных упражнений (мини-CEX)

    Полноразмерная таблица

    Показатели Mini-CEX и их корреляция с баллами по шкале ОБСЕ

    Были обнаружены высокие средние баллы для тренеров « в целом» баллов и для каждого из 6 доменов мини-CEX (рис. 2). Высокие баллы уже были отмечены для первых Mini-CEX в начале работы клерком, наблюдались в каждой из дисциплин клерка и, в среднем, не показали систематического роста в течение года (данные не показаны).

    баллов по ОСКЭ показали лишь слабую корреляцию со средними общими баллами мини-CEX ( r  = 0,26) и средними баллами тренеров по доменам мини-CEX ( r  = ; см. рис. 0.27; 3). Ограничение баллов по ОСКЕ станциями, которые были отражены в клерках (например, гинекология, гериатрия, первичная медико-санитарная помощь, педиатрия, психиатрия), привело к столь же низкой корреляции со средним значением тренеров « в целом» баллов мини-CEX ( r  = 0,20 ) и домен’ баллов mini-CEX ( r  = 0,21).

    Прогнозирование показателей мини-CEX

    Все смешанные линейные регрессии хорошо согласуются с остаточной диагностикой; исходные результаты SAS можно увидеть в дополнительном файле 1. Несколько предикторов были определены как релевантные для прогнозирования «90 065 общих» баллов мини-CEX 90 020 тренеров и были включены в многофакторную модель (таблица  2: правая колонка): большинство Важным для предсказания «общих» баллов было клиническое положение инструкторов с коэффициентом регрессии 0,55 (95 %-доверительный интервал ДИ: 0,26–0,84; p  < .001) для резидентов по сравнению с начальниками отделений. Кроме того, очень сложные задачи и оценки, проводимые в крупных клиниках, также увеличили « в целом» баллов. Напротив, « в целом» баллов мини-CEX для учащихся из группы ОСКЭ с низкой успеваемостью (или средней успеваемости, соответственно) были лишь немного ниже по сравнению с группой ОСКЭ с высокой успеваемостью (коэффициент регрессии -0,15 [95%-ДИ : -0,36–0,063] для низких и высоких показателей, для средних и высоких показателей: -0,13 [95%-ДИ: -0,28–0,021]; Таблица 2).

    Таблица 2 Расчетные коэффициенты регрессии для прогнозирования тренеров ‘ в целом мини-оценки CEX, включая случайные эффекты

    Таблица полного размера и размер клиники также были наиболее важными предикторами. В отличие от прогноза « в целом» баллов, сложность задачи не играла роли (т.е. не была включена в многофакторную модель). Средние d omain’ мини-показатели CEX для людей с низкими показателями по шкале ОБСЕ были на -0,13 (95 % ДИ: -0,33–0,078) ниже, чем у лиц с высокими показателями по шкале ОБСЕ (-0,18; 95 % ДИ: от -0,33 до — 0,038 для средних и высоких показателей ОСКЭ; таблица 3).

    Таблица 3 Расчетные коэффициенты регрессии для предсказания тренеров , с оценкой параметра ковариации 0,37 по сравнению с 0,05 случайного эффекта студентов и даже более низкими оценками двух других случайных эффектов (т.е. специальностей и клиник). Более того, случайный эффект тренеров был почти таким же большим, как оценка параметра ковариации остатка (0,47).

    Обсуждение

    В нашем анализе большой выборки оценок мини-CEX в рамках додипломного медицинского образования результаты мини-CEX можно было предсказать с помощью баллов ОБСЕ только в очень ограниченной степени. Напротив, характеристики контекста, такие как клиническая позиция инструкторов, размер клиники и сложность задач, оказали довольно сильное влияние на баллы мини-CEX. В качестве руководства для обсуждения этих результатов мы будем использовать наиболее важные компоненты модели оценки клинической эффективности Говартса [18], а именно (1) эффективность учащихся, (2) оценщиков, (3) дизайн оценки и ( 4) организационная среда.

    1. (1)

      Успеваемость учащихся . Клинические навыки студентов, оцененные в стандартизированном ОСКЭ, мало способствовали прогнозированию результатов мини-CEX при последующей работе клерком. На первый взгляд это удивительно, поскольку оценка клинических навыков в стандартных условиях должна помочь предсказать «производительность на рабочем месте», как это отражено в мини-CEX [37, 38]. Действительно, есть несколько публикаций, подтверждающих прогностическую валидность ОСКЭ [9].–12]. Однако из-за «завышения оценок» и «ограничения диапазона» в мини-CEX, как это наблюдалось во многих исследованиях, как низкие, так и высокие показатели ОСКЭ в нашем исследовании получили почти одинаковые «завышенные» баллы мини-CEX, что привело к слабым корреляциям, сравнимым с обнаруженные в других исследованиях [14, 27, 39].

    2. (2)

      Оценщики. Клиническое положение инструкторов было наиболее важным предиктором показателей мини-CEX в нашем исследовании. Как и в других исследованиях [14, 23], мы обнаружили, что резиденты давали самые снисходительные оценки. Этот вывод может отражать самовосприятие жителей как самих учащихся. Напротив, длительный опыт использования WBA, по-видимому, способствует точности или строгости оценщиков [33, 40].

      По сравнению со стандартными условиями ОСКЭ оценщики играют другую роль в повседневном клиническом применении WBA на рабочем месте: здесь инструкторы часто берут на себя больше роль наставников, чем оценщиков [38]. Высокие баллы могут быть использованы для поддержания мотивации учащихся. Более того, сообщается, что инструкторы избегают «негативной» обратной связи [41], так как студенты не воспринимают обратную связь «свободной от эмоций», а могут добавить такой оттенок, как «этот человек меня не любит» [42]. Таким образом, тренеры могут ожидать ухудшения рабочих отношений или взаимной «негативной» оценки клерков как следствие критической обратной связи [24, 33, 43]. Соответственно, более высокая корреляция между баллами мини-CEX и оценками клинической компетентности в последипломном медицинском образовании была обнаружена, когда внешние экзаменаторы, ранее не имевшие отношений с учащимся, проводили мини-CEX [44] или просматривали записанное на видео представление без личного взаимодействия [44]. 45].

    3. (3)

      Оценка проекта. Адаптация нашей шкалы не предотвратила взвинчивание баллов, что согласуется с другими исследованиями: например, несколько авторов обнаружили высокие средние баллы, используя исходную 9-балльную мини-шкалу CEX [27, 46, 47], в то время как другие наблюдали то же явление, например. по 6-балльной шкале [25, 48]. Это показывает, что снисходительные оценки, по-видимому, являются общей характеристикой числовых оценок WBA в повседневных клинических приложениях на рабочем месте — в отличие от оценок производительности, записанных на видеопленку [30].

      Сложность заданий также повлияла на результаты мини-CEX в нашем исследовании. Норчини уже сообщал, что инструкторы чрезмерно компенсируют свои оценки сложностью задач [8], что также было подтверждено для условий бакалавриата [24]. Оценщики часто не уверены в том, какой уровень производительности ожидать [24, 25]. В этой ситуации могли быть выставлены высокие баллы, и это было еще более выражено для сложных задач в нашем исследовании.

    4. (4)

      Организационная среда . Norcini и McKinley предполагали, что WBA не будет эквивалентен в разных учреждениях [38]. Размер клиники действительно повлиял на баллы в нашем исследовании, так как в крупных клиниках завышение оценок было более выраженным. В крупных университетских больницах могут быть другие условия на рабочем месте по сравнению с небольшими дочерними больницами [32]. Это означает, что приоритет высококачественной WBA может быть еще более ограниченным в крупных клиниках, что способствует завышению оценок: тренерам требуется меньше времени, чтобы присвоить высокие баллы, чем участвовать в сложных дискуссиях о необходимых улучшениях. С другой стороны, личные отношения кажутся более тесными в небольших клиниках, что, возможно, повышает ответственность оценщиков и предотвращает чрезмерное завышение оценок [1]. Кроме того, в условиях меньшего дефицита времени и на основе более близких отношений учащиеся могут чувствовать себя в большей безопасности и быть более готовыми принять даже критическую обратную связь [49].].

