Pydantic 是目前最流行的 Python 数据验证工具

• Python 作为一种动态类型语言，在开发和易用性上存在优势
• 因此也需要对程序进行功能更强大的类型检查和数据验证

Pydantic 的特点

1. 自定义与扩展：可用于任意 Python 对象的数据类型验证，支持嵌套结构
2. 验证的灵活性：类型丰富，验证的时间点灵活，严格模式 vs 宽松模式
3. 序列化：Pydantic 对象支持序列化和反序列化为字典和 JSON 字符串
4. 高性能：核心验证逻辑基于 Rust 编写，性能出色且可靠，

Read more

调查问卷分析的一般流程：

1. 初步设计调查问卷并严格评估合理性，比如文献研究，对象访谈，Delphi 专家函询
2. 针对少量人群（40~60 人）展开预调查，了解调查问卷设置条目的合理性，完整性和可理解性
3. 确保预调查结果质量，包括调查内容审核录入与信效度分析（此步骤也适用于正式调研阶段）
4. 估计样本量，确定调查人群，完成调查员培训，分配调查任务并展开具体的正式调查
5. 对调查结果进行数据分析，包括分布描述，独立性检验，方差分析，相关性分析，多因素分析等
6. 根据初步分析结果，进行整理和深入的分析，得到可验证的结果，最后撰写调查报告

De

Read more

前置知识： 10.《动手学深度学习》注意力机制

普通线性注意力

原始 Tansformer（左） VS 线性 Tansformer（右）：

• N：序列长度，在自然语言处理任务中，指句子中 Token 或词的数量。
• d：特征维度，即每个元素（如单词的词向量）的维度。
• O(N²d)、O(Nd²) ：计算复杂度。大 O 描述了计算量随输入序列变长的增长速度，如 O(N²d) 表示计算量与 N² 和 d 成正比 。
• Q（Query）：“查询” 矩阵，用于在自注意力机制中向其他元素询问相关

Read more

大语言模型（LLMs）的上下文学习：经过预训练的 LLMs 能根据文本提示或任务示例来直接对下游任务进行预测，而无需更新模型权重，这种能力也被称为上下文学习（in-context learning，ICL）或语境学习

简单来说，ICL 就是在不更新模型参数的前提下，通过输入经典示例作为提示来增强模型的能力

以情感分析为例，来说明 ICL 的一般流程（图源）：

• ICL 需要一些示例来形成一个用于情景演示的上下文，作为提示输入来增强 LLMs
• ICL 示例一般用自然语言模板编写，并拼接真实的输入查询（Text）与结果（Label）

ICL 的分类：

• Few-shot learning，

Read more

LSH（locality sensitivity Hashing，局部敏感性哈希）算法

• 一种从海量数据中进行相似性搜索的算法
• 常用于文本查重、图像识别、推荐系统和搜索引擎

以相似文档检索为例，说明 LSH 的算法过程

1. Shingling，文档进行向量化表示

   • 统计 k 个文档中连续出现的 token（字符或单词）
   • 按照 one_hot 的形式对文档进行向量化的矩阵表示
   • 每一列表示一个文档，每一行表示文档的信息矩阵

2. Min-Hashing，对文档信息进行降维

   • 依次对文档矩阵的每一列进行重排序
   • 选择第一个非 0 行的行号作为的最小哈希值
   • 重复多次，得到若干个最小哈希组成的文档矩阵

Read more

TabPFN 的主要特点：

• 一种面向小规模表格数据（样本量<=10000）的预训练 Transformer 模型
• 不同与以往基于 X 预测 Y 的传统模型，TabPFN 更类似于 AutoML 或者元学习的思路，其先基于真

Read more

术前评估

ASA 术前麻醉评分

ASA 分级标准，指的是美国麻醉医师协会（ASA）于麻醉前根据

Read more

因果推断基础

辛普森悖论 提醒我们在分析数据时要仔细考虑分组和混杂因素的影响，而因果推断的作用就是使用适当的方法识别和控制这些因素，从而可以更好地解释数据中的关系，并做出可靠的结论。

相关性与因果性：

• 相关性描述了事物之间存在的关联，因果性则代表了事物之间的内在联系
• 不同于相关性，因果性一般是单向的，即 A 是 B 的因，B 就不应该是 A 的因
• 传统模型一般学习的只是相关性，这也是导致模型泛化能力不足的重要原因

因果关系的三个阶段（由易到难）：

1. 关

Read more

前置知识：贝叶斯算法、高斯过程回归

BNN 的定义

贝叶斯神经网络（Bayesian neural networks, BNNs）：

• 神经网络中的可训练参数，即权重（weight）和偏置（bias）都表示为一个分布
• 一种最简单的 BNN 就是将模型参数看作服从均值为 $\mu$，方差为 $\delta$ 的高斯分布；考虑到中心极限定理的存在，一般认为模型参数符合高斯分布是一种合理的假设
• 在预测时，BNN 会从每个高斯分布采样，得到一个确定的神经网络，然后用于预测；也可以对参数多次采样后分别进行预测，然后将多次预测结果进行汇总（类

Read more

谵妄的定义

谵妄的定义：POD 是一种急性发作的、暂时性脑功能异常。POD 多数发生在术后 1 周内, 以注意力不集中、意识水平变化和认知功能急性改变为特征。POD 可增加患者术后其他并发症发生率、延长住院时间、增加医疗费用和 30d 再人院率, 从而影响患者预后。

谵妄的常见临床表现：

1. 注意力障碍: 患者对各种刺激的警觉性及指向性下降, 如注意力难唤起、表情茫然或注意力不能集中
2. 意识水平紊乱: 表现为对周围环境认识的清晰度下降或出现不同程度的木僵或昏迷
3. 认知功能障碍: 是 POD 最常见的表现之一,

Read more