XiaoMi-AI文件搜索系统
World File Search SystemAgung
在苏丹Agung Semarang医院Junvidya Heroweti 1 *，Suswanto 2，Ahmad Mu'alim Johari 2
印度尼西亚的抽象抗菌抗药性估计，2018年抗菌抗药性的死亡数据约为70万人，到2050年，这一数字将继续增加到1000万人。有必要通过评估抗生素的使用来控制抗生素耐药性。这项研究的目的是确定RSI Sultan Agung Semarang时期的抗生素使用量。这项研究具有描述性研究设计和回顾性数据收集。使用的人口是使用抗生素的内科病房中住院患者的所有病历数据。有394个病历符合纳入标准。使用ATC/DDD方法计算的数据被描述地描述，并以百分比，表格，百分比和表格的形式呈现。结果表明，抗生素的总DDD值为81.56 DDD/100患者天，总停留时间（LOS）为2,588天。DDD值最高的抗生素是左氧氟沙星肠胃外，每100天住院每100天，患者每天接受剂量0.5克的治疗。虽然进入90％DU段的抗生素是左氧氟沙星（P），头孢曲松（P），Moxifloxacin，Cefoperazone sulbactam（P），氨甲基磺胺sulbactam（P），Meropenem（P），Meropenem（P），Metronidazole（P） （O），Dan Cefotaxime（P）。由于可能具有抗生素抗性的可能性，应严格控制其使用。
心脏病预测基于生理参数，使用集合分类器和参数优化Agung Muliawan 1，Achmad Rizal 2，
使用集合分类器和参数优化基于生理参数的心脏病预测Agung Muliawan 1，Achmad Rizal 2，Sugondo Hadiyoso 3* Institut Teknologi Dan Sainsia Mandala，Indonesia，Indonesia 1 Telekom University 1 Telekom University，Indonesia 23 sugondo@telkomuniversity.actistia in Indonesia telkomuniversity.ace.ac.act.ace.ace.act.act act：20 3 333 333 303 303接受：2023年11月7日 *通讯作者摘要本研究描述了使用具有参数优化的集合分类器对心脏病的预测。作为输入，从UCI机器学习存储库中获取了一个公共数据集，该数据集是指UCI机器学习中的数据集。数据集由13个变量组成，这些变量被认为会影响心脏病。粒子群优化（PSO）用于特征选择和主成分分析（PCA），以降低特征的尺寸。在几种机器学习方法上的应用优化应用，例如SVM（径向基础功能），深度学习和集合分类器（装袋和增强），以获得最高的精度比较。与PCA相比，该研究使用PSO维度降低的结果降低导致精确度。相反，通过优化深度学习参数的精度为84.47％，并优化SVM RBF参数，精度为83.56％，获得了最高精度。使用SVM上的袋子在83.51％的装袋中的最高精度，与SVM相差0.5％，而无需使用袋装。关键字：心脏病，机器学习，降低维度，参数优化，合奏分类器1。简介