    Сильные стороны и ограничения

    Эта большая выборка мини-CEX включала несколько специальностей, клиник разного размера и тренеров с разными клиническими позициями, а также несколько оценок для каждого студента. Многоуровневый дизайн позволил нам включить в анализ важные организационные факторы и впервые точно определить их относительное влияние на ВБА.

    Ограничения: Оценки ОБСЕ сами по себе не вполне надежны, что ограничивает возможную корреляцию с другими показателями. Однако даже после поправки на затухание корреляции между оценками по ОСКЭ и мини-CEX все равно будут низкими и заметно не изменят наши результаты, как обсуждалось выше. Относительный вклад оценок ОСКЭ в прогнозирование оценок мини-CEX зависит от того, как переменная включена в модель: мы проанализировали несколько вариантов, начиная от включения оценок ОСКЭ в качестве уровни. Ни одна из этих вариаций не привела к тому, что баллы по шкале ОБСЕ стали надежным предиктором для оценок мини-CEX; его влияние оставалось небольшим по сравнению с остальными предикторами в любой модели.

    Кроме того, можно утверждать, что сравнение суммативной ОСКЭ с формирующей ВБА похоже на сравнение «яблок и апельсинов». Однако van der Vleuten и соавт. утверждают, что суммативное и формативное оценивание представляют собой континуум, а не отдельные категории [20]. Обе формы оценок должны быть надежными и в определенной степени достоверными (по крайней мере, когда несколько мини-CEX сгруппированы вместе, как в этом исследовании). В рамках «программной оценки» каждая точка данных — либо формирующая, либо итоговая — будет вносить значимый вклад в обратную связь и принятие решений [20]. Как и на практике, используются только усредненные баллы мини-CEX, а также усредненные баллы ОБСЕ с разных станций/встреч, т.е. для принятия решений, хотя интерпретация отдельных баллов, относящихся к одной станции/встрече, не рекомендуется, анализ связи между средними баллами учащихся по ОСКЕ и их баллами мини-CEX в сравнении с другими влияющими факторами представляется оправданным. Если и ОСКЭ, и мини-CEX предназначены для измерения клинических навыков, можно ожидать, что они будут соответствовать друг другу.

    Когда мы ретроспективно проанализировали данные, полученные в условиях естественной работы клерком, предикторы представляли предопределенные условия нашей работы клерком. Наши результаты могут быть использованы для включения наиболее важных факторов в будущие исследования и их систематического изменения в рамках плана эксперимента. Хотя эти наиболее важные факторы, функция тренера и размер клиники, могут быть четко определены в этом исследовании, их точная функциональная взаимосвязь остается неопределенной из-за большой вариабельности оценок.

    Значение для практики и исследований

    В принципе, инструменты WBA, такие как мини-CEX, могут различать разные уровни успеваемости учащегося. В контексте нашего исследования учащиеся с низкой успеваемостью столкнулись с непоследовательной информацией об их клинических навыках: в то время как в ОСКЭ проводится различие между различными уровнями успеваемости, в WBA практически все учащиеся получают баллы в верхнем диапазоне шкалы. Это особенно проблема для учащихся с низкой успеваемостью, которые могут сделать вывод из завышенных оценок, что нет необходимости в улучшении.

    В связи с этим могут быть рекомендованы два варианта: удалить числовые оценки из форм и предоставить место только для повествовательной обратной связи—или улучшить дизайн и реализацию рейтинговых шкал, чтобы сделать оценки более информативными.

    Удаление баллов

    Поскольку цифровые баллы мини-CEX, по-видимому, имеют небольшую информационную ценность, некоторые недавние исследования и рекомендации пришли к выводу, что их можно исключить из форм [50, 51]. Нарративная обратная связь больше подходит для информирования учащихся об изменении практики по сравнению с «галочками» [52, 53].

    Улучшение дизайна и внедрения WBA

    Достоверность оценок находится под угрозой из-за многих факторов, влияющих на ежедневную оценку эффективности клинического рабочего места [24]. Доказательства, подтверждающие ценность обучения WBA, противоречивы [16, 54, 55]. Поскольку время на обучение мини-CEX всегда конкурирует со временем на ведение пациентов, мы предполагаем, что инструкторы из нашего исследования прошли как можно более обширную подготовку в клиническом контексте. Тем не менее, некоторые меры могут быть полезны для улучшения показателей WBA: надежность шкал и дискриминация оценщика могут быть повышены, если шкалы «приведены в соответствие с концепцией развития клинической компетентности и независимости» [2, 56] или, другими словами, «надежность» [2, 56]. 21, 57]. Это означает, что результаты обучения и соответствующие задачи (т. е. доверенная профессиональная деятельность; EPA [57, 58]) для каждой из должностей должны быть определены, что облегчит оценку по отношению к заранее определенным ожиданиям. Вместо того, чтобы просто делать акцент на обучении рейтеров, мы должны также учитывать рекомендации Говартса [18] по улучшению оценки WBA «путем обращения к организационным нормам и ценностям в отношении оценки эффективности, прозрачности целей оценки и процесса оценки (надлежащей правовой процедуры), поддержки, подотчетности». и чувство «психологической безопасности» – основанное на открытом и честном общении и взаимодействии между всеми заинтересованными сторонами в процессе оценки».

    Выводы

    Результаты нашего исследования показывают, что на баллы мини-CEX могут больше влиять контекстные характеристики, чем клинические навыки учащихся, оцениваемые в стандартизированных условиях. Это дополняет существующие доказательства того, что «самый слабый компонент аргумента валидности мини-CEX, по-видимому, находится в области подсчета баллов» [23]. Следует искать способы либо повысить информативность оценок WBA, либо воздержаться от них в пользу только описательных комментариев. Это может помочь задействовать весь потенциал WBA—быстрое обучение посредством контроля, обратной связи и размышлений [59].].

    Этическое одобрение

    Поскольку был проведен только ретроспективный анализ регулярно собираемых псевдонимизированных данных, исследование было признано освобожденным от этического одобрения согласно Медицинскому факультету Бернского университета. Исследование проводилось в соответствии с Хельсинкской декларацией. Анонимность участников была гарантирована.

    Сокращения

    WBA:

    оценка на рабочем месте

    ОБСЕ:

    объективное структурированное клиническое обследование

    Мини-CEX:

    мини-упражнения по клинической оценке

    Ссылки

    1. Кроссли Дж., Джолли Б. Осмысление оценки на основе работы: задавайте правильные вопросы, правильным образом, о правильных вещах, нужным людям. мед. образования. 2012;46:28–37.

      Артикул Google ученый

    2. Шамуэй Дж.М., Харден Р.М. Руководство AMEE № 25: Оценка результатов обучения компетентного и вдумчивого врача. Мед Уч. 2003;25:569–84.

      Артикул Google ученый

    3. Миллер Г.Э. Оценка клинических навыков/компетентности/производительности. акад. мед. 1990;65:S63–7.

      Артикул Google ученый

    4. Харден Р.М., Глисон Ф.А. Оценка клинической компетентности с использованием объективного структурированного клинического обследования (OSCE). мед. образования. 1979; 13:41–54.

      Google ученый

    5. Норчини Дж.Дж., Бланк Л.Л., Арнольд Г.К., Кимбалл Х.Р. Мини-CEX (упражнение по клинической оценке): предварительное расследование. Энн Интерн Мед. 1995; 123:795–9.

      Артикул Google ученый

    6. Norcini JJ, Blank LL, Duffy FD, Fortna GS. Мини-CEX: метод оценки клинических навыков. Энн Интерн Мед. 2003; 138: 476–81.

      Артикул Google ученый

    7. Уилкинсон Т.Дж., Фрэмптон К.М. Всесторонние медицинские оценки бакалавриата улучшают прогнозирование клинической эффективности. мед. образования. 2004; 38:1111–6.

      Артикул Google ученый

    8. Валлеванд А., Виолато С. Прогностическое и конструктивное исследование обоснованности объективного клинического обследования с высокими ставками для оценки клинической компетентности выпускников медицинских вузов из других стран. Научите, узнайте мед. 2012;24:168–76.

      Артикул Google ученый

    9. Аль Ансари А., Али С.К., Доннон Т. Конструкция и критерий достоверности мини-CEX: метаанализ опубликованных исследований. акад. мед. 2013; 88: 413–20.

      Артикул Google ученый

    10. Коган Дж. Р., Беллини Л. М., Ши Дж. А. Осуществимость, надежность и обоснованность мини-клинической оценки (mCEX) в медицинском центре. акад. мед. 2003;78:S33–5.

