机构名称：
¥ 1.0
Vaghani Divyeshkumar Gannon大学，109大学广场，伊利，宾夕法尼亚州16541，美国摘要：这项研究探讨了个性化机器的预测分析：利用患者数据来增强医疗保健。 通过利用信息和分析的力量，可以将医疗保健行业驱动到更具患者的积极主动模型，从而提高结果并提高整体护理质量。 研究的目标是：确定医疗保健中预测分析的重要性和挑战，确定用于增强患者护理的医疗保健中使用的数据分析技术，找出如何将预测分析应用于增强的医疗保健，并确定与医疗保健预测分析相关的伦理考虑。 本研究采用了案例研究方法和实验设计。 研究分析了医疗中心预测分析模型实时部署的案例研究，研究了这些模型如何增强这些中心的医疗保健提供。 还进行了实验以了解预测分析的工作原理。 使用C4.5学习算法来预测患者的慢性肾脏疾病（CKD）的存在，并区分不受该病情影响的患者。 C4.5分类器显示出合理的强度，这在大量正确的分类事件（396）中很明显，只有4例发生的错误分类。 这是由0.37的低误差率进一步证明的，如表5所示。 该算法的流行率由KS的较大值（0.97）强调，表明分类器的突破精度和性能。Vaghani Divyeshkumar Gannon大学，109大学广场，伊利，宾夕法尼亚州16541，美国摘要：这项研究探讨了个性化机器的预测分析：利用患者数据来增强医疗保健。通过利用信息和分析的力量，可以将医疗保健行业驱动到更具患者的积极主动模型，从而提高结果并提高整体护理质量。研究的目标是：确定医疗保健中预测分析的重要性和挑战，确定用于增强患者护理的医疗保健中使用的数据分析技术，找出如何将预测分析应用于增强的医疗保健，并确定与医疗保健预测分析相关的伦理考虑。本研究采用了案例研究方法和实验设计。研究分析了医疗中心预测分析模型实时部署的案例研究，研究了这些模型如何增强这些中心的医疗保健提供。实验以了解预测分析的工作原理。使用C4.5学习算法来预测患者的慢性肾脏疾病（CKD）的存在，并区分不受该病情影响的患者。C4.5分类器显示出合理的强度，这在大量正确的分类事件（396）中很明显，只有4例发生的错误分类。这是由0.37的低误差率进一步证明的，如表5所示。该算法的流行率由KS的较大值（0.97）强调，表明分类器的突破精度和性能。C4.5的性能以其最小的执行时间和准确性为特征，将其视为不错的分类器。此特征使其非常适合在医疗保健领域的应用，尤其是用于涉及预测和分类的任务。数据分析方法在预测分析中的应用在卫生部门具有重大好处，因为它使我们有能力预测和解决对人类健康的潜在威胁，涵盖了不同年龄段的不同年龄段，从年轻人到老年人。这种主动的方法可以早期疾病检测，有助于及时进行干预，并为更好的决策做出贡献。关键字：分析，决策，深度学习，医疗保健，信息，机器学习，患者数据，个性化
利用患者数据来增强医疗保健
主要关键词
相关文件推荐
