Background: Choroidal metastases from gynaecological primary are extremely rare. There is no documented case in the literature of choroid metastasis in a patient with primary peritoneal carcinoma (PPC).

Υπάρχουσα γνώση: H εμμηνοπαυσιακή μετάβαση συνδέεται με επιταχυνόμενη αθηρωματική νόσο. Επιδιώξαμε να μελετήσουμε για πρώτη φορά τη συσχέτιση μεταξύ του συνόλου των ενδογενών ορμονών του φύλου και πολλαπλών τελικών σημείων(endpoints) υποκλινικής αθηρωμάτωσης σε σχετικό ελληνικό πληθυσμόΜέθοδοι: 411 υγιείς μεταεμμηνοπαυσιακές γυναίκες με παράγοντες κινδύνου υποβλήθηκαν διαδοχικά σε βιοχημικές, ορμονολογικές και αγγειολογικές εξετάσεις ενώ πραγματοποιήθηκαν και ετήσιοι επανελέγχοι σε 158 γυναίκες.Αποτελέσματα: Ο δείκτης ελεύθερων ανδρογόνων(ΔΕΑ) αποτελούσε ανεξάρτητο προγνωστικό παράγοντα για τους περισσότερους λειτουργικούς δείκτες υποκλινικής αθηρωματικής νόσου και προσέφερε επαυξητική (incremental) πληροφορία σε σχέση με κλασσικούς παράγοντες κινδύνου ή τον υπολογιζόμενο καρδιαγγειακό κίνδυνο(ΚΚ) για την παρουσία αρτηριοσκλήρυνσης. Ο ΔΕΑ προέβλεπε βραχυχρόνιες μεταβολές αιμοδυναμικών παραμέτρων και του ΚΚ και ήταν ανώτερος από εναλλακτικούς δείκτες ανδρογονικότητας για πολλαπλές εκφάνσεις υποκλινικής αθηρωματικής νόσου. Η προλακτίνη συσχετιζόταν επίσης με μεταβολές σε αιμοδυναμικές παραμέτρους και τον ΚΚ. Οι γυναίκες με διάρκεια εμμηνόπαυσης πέραν της δεκαετίας συγκέντρωναν την πλειοψηφία των ανεπιθύμητων δράσεων του ΔΕΑ. Συμπεράσματα: Η αυξημένη ανδρογονικότητα στις μεταεμμηνοπαυσιακές γυναίκες συσχετίζεται συγχρονικά και προοπτικά με πολλαπλές εκφάνσεις της υποκλινικής αθηρωματικής νόσου. Η πλειοτροπική επίδραση της προλακτίνης και η διάρκεια της εμμηνόπαυσης συνδιαμορφώνουν το βιολογικό υποστρώμα της πρώιμης αθηρωματικής νόσου σε υγιείς μεταεμμηνοπαυσιακές γυναίκες. Οι παραπάνω συσχετίσεις οφείλουν να διερευνηθούν περαιτέρω σε προοπτικές μελέτες μεγαλύτερης κλίμακας.

The research examines the optimization of fleet management of a shipping company through control algorithms, as finding an algorithm that will reduce a marine company’s exposure to risk by diversifying its fleet composition is one way to make it dominant. The study focused on three companies that, in 2014, invested US$$1 billion in a fleet of tankers, using three different techniques to optimize their fleet composition: equal number of ships of all types, the established risk minimization model and the proposed Risky Asset Pricing maximization model. Seven years of data was used for the synthesis and 4 years of data was used for the evaluation. The research findings show that classic portfolio management through risk minimization is ineffective, as it appears to reduce performance below what is a random or evenly distributed fleet. Comparing the three methods, the superiority of the Risky Asset Pricing model is clear. This algorithm looks for solutions where the demand for ships is low but has enormous fluctuation potential and seeks to identify ships that are at high risk with great potential for price increases to maximize investor returns. The value of the research lies in the identification of methods to optimize capital distribution and composition of a shipping company fleet, which presents valuable insights for the benefit of scholars and maritime companies. Moreover, and contrary to extant works that focus on Markowitz’s theory, this article instead describes how evolutionary algorithms can be used to optimize fleet management.

ΚΕΦΑΛΑΙΟ 2° ΑΠΟΚΛΙΣΕΙΣ ΠΡΟΚΑΤΑΣΚΕΥΑΣΜΕΝΩΝ ΕΡΓΩΝ 2.1. Χαρακτηριστικά Προκατασκευής 19 2.1.1. Πλεονεκτήματα 2.1.2. Μειονεκτήματα 2.1.3. Διαφορές Προκατασκευής 2.2. Αίτια Αποκλίσεων Προκατασκευής 2.2.1. Φάσεις υλοποίησης Προκατασκευασμένων Εργων 2.3. Αποκλίσεις Προκατασκευής 2.3.1. Αποκλίσεις παραγωγής 2.3.2. Αποκλίσεις πρώτης ανάρτησης -αποθήκευσης και αποκλίσεις Μεταφοράς 27 2.3.3. Αποκλίσεις συναρμολόγησης ΚΕΦΑΛΑΙΟ 3° ΕΛΕΓΧΟΣ ΑΠΟΚΛΙΣΕΩΝ ΠΡΟΚΑΤΑΣΚΕΥΑΣΜΕΝΩΝ ΕΡΓΩΝ 3.1. Γενικά 35 3.2. Προδιαγραφές που αφορούν στις Ανοχές της Προκατασκευής 37 3.3. Μετρήσεις Αποκλίσεων Προκατασκευής 41 3.3.1. Διαδικασία μέτρησης των αποκλίσεων 43 xiii 3.3.2. Συνήθη όργανα μέτρησης αποκλίσεων 45 3.3.3. Επισημάνσεις 47