      Артикул Google ученый

    11. Коган Дж.Р., Холмбо Э.С., Хауэр К.Е. Инструменты для прямого наблюдения и оценки клинических навыков медицинских стажеров: систематический обзор. ДЖАМА. 2009 г.;302:1316–26.

      Артикул Google ученый

    12. Пелгрим Э.А., Крамер А.В., Моккинк Х.Г., ван ден Эльсен Л., Грол Р.П., ван дер Влейтен К.П. Оценка во время обучения с использованием прямого наблюдения за встречами с одним пациентом: обзор литературы. Adv Health Sci Educ Theory Pract. 2011;16:131–42.

      Артикул Google ученый

    13. Алвес де Лима А., Конде Д., Костабель Дж., Корсо Дж., Ван дер Флейтен С. Лабораторное исследование оценок надежности мини-CEX. Adv Health Sci Educ Theory Pract. 2013;18:5–13.

      Артикул Google ученый

    14. Говертс М.Ю. Восхождение по пирамиде — к пониманию оценки эффективности. [диссертация]. Маастрихт: Маастрихтский университет; 2011. http://pub.maastrichtuniversity.nl/84114223-248e-46fa-9070-b17

      ca76. По состоянию на 1 августа 2015 г.

      Google ученый

    15. Говертс М., ван дер Флейтен К.П. Достоверность оценки на основе работы: расширение наших горизонтов. мед. образования. 2013;47:1164–74.

      Артикул Google ученый

    16. Ван дер Флейтен С.П., Шувирт Л.В., Дриссен Э.В., Дейкстра Дж., Тигелаар Д., Баартман Л.К. и др. Модель для программной оценки соответствует цели. Мед Уч. 2012;34:205–14.

      Артикул Google ученый

    17. Дриссен Э., Шееле Ф. Что не так с оцениванием в последипломном обучении? Уроки клинической практики и образовательных исследований. Мед Уч. 2013;35:569–74.

      Артикул Google ученый

    18. ДеНиси А.С. Когнитивный подход к оценке эффективности: программа исследований. Люди и организации. Лондон: Рутледж; 1996.

      Google ученый

    19. Хокинс Р.Э., Марголис М.Дж., Дёрнинг С.Дж., Норчини Дж.Дж. Построение аргумента достоверности для мини-упражнения по клинической оценке: обзор исследования. акад. мед. 2010;85:1453–61.

      Артикул Google ученый

    20. Хилл Ф., Кендалл К., Гэлбрейт К., Кроссли Дж. Внедрение мини-CEX для студентов: индивидуальный подход в Саутгемптонском университете. мед. образования. 2009;43:326–34.

      Артикул Google ученый

    21. Фернандо Н., Клеланд Дж., Маккензи Х., Кассар К. Определение факторов, определяющих обратную связь со студентами-медиками бакалавриата после формирующих мини-оценок CEX. мед. образования. 2008;42:89–95.

      Google ученый

    22. Weller JM, Jolly B, Misur MP, Merry AF, Jones A, Crossley JG, et al. Мини-клинические оценочные упражнения при обучении анестезии. Бр Джей Анаст. 2009; 102: 633–41.

      Артикул Google ученый

    23. Ней Э.М., Ши Дж.А., Коган Дж.Р. Прогностическая достоверность мини-клинического оценочного упражнения (mcex): коррелируют ли рейтинги mCEX студентов-медиков с результатами будущих клинических экзаменов? акад. мед. 2009 г.;84:С17–20.

      Артикул Google ученый

    24. Кук Д.А., Бекман Т.Дж., Мандрекар Дж.Н., Панкрац В.С. Внутренняя структура показателей мини-CEX для резидентов по внутренним болезням: факторный анализ и обобщаемость. Adv Health Sci Educ Theory Pract. 2010;15:633–45.

      Артикул Google ученый

    25. Холмбо Э.С., Хуот С., Чанг Дж., Норчини Дж., Хокинс Р.Э. Построить достоверность миниклинической оценки (miniCEX). акад. мед. 2003; 78: 826–30.

      Артикул Google ученый

    26. Кук Д.А., Бекман Т.Дж. Длина шкалы имеет значение? Сравнение девяти- и пятибалльной рейтинговых шкал для mini-CEX. Adv Health Sci Educ Theory Pract. 2009; 14: 655–64.

      Артикул Google ученый

    27. Говертс М.Дж., Ван де Виль М.В., Шувирт Л.В., Ван дер Флейтен С.П., Муйтьенс А.М. Оценка на рабочем месте: теории и конструкции эффективности оценщиков. Adv Health Sci Educ Theory Pract. 2013; 18: 375–9.6.

      Артикул Google ученый

    28. Buddeberg-Fischer B, Klaghofer R, Abel T, Buddeberg C. Опыт работы младших врачей в клинических областях в немецкоязычной Швейцарии. Swiss Med Wkly. 2005; 135:19–26.

      Google ученый

    29. Хаффлинг А. С., Бекман А., Эдгрен Г. Структурированная обратная связь для студентов-медиков: 3-летний опыт использования инструмента оценки. Мед Уч. 2011;33:e349–57.

      Артикул Google ученый

    30. Мини-CEX. Американский совет внутренней медицины [Интернет]. www.abim.org/program-directors-administrators/assessment-tools/mini-cex.aspx. По состоянию на 1 августа 2015 г.

    31. Монтань С., Юкер-Куппер П., Берендонк С., Рогауш А., Бейелер С., Гигер М. Драй Яре Erfahrung mit Arbeitsplatz-basiertem Assessment (Mini-CEX und DOPS) in der ärztlichen Weiterbildung. Швейцария Арцтецтг. 2010;91:109–11.

      Google ученый

    32. Монтань С., Рогауш А., Гемперли А., Берендонк С., Юкер-Куппер П., Бейелер С. Упражнение по мини-клинической оценке во время работы врачом: совпадают ли потребности в обучении и цели обучения? мед. образования. 2014;48:1008–19.

      Артикул Google ученый

    33. Hamdy H, Prasad K, Anderson MB, Scherpbier A, Williams R, Zwierstra R, et al. Систематический обзор BEME: прогностическая ценность измерений, полученных в медицинских школах, и будущие результаты в медицинской практике. Мед Уч. 2006; 28:103–16.

      Артикул Google ученый

    34. Норчини Дж.Дж., МакКинли Д.В. Методы оценивания в медицинском образовании. Учить Учить Воспитывать. 2007; 23: 239–50.

      Артикул Google ученый

    35. Carr SE, Celenza A, Puddey IB, Lake F. Взаимосвязь между академической успеваемостью студентов-медиков и их эффективностью на рабочем месте в качестве младших врачей. BMC Med Educ. 2014;14:157.

      Артикул Google ученый

    36. Ельники Д.М., Заленски Д. Интеграция целей студентов-медиков, самооценки и отзывов наставника в амбулаторной работе. Научите, узнайте мед. 2013; 25: 285–9.1.

      Артикул Google ученый

    37. тен Кейт ОТ. Почему получение обратной связи противоречит самоопределению. Adv Health Sci Educ Theory Pract. 2013;18:845–9.

      Артикул Google ученый

    38. Ингрэм Дж. Р., Андерсон Э. Дж., Пагсли Л. Трудности с предоставлением отзывов о недостаточной успеваемости подрывают образовательную ценность отзывов из нескольких источников. Мед Уч. 2013; 35: 838–46.

      Артикул Google ученый

    39. Буле Дж. Р., МакКинли Д. В., Норчини Дж. Дж., Уилан Г.П. Оценка сопоставимости стандартизированных оценок клинических навыков пациента и врача. Adv Health Sci Educ Theory Pract. 2002; 7: 85–9.7.

      Артикул Google ученый

    40. Хауэр К.Е. Улучшение обратной связи со студентами с помощью мини-CEX (упражнение по клинической оценке). акад. мед. 2000;75:524.

      Артикул Google ученый

    41. Дёрнинг С.Дж., Катион Л.Дж., Маркерт Р.Дж., Пангаро Л.Н. Оценка надежности и валидности мини-клинической оценки для обучения в ординатуре по внутренним болезням. акад. мед. 2002;77:900–4.

