Loading...
机构名称:
¥ 1.0

不遵守推荐的治疗将降低其有效性,并可能导致疾病进展、残疾甚至死亡。大量研究强调了服药不依从的严重程度及其对治疗结果、患者健康、医疗保健提供者和相关费用的影响;服药不依从仍然是一个主要问题,据信服药患者中普遍存在这种现象。当前的系统评价旨在整合有关服药不依从率、实践以及潜在影响因素和预测因素的现有证据。在不同的数据库中搜索了最近发表的五年内的研究文章,包括 PubMed、Medline 和 CINHAL。搜索使用的术语包括服药不依从、服药不依从、影响服药不依从的因素和服药不依从的预测因素。由于密切观察患者的依从性,搜索仅限于人类受试者、英语期刊文章,排除评论文章、案例研究和临床试验数据。

服药不依从率及影响因素

服药不依从率及影响因素PDF文件第1页

服药不依从率及影响因素PDF文件第2页

服药不依从率及影响因素PDF文件第3页

服药不依从率及影响因素PDF文件第4页

服药不依从率及影响因素PDF文件第5页

相关文件推荐

2020 年

通过人工智能技术预测学业成绩 Omar D. Castrillón、William Sarache 和 Santiago Ruiz-Herrera 哥伦比亚国立大学 - 马尼萨莱斯校区,工程与建筑学院,工业工程系,创新与技术发展组,Q 区拉努比亚校区,马尼萨莱斯,170001 - 哥伦比亚。 (电子邮件:odcastrillong@unal.edu.co;wasarachec@unal.edu.co;sruizhe@unal.edu.co) 五月收到。 9,2019; 2019 年 7 月 8 日接受;最终版本 2019 年 8 月 12 日,2020 年 2 月发布 摘要 本文的目的是利用人工智能技术(分类器)根据各种影响因素预测高等教育学生的学业成绩。尽管对这些因素的研究已从定量和定性方法进行了广泛的分析,但仍然提供了使用人工智能提供的工具进行研究的机会,特别是在预测学业成绩方面。通过定义的因素(教育、家庭、社会经济、习惯和风俗等),设计了一种方法,可以训练一个系统,该系统能够预先将新生分类到五个预定的学业成绩类别之一中。这种分类可以让教育机构提前识别出可能存在学业成绩问题的学生。由此,可以部署立即的支持和缓解行动。该方法被应用于哥伦比亚一所公立大学的学生样本,成功率达到 91.7%。关键词:学业成绩;人工智能;分类器;成功;使用人工智能技术预测学业成绩摘要本文的目的是通过应用人工智能技术(分类器)来预测高等教育学生的学业成绩,考虑几个影响因素。尽管这些因素已从定量和定性方法进行了广泛的分析,但它们仍然代表了使用人工智能工具的研究机会,特别是在学业成绩预测方面。通过定义影响因素(教育、家庭背景、社会经济、习惯和风俗等),设计了一种方法,以训练一个系统,该系统能够预先将新生分类为五个学业成绩类别之一。这种分类使教育机构能够尽早发现可能存在学业成绩问题的学生。根据这些了解,该机构可以立即采取缓解措施。该方法被应用于哥伦比亚一所公立大学的学生样本,成功率达到 91.7%。关键字:学业成绩;人工智能;分类器;成功;预测

¥1.0