      Артикул Google ученый

    42. Eardley I, Bussey M, Woodthorpe A, Munsch C, Beard J. Оценка хирургического обучения на рабочем месте: опыт Межвузовской хирургической учебной программы. ANZ J Surg. 2013; 83: 448–53.

      Артикул Google ученый

    43. Бейтс Дж., Конкин Дж., Суддардс С., Добсон С., Пратт Д. Восприятие учащимися оценки и обратной связи в лонгитюдных интегрированных клерках. мед. образования. 2013; 47: 362–74.

      Артикул Google ученый

    44. Уэстон П.С., Смит, Калифорния. Использование мини-CEX в обучении фондов в Великобритании через шесть лет после его введения: уроки, которые еще предстоит усвоить, и преимущества формального обучения в отношении его полезности. Мед Уч. 2014;36:155–63.

      Артикул Google ученый

    45. Саедон Х., Саедон М.Х., Аггарвал С.П. Оценка на рабочем месте как образовательный инструмент: Приложение 31.3 к руководству — точка зрения. Мед Уч. 2010; 32:e369–72.

      Артикул Google ученый

    46. Saedon H, Salleh S, Balakrishnan A, Imray CH, Saedon M. Роль обратной связи в повышении эффективности оценок на рабочем месте: систематический обзор. BMC Med Educ. 2012;12:25.

      Артикул Google ученый

    47. Кук Д.А., Дюпрас Д.М., Бекман Т.Дж., Томас К.Г., Панкрац В.С. Влияние обучения рейтеров на надежность и точность показателей мини-CEX: рандомизированное контролируемое исследование. J Gen Intern Med. 2009; 24:74–79.

      Артикул Google ученый

    48. Холмбо Э.С., Хокинс Р.Е., Хуот С.Дж. Эффекты обучения непосредственному наблюдению за клинической компетентностью ординаторов: рандомизированное исследование. Энн Интерн Мед. 2004; 140:874–81.

      Артикул Google ученый

    49. Кроссли Дж., Джонсон Г., Бут Дж., Уэйд В. Хорошие вопросы, хорошие ответы: выравнивание конструкции повышает эффективность шкал оценки на рабочем месте. мед. образования. 2011;45:560–9.

      Артикул Google ученый

    50. тен Кейт О., Снелл Л., Карраччо К. Медицинская компетентность: взаимодействие между индивидуальными способностями и средой здравоохранения. Мед Уч. 2010;32:669–75.

      Артикул Google ученый

    51. Миллер А., Арчер Дж. Влияние оценки на рабочем месте на образование и эффективность врачей: систематический обзор. БМЖ. 2010;341:c5064.

      Артикул Google ученый

    Ссылки на скачивание

    Благодарности

    Авторы благодарят всех участвующих преподавателей учебных больниц и всех студентов медицинского факультета Бернского университета.

    Финансирование/поддержка

    Нет.

    Информация об авторе

    Авторы и аффилированные лица

    1. Департамент оценки и оценки, Институт медицинского образования, Бернский университет, Берн, Швейцария

      Anja Rogausch, Christine Beyeler, Stephanie Montagne, Patrick Jucker-Kupper, Christoph Berendonk & Sören Huwendiek

    2. Department of Health Sciences and Health Policy, University of Lucerne, Lucerne, Switzerland

      Armin Gemperli

    3. Swiss Paraplegic Research Nottwil, Nottwil, Швейцария

      Armin Gemperli

    4. Отделение общей практики Университетского медицинского центра, Геттинген, Германия

      Wolfgang Himmel

    5. Clinic Sonnenhalde, Riehen, Switzerland

      Anja Rogausch

    Авторы

    1. Anja Rogausch

      PubMed Google Scholar

    2. Christine Beyeler

      Просмотр публикаций автора

      Вы также можете искать этого автора в PubMed Google Scholar

    3. Стефани Монтань

      Посмотреть публикации автора

      Вы также можете искать этого автора в PubMed Google Scholar

    4. Patrick Jucker-Kupper

      Просмотр публикаций автора

      Вы также можете искать этого автора в PubMed Google Scholar

    5. Christoph Berendonk

      Просмотр публикаций автора

      Вы также можете искать этого автора в PubMed Google Scholar

    6. Серен Хувендиек

      Посмотреть публикации автора

      Вы также можете искать этого автора в PubMed Google Scholar

    7. Armin Gemperli

      Просмотр публикаций автора

      Вы также можете искать этого автора в PubMed Google Scholar

    8. Wolfgang Himmel

      Просмотр публикаций автора

      Вы также можете искать этого автора в PubMed Google Scholar

    Автор, ответственный за переписку

    Связь с Аня Рогауш.

    Дополнительная информация

    Конкурирующие интересы

    Нет.

    Вклад авторов

    AR и WH отвечали за определение вопросов исследования и составление рукописи, включая анализ и интерпретацию данных. AG внес существенный вклад в анализ и интерпретацию данных и пересмотр рукописи. CBey, SM, PJK и CBer внесли значительный вклад в инициирование, разработку и внедрение оценки на рабочем месте, что позволило получить данные, а также в составление и критический пересмотр документа. SH также критически пересмотрел рукопись, включая анализ и интерпретацию данных. Все авторы внесли свой вклад и одобрили окончательный вариант рукописи для публикации.

    Дополнительный файл

    Дополнительный файл 1:

    Заявление SAS и распечатка результатов. (DOCX 985 КБ)

    Права и разрешения

    Открытый доступ Эта статья распространяется в соответствии с условиями международной лицензии Creative Commons Attribution 4.0 (http://creativecommons. org/licenses/by/4.0/), которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии, что вы укажете первоначальных авторов и источник, предоставите ссылку на лицензию Creative Commons и укажете, были ли внесены изменения. Отказ от права Creative Commons на общественное достояние (http://creativecommons.org/publicdomain/zero/1.0/) применяется к данным, представленным в этой статье, если не указано иное.

    Перепечатки и разрешения

    Об этой статье

    Характеристики поствакцинальной коронавирусной болезни 2019 г. Госпитализации до бустерных вакцин | Открытый форум по инфекционным заболеваниям

    Журнальная статья

    Мэтью А. Моффа,

    Мэтью Моффа

    Ищите другие работы этого автора на:

    Оксфордский академический

    Google ученый

    Натан Р. Шивли,

    Натан Р. Шивли

    Ищите другие работы этого автора на:

    Оксфордский академический

    Google ученый

    Томас Л. Уолш

    Томас Л. Уолш

    Ищите другие работы этого автора на:

    Оксфордский академический

    Google ученый

    Open Forum Infectious Diseases , Volume 9, Issue 4, April 2022, ofac014, https://doi.org/10.1093/ofid/ofac014

    Опубликовано:

    04 февраля 2022

    История статьи

    Получено:

    27 декабря 2021 г.

    Решение редакции:

    05 января 2022 г.

    Принято:

    07 января 2022 г.

    Опубликовано:

    04 февраля 2022 г.

    Исправлено и набрано:

    17 марта 2022 г.

    • PDF
    • Разделенный вид
      • Содержание статьи
      • Рисунки и таблицы
      • видео
      • Аудио
      • Дополнительные данные
    • Цитировать

      Cite

      Мэтью А. Моффа, Натан Р. Шивли, Томас Л. Уолш, Характеристики поствакцинальной коронавирусной болезни, 2019 г.Госпитализация перед ревакцинацией, Open Forum Infectious Diseases , Volume 9, Issue 4, April 2022, ofac014, https://doi.org/10.1093/ofid/ofac014

      Выберите формат Выберите format.ris (Mendeley, Papers, Zotero).enw (EndNote).bibtex (BibTex).txt (Medlars, RefWorks)

      Закрыть

    • Разрешения

      • Электронная почта
      • Твиттер
      • Facebook
      • Подробнее

    Фильтр поиска панели навигации Open Forum Infectious DiseasesЭтот выпускIDSA JournalsInfectious DiseasesBooksJournalsOxford Academic Термин поиска мобильного микросайта

    Закрыть

    Фильтр поиска панели навигации Open Forum Infectious DiseasesЭтот выпускIDSA JournalsInfectious DiseasesBooksJournalsOxford Academic Термин поиска на микросайте

    Advanced Search

    Abstract

    В этом анализе описаны клинические характеристики и результаты 128 полностью вакцинированных пациентов, госпитализированных с коронавирусной инфекцией 2019 (COVID-19) до ревакцинации. Мы обнаружили, что 27% были бессимптомными, 52% нуждались в интенсивной терапии, а 15% умерли от COVID-19. Большинство (89,2%) полностью вакцинированных пациентов, госпитализированных с симптомами COVID-19, были старше 65 лет и/или имели выраженную иммуносупрессию.

    COVID, 19, госпитализация, SARS, CoV, 2, вакцинация

    Вакцинация против коронавируса тяжелого острого респираторного синдрома 2 (SARS-CoV-2) играет важную роль в снижении тяжести заболевания, вызванного коронавирусом 2019 (COVID-19). Данные из округа Лос-Анджелес с мая по июль 2021 года показали, что у непривитых людей вероятность госпитализации по поводу COVID-19 в 29,2 раза выше, чем у полностью вакцинированных [1]. Общая скорректированная по возрасту эффективность вакцины (VE) против госпитализации за тот же период времени в штате Нью-Йорк составила 9 баллов.1,9–95,3% [2]. Несмотря на высокий уровень защиты, обеспечиваемый вакцинацией, случаи госпитализации после вакцинации случаются, хотя описательные данные ограничены [3, 4]. Важно отметить, что эти исследования включали периоды времени до широкого появления дельта-варианта. Мы стремились оценить клинические характеристики и результаты полностью вакцинированных пациентов, госпитализированных с COVID-19, после появления варианта Дельта, до варианта Омикрон и до использования бустерных вакцин.

    МЕТОДЫ

    Мы провели ретроспективный обзор всех пациентов, поступивших с COVID-19 в 8 различных больниц западной Пенсильвании (включая больницы третичного уровня и общественные больницы) в рамках Allegheny Health Network (AHN) в период с 15 июля по 31 августа 2021 года. Статус исключения был предоставлен Институциональным наблюдательным советом AHN. Пациентов идентифицировали с помощью электронной медицинской карты путем извлечения всех пациентов с положительным тестом на SARS-CoV-2 в течение периода времени исследования или если у них был активный COVID-19.назначение отделом профилактики инфекций AHN для пациентов, диагностированных вне системы здравоохранения. Пациенты были включены, если у них был COVID-19 во время госпитализации. Пациенты в возрасте до 18 лет были исключены. Пациентов обычно не тестируют на SARS-CoV-2 при поступлении в AHN, а тестируют только по усмотрению лечащего врача, если протокол учреждения длительного ухода требует тестирования до помещения или когда протокол отделения требует тестирования до госпитализации. процедура. Для пациентов с многократными госпитализациями анализировалась каждая госпитализация. Демографическая информация, данные вакцинации, сопутствующие заболевания и клинические данные собирались вручную путем просмотра электронной медицинской карты с использованием стандартизированного инструмента сбора данных.

    Основная цель состояла в том, чтобы описать характеристики полностью вакцинированных лиц, госпитализированных с COVID-19. Второстепенные цели включали определение расчетной ВЭ SARS-CoV-2 на фоне госпитализации с COVID-19, потребность в уходе на уровне отделения интенсивной терапии (ОИТ), потребность в искусственной вентиляции легких и внутрибольничную смертность. ВЭ оценивали по формуле 1 – (шансы вакцинации среди заболевших) / (шансы вакцинации среди населения) с использованием данных о популяционных вакцинах, предоставленных Департаментом здравоохранения Пенсильвании [5].

    Был зарегистрирован статус вакцинации против SARS-CoV-2, включая конкретный тип вакцины (мРНК-1273 [Moderna], BNT162b2 [Pfizer-BioNTech] или Ad.26.COV2.S [Janssen]) с датами вакцинации. Пациенты считались полностью вакцинированными, если появление симптомов или положительный тест на SARS-CoV-2 наступили по крайней мере через 14 дней после последней дозы. Тяжелая иммуносупрессия определялась как использование хронической иммуносупрессивной терапии (если кортикостероиды эквивалентны> 20 мг преднизолона в день), вирус иммунодефицита человека с количеством клеток CD4 <350 клеток/мкл, активное злокачественное новообразование с получением химиотерапии в течение последнего года или предшествующая солидная трансплантация органов или трансплантация гемопоэтических стволовых клеток.

    РЕЗУЛЬТАТЫ

    За период анализа 473 пациента были госпитализированы с COVID-19. Из них 128 полностью вакцинированы против SARS-CoV-2. Остальные 345 человек либо не были вакцинированы, либо не прошли полную вакцинацию по крайней мере за 14 дней до последней дозы вакцины. Из 128 полностью вакцинированных пациентов 84 были вакцинированы BNT162b2, 29 были вакцинированы мРНК-1273 и 15 были вакцинированы Ad.26.COV2.S. После вакцинации до госпитализации в среднем прошло 4,5 месяца (диапазон 1–7 месяцев). Все, кроме 4, завершили вакцинацию в течение 6 месяцев до госпитализации (все получили BNT162b2). Ни один пациент не получил бустерную дозу. Из 128 полностью вакцинированных пациентов 93 (72,7%) имели симптомы COVID-19 (таблица 1). Из 35 пациентов, у которых не было симптомов во время госпитализации, 25 (71,4%) прошли тестирование в связи с помещением в учреждение длительного ухода в соответствии с протоколами большинства местных учреждений квалифицированного сестринского ухода.

    Таблица 1.

    Демография, сопутствующие заболевания и клиническое течение полностью вакцинированных пациентов, госпитализированных с коронавирусной болезнью 2019

     2248 9 29247 22 2 22.7292242424242424242472. 9243 9236 9243 9236
    Характеристика . всех госпитализированных пациентов (n = 128) . Пациенты с симптомами (n = 93) .
    Demographics     
     Age, y, mean (range)  72.8 (19–94)  73.2 (37–94) 
      ≤39  3 (2.3 ) 1 (1.1)
      40–54 8 (6.3) 7 (7.5)
    13 (10.2)  8 (8.6) 
      65–74  40 (31.3)  30 (32.3) 
      ≥75  64 (50)  47 (50.5) 
     Female sex  67 (52. 3)  47 (50.5) 
    Comorbidities     
     Body mass index, kg/m 2      
      <30 69 (53,9) 44 (47,3)
    30–34,9 26 (20,3) 22 (23,7)
    29247 22 2 23.7)
    22. 22. 29247 (23,7)
    (23,7) (23,7).
      ≥40  17 (13.3)  13 (14) 
     Severe immunosuppression  30 (23.4)  23 (24.7) 
      Solid organ transplant recipient  10  7
      Hematologic malignancy with receipt of chemotherapy in past year 
      Autoimmune disease on immunosuppressive therapy 
      Active cancer with receipt of chemotherapy in past year  2
      Другой диагноз на фоне иммуносупрессивной терапии 2 1
     Гипертония 95 (74. 2)  71 (76.3) 
     Hyperlipidemia  62 (48.4)  42 (45.2) 
     Chronic lung disease  51 (39.8)  43 (46.2) 
    Диабет -сахарный2248 23 (24.7) 
     Congestive heart failure  30 (23.4)  23 (24.7) 
     Atrial fibrillation  26 (20.3)  18 (19.4) 
     Cancer without receipt of chemotherapy in past year  21 (16.4)  15 (16.1) 
     Cerebral vascular accident/transient ischemic attack  14 (10.9)  9 (9.7) 
    Аутоиммунное заболевание без активной иммуносупрессивной терапии 10 (7,8) 6 (6,5)
    Периферическая сосудистая заболевания 9 (7,0). )  6 (6.5) 
     Dementia  7 (5.5)  4 (4. 3) 
     Seizure  7 (5.5)  3 (3.2) 
     Hematologic malignancy without receipt of химиотерапия в прошлом году 3 (2.3)  3 (3.2) 
    Clinical course     
     Presence of pulmonary symptoms  79 (61.7)  79 (84.9) 
     Receipt of >4 L/minute of supplemental oxygen during hospitalization  41 (32.0)  41 (44.1) 
     Required ICU-level care  66 (51.6)  66 (71.0) 
     Required mechanical ventilation during hospitalization для COVID-19 14 (10.9)  14 (15.1) 
     In-hospital death due to COVID-19  19 (14.8)  19 (20.4) 

    724742424742424242424242424242474242424742424742424842484242н 24242424242424242424242424242424242424242424242424242424242424242н. Autoimmune disease without active immunosuppressive therapy  74242424242424242424242424242424242424242424242424242424242н. 43439 2
    Characteristic . Все госпитализированные пациенты (n = 128) . Пациенты с симптомами (n = 93) .
    Демография
    Возраст, y, среднее (диапазон) 72,8 (19–94) 73,2 (37–94)
    ≤39 3 (2,3) 1 (1,11) 3 (2,3) 1 (1,11)
    8 (6.3)  7 (7.5) 
      55–64  13 (10.2)  8 (8.6) 
      65–74  40 (31.3)  30 (32.3)
      ≥75 64 (50) 47 (50,5)
     Female sex  67 (52.3)  47 (50.5) 
    Comorbidities     
     Body mass index, kg/m 2      
      <30  69 (53.9)  44 (47.3) 
      30–34. 26 (20.3)  22 (23.7) 
      35–39.9  16 (12.5)  14 (15.1) 
      ≥40  17 (13.3)  13 (14) 
     Severe immunosuppression  30 (23.4)  23 (24.7) 
      Solid organ transplant recipient  10 
      Злокачественное новообразование крови с получением химиотерапии в прошлом году 7 7
      Аутоиммунное заболевание на фоне иммуносупрессивной терапии 7 6 922 4 8 9227 2248
      Active cancer with receipt of chemotherapy in past year 
      Other diagnosis on immunosuppressive therapy 
     Hypertension  95 (74.2)  71 (76.3 ) 
     Hyperlipidemia  62 (48.4)  42 (45. 2) 
     Chronic lung disease  51 (39.8)  43 (46.2) 
     Diabetes mellitus  46 (35.9)  37 (39.8) 
     Chronic kidney disease  30 (23.4)  24 (25.8) 
     Coronary artery disease  30 (23.4) 23 (24.7) 
     Congestive heart failure  30 (23.4)  23 (24.7) 
     Atrial fibrillation  26 (20.3)  18 (19.4) 
    Рак без получения химиотерапии в прошлом году 21 (16,4) 15 (16,1)
    Cerebral Vascular/Transiet Ischemic Attate 14 (10,
    10 (7.8)  6 (6.5) 
     Peripheral vascular disease  9 (7. 0)  6 (6.5) 
    Хроническая болезнь печени 8 (6,3) 6 (6,5)
    Деменция 7 (5,5) 4 (4,3)
    42247 424247 27247 42247 4 (4,3).
     Hematologic malignancy without receipt of chemotherapy in past year  3 (2.3)  3 (3.2) 
    Clinical course     
     Presence of pulmonary symptoms  79 (61,7) 79 (84,9)
    Получение> 4 л/минута дополнительного кислорода во время госпитализации 41 (32,0) 41 (44,1247 41 (32,0) 41 (44,1247 41 (32,0) 41 (44,1247 41 (32,0) 41 (44,1247 41 (32,0). 66 (51,6) 66 (71,0)
    Требуемая механическая вентиляция во время госпитализации для Covid-19 14 (10,9) 14 (15,1)
    . 19 (14,8) 19 (20,4)

    Данные представлены как № (%), если не указано иное.

    Сокращения: COVID-19, коронавирусная болезнь 2019 г.; ОИТ, отделение интенсивной терапии.

    Открыть в новой вкладке

    Таблица 1.

    Демография, сопутствующие заболевания и клиническое течение полностью вакцинированных пациентов, госпитализированных с коронавирусной болезнью 2019

     2248 9 29247 22 2 22.7292242424242424242472. 9243 9236 9243 9236
    Характеристика . Все госпитализированные пациенты (n = 128) . Пациенты с симптомами (n = 93) .
    Demographics     
     Age, y, mean (range)  72.8 (19–94)  73.2 (37–94) 
      ≤39  3 (2.3 ) 1 (1.1)
      40–54 8 (6.3) 7 (7. 5)
    13 (10.2)  8 (8.6) 
      65–74  40 (31.3)  30 (32.3) 
      ≥75  64 (50)  47 (50.5) 
     Female sex  67 (52.3)  47 (50.5) 
    Comorbidities     
     Body mass index, kg/m 2      
      <30 69 (53,9) 44 (47,3)
    30–34,9 26 (20,3) 22 (23,7)
    29247 22 2 23.7)
    22. 22. 29247 (23,7)
    (23,7) (23,7).
      ≥40  17 (13.3)  13 (14) 
     Severe immunosuppression  30 (23.4)  23 (24. 7) 
      Solid organ transplant recipient  10  7
      Hematologic malignancy with receipt of chemotherapy in past year 
      Autoimmune disease on immunosuppressive therapy 
      Active cancer with receipt of chemotherapy in past year  2
      Другой диагноз на фоне иммуносупрессивной терапии 2 1
     Гипертония 95 (74.2)  71 (76.3) 
     Hyperlipidemia  62 (48.4)  42 (45.2) 
     Chronic lung disease  51 (39.8)  43 (46.2) 
    Диабет -сахарный2248 23 (24.7) 
     Congestive heart failure  30 (23.4)  23 (24.7) 
     Atrial fibrillation  26 (20. 3)  18 (19.4) 
     Cancer without receipt of chemotherapy in past year  21 (16.4)  15 (16.1) 
     Cerebral vascular accident/transient ischemic attack  14 (10.9)  9 (9.7) 
    Аутоиммунное заболевание без активной иммуносупрессивной терапии 10 (7,8) 6 (6,5)
    Периферическая сосудистая заболевания 9 (7,0). )  6 (6.5) 
     Dementia  7 (5.5)  4 (4.3) 
     Seizure  7 (5.5)  3 (3.2) 
     Hematologic malignancy without receipt of химиотерапия в прошлом году 3 (2.3)  3 (3.2) 
    Clinical course     
     Presence of pulmonary symptoms  79 (61.7)  79 (84.9) 
     Receipt of >4 L/minute of supplemental oxygen during hospitalization  41 (32. 0)  41 (44.1) 
     Required ICU-level care  66 (51.6)  66 (71.0) 
     Required mechanical ventilation during hospitalization для COVID-19 14 (10.9)  14 (15.1) 
     In-hospital death due to COVID-19  19 (14.8)  19 (20.4) 

    724742424742424242424242424242474242424742424742424842484242н 24242424242424242424242424242424242424242424242424242424242424242н. Autoimmune disease without active immunosuppressive therapy  74242424242424242424242424242424242424242424242424242424242н. 43439 2
    Characteristic . Все госпитализированные пациенты (n = 128) . Пациенты с симптомами (n = 93) .
    Демография
    Возраст, y, среднее (диапазон) 72,8 (19–94) 73,2 (37–94)
    ≤39 3 (2,3) 1 (1,11) 3 (2,3) 1 (1,11)
    8 (6.3)  7 (7.5) 
      55–64  13 (10. 2)  8 (8.6) 
      65–74  40 (31.3)  30 (32.3)
      ≥75 64 (50) 47 (50,5)
     Female sex  67 (52.3)  47 (50.5) 
    Comorbidities     
     Body mass index, kg/m 2      
      <30  69 (53.9)  44 (47.3) 
      30–34.9  26 (20.3)  22 (23.7) 
      35–39.9  16 (12.5)  14 (15.1) 
      ≥40  17 (13.3)  13 (14) 
     Severe immunosuppression  30 (23.4)  23 (24.7) 
      Solid organ transplant recipient  10 
      Злокачественное новообразование крови с получением химиотерапии в прошлом году 7 7
      Аутоиммунное заболевание на фоне иммуносупрессивной терапии 7 6 922 4 8 9227 2248
      Active cancer with receipt of chemotherapy in past year 
      Other diagnosis on immunosuppressive therapy 
     Hypertension  95 (74. 2)  71 (76.3 ) 
     Hyperlipidemia  62 (48.4)  42 (45.2) 
     Chronic lung disease  51 (39.8)  43 (46.2) 
     Diabetes mellitus  46 (35.9)  37 (39.8) 
     Chronic kidney disease  30 (23.4)  24 (25.8) 
     Coronary artery disease  30 (23.4) 23 (24.7) 
     Congestive heart failure  30 (23.4)  23 (24.7) 
     Atrial fibrillation  26 (20.3)  18 (19.4) 
    Рак без получения химиотерапии в прошлом году 21 (16,4) 15 (16,1)
    Cerebral Vascular/Transiet Ischemic Attate 14 (10,
    10 (7. 8)  6 (6.5) 
     Peripheral vascular disease  9 (7.0)  6 (6.5) 
    Хроническая болезнь печени 8 (6,3) 6 (6,5)
    Деменция 7 (5,5) 4 (4,3)
    42247 424247 27247 42247 4 (4,3).
     Hematologic malignancy without receipt of chemotherapy in past year  3 (2.3)  3 (3.2) 
    Clinical course     
     Presence of pulmonary symptoms  79 (61,7) 79 (84,9)
    Получение> 4 л/минута дополнительного кислорода во время госпитализации 41 (32,0) 41 (44,1247 41 (32,0) 41 (44,1247 41 (32,0) 41 (44,1247 41 (32,0) 41 (44,1247 41 (32,0). 66 (51,6) 66 (71,0)
    Требуемая механическая вентиляция во время госпитализации для Covid-19 14 (10,9) 14 (15,1)
    . 19 (14,8) 19 (20,4)

    Данные представлены как № (%), если не указано иное.

    Сокращения: COVID-19, коронавирусная болезнь 2019 г.; ОИТ, отделение интенсивной терапии.

    Открыть в новой вкладке

    Средний возраст 93 пациентов после вакцинации с симптомами составил 73,2 года (диапазон от 37 до 94 лет), из них 77 (82,8%) были старше 65 лет (таблица 1). Средний индекс массы тела (ИМТ) составил 31,7 кг/м 2 (диапазон 18,4–55,6 кг/м 2 ), при этом у большинства пациентов (52,7%) ИМТ >30 кг/м 2 . Двадцать три (24,7%) имели выраженную иммуносупрессию. Из остальных 70 пациентов 60 были старше 65 лет с многочисленными сопутствующими заболеваниями. Только 10 (10,8%) полностью вакцинированных пациентов с симптомами COVID-19 были моложе 65 лет и не имели тяжелой иммуносупрессии. Все пациенты имели как минимум 1 сопутствующую патологию. У большинства пациентов (76,3%) была артериальная гипертензия. Другие сопутствующие заболевания можно найти в таблице 1.

    Из 93 пациентов с симптомами у 79 (84,9%) были легочные симптомы, при этом 41 (44,1%) требовался дополнительный кислород >4 л/мин в любой момент во время их госпитализации. Четырнадцать (15,1%) пациентов были переведены на искусственную вентиляцию легких, 19 (20,4%) умерли во время госпитализации из-за COVID-19. Из 19 пациентов с внутрибольничной смертью от COVID-19 у 5 была тяжелая иммуносупрессия. Из остальных 14 пациентов 11 были старше 65 лет, и у всех были многочисленные сопутствующие заболевания. Среди 3 пациентов в возрасте до 65 лет без выраженной иммуносупрессии был 52-летний пациент с синдромом Дауна и прогрессирующей деменцией, вакцинированный BNT162b2 за 6 месяцев до этого; 53-летний пациент с сахарным диабетом, гипертонией, хроническим заболеванием почек и хроническим заболеванием печени, вакцинированный BNT162b2 за 4 месяца до этого; и 64-летний пациент с сахарным диабетом, гипертонией, гиперлипидемией и ишемической болезнью сердца, вакцинированный Ad. 26.COV2.S за 3 месяца до этого. Подробности обо всех внутрибольничных смертельных случаях можно найти в дополнительной таблице 19.0023

    ЖЭ против госпитализации, потребности в отделении интенсивной терапии, искусственной вентиляции легких и внутрибольничной смертности для всей когорты оценивались в 84,5%, 85,1%, 86,6% и 83,1% соответственно. Было обнаружено, что вакцинация >91% защищает от госпитализации для всех возрастных групп до 70 лет. Разбивка VE по возрасту показана в таблице 2. Ни один полностью вакцинированный пациент в возрасте до 50 лет не нуждался в ИВЛ и не умер от COVID-19.

    Таблица 2.

    Расчетная эффективность вакцины в отношении госпитализации, потребности в интенсивной терапии и искусственной вентиляции легких и внутрибольничной летальности

    Возрастная группа, лет . VE против госпитализации . VE против интенсивной терапии . VE От механической вентиляции . VE против внутрибольничной смертности .
    ≥80 72,5% 67,8% 86,6% 86,6%
    8

    68

    33648

    3398

    68

    86,6%
    86,6%
    86,6%
    86,6%
    .2247 90.5%  83.7%  90.2% 
    60–69  91.5%  92.5%  96.2%  92.5% 
    50–59  96.1%  95.2%  89.5%  83.0% 
    40–49  95.3%  96.8%  100.0%  100.0% 
    30–39  98.2%  100.0%  None available  None available 
    ≤29  92.7%  88.5%  None available  None available 
    All patients  84.5%  85. 1%  86.6%  83.1% 

    Возрастная группа, лет . VE против госпитализации . VE против интенсивной терапии . ВЭ против механической вентиляции . VE против внутрибольничной смертности .
    ≥80  72.5%  67.8%  86.6%  86.6% 
    70–79  86.7%  90.5%  83.7%  90.2% 
    60–69 91,5% 92,5% 96,2% 92,5%
    50–59  96.1%  95.2%  89.5%  83.0% 
    40–49  95.3%  96.8%  100.0%  100.0% 
    30–39 98.2%  100.0%  None available  None available 
    ≤29  92. 7%  88.5%  None available  None available 
    All patients  84,5% 85,1% 86,6% 83,1%

    Сокращения: ОИТ, отделение интенсивной терапии; VE, эффективность вакцины.

    Открыть в новой вкладке

    Таблица 2.

    Расчетная эффективность вакцины в отношении госпитализации, потребности в интенсивной терапии и ИВЛ и госпитальной летальности

    Возрастная группа, лет . VE против госпитализации . VE против отделения интенсивной терапии . VE От механической вентиляции . VE против внутрибольничной смертности .
    ≥80  72.5%  67.8%  86.6%  86.6% 
    70–79  86. 7%  90.5%  83.7%  90.2% 
    60–69 91,5% 92,5% 96.2%  92.5% 
    50–59  96.1%  95.2%  89.5%  83.0% 
    40–49  95.3%  96.8%  100.0%  100.0% 
    30–39  98.2%  100.0%  None available  None available 
    ≤29  92.7%  88.5%  None available  None available 
    All patients  84.5%  85.1%  86.6%  83.1% 

    Age Group, y . VE против госпитализации . VE против интенсивной терапии . VE От механической вентиляции . VE против внутрибольничной смертности .
    ≥80  72.5%  67.8%  86.6%  86.6% 
    70–79  86.7%  90.5%  83.7%  90.2% 
    60 –69  91.5%  92.5%  96.2%  92.5% 
    50–59  96.1%  95.2%  89.5%  83.0% 
    40–49  95.3%  96.8%  100.0%  100.0% 
    30–39  98.2%  100.0%  None available  None available 
    ≤29  92.7%  88.5 %  None available  None available 
    All patients  84.5%  85.1%  86.6%  83.1% 

    Abbreviations: ICU, intensive care unit; VE, эффективность вакцины.

    Открыть в новой вкладке

    ОБСУЖДЕНИЕ

    Наш отчет дополняет ограниченные опубликованные данные, описывающие клинические характеристики полностью вакцинированных пациентов, госпитализированных с COVID-19 до ревакцинации. Джутани и др. недавно описали 54 полностью вакцинированных пациента, госпитализированных с 23 марта по 1 июля 2021 г. в Коннектикуте [3], а Брош-Ниссимов и др. описали 152 полностью вакцинированных пациента, госпитализированных с 18 января по 20 апреля 2021 г. в Израиле [4]. Общим выводом среди 3 когорт является то, что по крайней мере 1 из 5 пациентов либо не имел симптомов, либо был госпитализирован не по поводу COVID-19.причина. Джутани и др. обнаружили, что 46% пациентов не имели симптомов, в то время как Брош-Ниссимов и др. обнаружили, что 19% пациентов были госпитализированы по поводу медицинских проблем, не связанных с COVID-19. Мы обнаружили, что 27% пациентов не имели симптомов и были обнаружены во время скрининга по другим причинам, таким как помещение в учреждения длительного ухода или тестирование перед процедурой. Следует отметить, что наша система здравоохранения не проверяет всех пациентов при поступлении на SARS-CoV-2. Что касается тяжелого/критического заболевания и смертности, Juthani et al. обнаружили, что 26% пациентов имели тяжелое/критическое заболевание и уровень смертности 5,5%, тогда как Brosh-Nissimov et al. обнаружили, что 61% пациентов имели тяжелое/критическое заболевание и смертность 22%. Мы обнаружили, что 52% пациентов в нашей когорте нуждались в помощи на уровне отделения интенсивной терапии, а 15% умерли в больнице. Все 3 когорты обнаружили, что большинство пациентов были пожилыми. Juthani и соавторы сообщили, что средний возраст пациентов с тяжелым или критическим заболеванием составляет 80,5 лет, Брош-Ниссимов и соавторы сообщили, что средний возраст составляет 71,1 года, а средний возраст нашей группы составил 72,8 года. Brosh-Nissimov et al. сообщили, что 40% пациентов имеют иммуносупрессию, в то время как мы обнаружили, что 23,4% нашей когорты имеют тяжелую иммуносупрессию. Важно отметить, что наше исследование было проведено полностью в период времени, когда дельта-вариант составлял почти все случаи в Соединенных Штатах [6]. Кроме того, ни один пациент в нашем исследовании не получил бустерную дозу, поскольку она еще не получила широкого разрешения.

    Наш отчет также содержит большое количество данных, показывающих существенную защиту от госпитализации и смерти от COVID-19 благодаря вакцинации. По данным Центров по контролю и профилактике заболеваний, полностью вакцинированные люди постоянно госпитализировались со скоростью <5 на 100 000 человек по сравнению с непривитыми людьми, госпитализируемыми со скоростью> 50 на 100 000 человек в течение периода нашего исследования [7]. ]. Мы обнаружили, что VE был ниже среди лиц в возрасте ≥70 лет для защиты от госпитализации и среди лиц ≥80 лет для потребности в уходе на уровне отделения интенсивной терапии по сравнению с более молодыми возрастными группами. Ни один полностью вакцинированный пациент в возрасте до 50 лет не нуждался в ИВЛ и не умер от COVID-19. .

    Наше исследование имеет несколько важных ограничений. Хотя данные были собраны среди 8 различных больниц в AHN, все они географически расположены в западной Пенсильвании, и результаты не могут быть распространены на другие регионы. Наша система здравоохранения не проводит рутинное тестирование всех пациентов на COVID-19 при поступлении, но стандартная практика заключается в том, что пациенты проходят тестирование до направления на долгосрочное лечение. Это причина постановки диагноза в большинстве наших бессимптомных случаев, что может повлиять на характеристики нашей общей когорты по сравнению с учреждениями с более широкими стратегиями тестирования. Поскольку данные о не полностью вакцинированных пациентах с симптомами COVID-19были недоступны для этого анализа, мы не смогли рассчитать ЖЭ на фоне симптоматической госпитализации. Наши расчеты VE также не смогли учесть иммунитет от предшествующей инфекции или частичной вакцинации в группе не полностью вакцинированных пациентов, что может занижать VE.

    ВЫВОДЫ

    Мы рассмотрели 128 полностью вакцинированных пациентов, госпитализированных с COVID-19 до ревакцинации, и обнаружили, что 27% были бессимптомными, 52% нуждались в отделении интенсивной терапии, а 15% умерли из-за COVID-19.. Большинство (89,2%) полностью вакцинированных пациентов с симптомами COVID-19 были старше 65 лет и/или имели тяжелую иммуносупрессию. Ни один полностью вакцинированный пациент в возрасте до 50 лет не нуждался в ИВЛ и не умер от COVID-19.

    Дополнительные данные

    Дополнительные материалы доступны по адресу Open Forum Infectious Diseases онлайн. Состоящие из данных, предоставленных авторами в интересах читателя, размещенные материалы не редактируются и являются исключительной ответственностью авторов, поэтому вопросы или комментарии должны быть адресованы соответствующему автору.

    Примечания

    Благодарности. Авторы благодарят специалистов по профилактике инфекций Allegheny Health Network (AHN) за их поддержку и самоотверженность во время пандемии COVID-19, а также благодарят их и наш отдел информационных технологий за помощь в сборе данных.

    Заявление о согласии пациента. Это исследование не включало факторы, требующие согласия пациента. Статус исключения был предоставлен Институциональным наблюдательным советом AHN.

    Возможные конфликты интересов. Все авторы: Нет сообщений о конфликте интересов.

    Все авторы представили форму ICMJE для раскрытия потенциальных конфликтов интересов. Выявлены конфликты, которые редакция считает относящимися к содержанию рукописи.

    Каталожные номера

    1.

    Griffin

    JB

    ,

    Haddix

    M

    ,

      2 Danza

      0023

      и др. .

      Инфекции SARS-CoV-2 и госпитализации среди лиц в возрасте ≥16 лет в зависимости от прививочного статуса — округ Лос-Анджелес, Калифорния, 1 мая — 25 июля 2021 г.

      .

      MMWR Morb Mortal Wkly Rep

      2021

      ;

      70

      :

      1170

      6

      .

      2.

      Розенберг

      ES

      ,

      Холтгрейв

      DR

      ,

      Дорабавила

      В

      и др. .

      Новые случаи COVID-19 и госпитализации среди взрослых по статусу вакцинации — Нью-Йорк, 3 мая — 25 июля 2021 г.

      .

      MMWR Morb Mortal Wkly Rep

      2021

      ;

      70

      :

      1306

      11

      .

      3.

      Ютани

      PV

      ,

      Гупта

      А

      ,

      Борхес

      КА

      и др. .

      Госпитализация в случае прорыва вакцины при инфекциях COVID-19

      .

      Ланцет Infect Dis

      2021

      ;

      21

      :

      1485

      6

      .

      4.

      Brosh-Nissimov

      T

      ,

      Orenbuch-Harroch

      E

      ,

      Chowers

      M

      99898, ET AT. .

      Прорыв в отношении вакцины BNT162b2: клинические характеристики 152 полностью вакцинированных госпитализированных с COVID-19пациентов в Израиле

      .

      Clin Microbiol Infect

      2021

      ;

      27

      :

      1652

      7

      .

      5.

      . https://www.health.pa.gov/topics/disease/coronavirus/Vaccine/Pages/Dashboard.aspx. Доступ

      .

      6.

      Центры по контролю и профилактике заболеваний.

      . https://covid.cdc.gov/covid-data-tracker/#variant-proportions. Доступно

      .

      7.

      Центры по контролю и профилактике заболеваний.

      . https://covid.cdc.gov/covid-data-tracker/#covidnet-hospitalizations-vaccination. Доступ

      .

      © Автор(ы), 2022 г. Опубликовано Oxford University Press от имени Американского общества инфекционистов.

      Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution-NonCommercial-NoDerivs (https://creativecommons.org/licenses/by-nc-nd/4.0/), которая разрешает некоммерческое воспроизведение и распространение работы на любом носителе при условии, что оригинальная работа не изменена и не трансформирована каким-либо образом, и что работа правильно процитирована. По вопросам коммерческого повторного использования обращайтесь по адресу [email protected]

      © Автор(ы), 2022 г. Опубликовано Oxford University Press от имени Американского общества инфекционистов.

      Раздел выпуска:

      Краткий отчет

      Скачать все слайды

    • Дополнительные данные

    • Дополнительные данные

      ofac014_suppl_Supplementary_Table — файл docx

      Реклама

      Цитаты

      Альтметрика

      Дополнительная информация о метриках

      Оповещения по электронной почте

      Оповещение об активности статьи

      Предварительные уведомления о статьях

      Оповещение о новой проблеме

      Оповещение о текущей проблеме

      Получайте эксклюзивные предложения и обновления от Oxford Academic

      Ссылки на статьи по телефону

      • Последний

      • Самые читаемые

      • Самые цитируемые

      Прогнозирование риска полирезистентных энтеробактериальных инфекций среди людей с ВИЧ

      Влияние многоэтапного комплексного вмешательства на ведение и исход грамотрицательных инфекций кровотока: одноцентровое исследование «доказательства концепции».

    Добавить комментарий

    Ваш адрес email не будет опубликован.