001.422 消除对数据分析的恐惧:经过全面修订、大幅扩展且仍然充满乐趣 / Adamantios Diamantopoulos(维也纳大学市场营销和国际商务系国际营销学教授)、Bodo B. Schlegelmilch(奥地利维也纳大学市场营销系国际营销管理教授)和 Georgios Halkias(丹麦哥本哈根商学院市场营销系市场营销和行为研究副教授)。[在线资源] — 北安普顿:Edward Elgar Publishing,2023 年。— 1 个在线资源(346 页)。ISBN 1803929847;9781803929842(电子版)BNB 编号 GBC361039 统计,数据处理。
001.422 消除对数据分析的恐惧:经过全面修订、大幅扩展且仍然充满乐趣 / Adamantios Diamantopoulos(维也纳大学市场营销和国际商务系国际营销学教授)、Bodo B. Schlegelmilch(奥地利维也纳大学市场营销系国际营销管理教授)和 Georgios Halkias(丹麦哥本哈根商学院市场营销系市场营销和行为研究副教授)。[在线资源] — 北安普顿:Edward Elgar Publishing,2023 年。— 1 个在线资源(346 页)。ISBN 1803929847;9781803929842(电子版)BNB 编号 GBC361039 统计,数据处理。
005.8 隐私和身份管理——数据保护和安全之间:第 16 届 IFIP WG 9.2、9.6/11.7、11.6/SIG 9.2.2 国际暑期学校,隐私和身份 2021,虚拟活动,2021 年 8 月 16 日至 20 日,修订精选论文/由 Michael Friedewald、Stephan Krenn、Ina Schiering、Stefan Schiffner 编辑。— Cham:Springer,2023 年。— 207 页:插图(黑白和彩色);24 厘米。ISBN 9783030991029 平装本 69.99 英镑 BNB 编号 GBC355466 数据保护,大会。
004.091724 数字化发展——通过信息通信技术实现转型、包容和可持续发展:第 12 届国际发展信息学协会会议,IDIA 2022,南非姆博贝拉,2022 年 11 月 22 日至 25 日,修订精选论文/由 Patrick Ndayizigamiye、Hossana Twinomurinzi、Billy Kalema、Kelvin Bwalya、Mncedisi Bembe 编辑。— Cham:Springer,2023 年。— 345 页:插图(黑白);24 厘米。ISBN 9783031284717 平装本 64.99 英镑 BNB 编号 GBC350900 信息技术、发展中国家、大会。
006.3 AIxIA 2022 - 人工智能的进步:意大利人工智能协会第 21 届国际会议,AIxIA 2022,意大利乌迪内,2022 年 11 月 28 日至 12 月 2 日,会议记录/由 Agostino Dovier、Angelo Montanari、Andrea Orlandini 编辑。— Cham:Springer,2023 年。— 496 页:插图(黑白);24 厘米。ISBN 9783031271809 平装本 69.99 英镑 BNB 编号 GBC345216 人工智能,大会。
与没有糖尿病的患者相比,2型糖尿病患者(T2DM)的心力衰竭风险(HF)的风险是患心力衰竭(HF)的两倍以上。本研究的目的是建立人工智能(AI)预后模型,该模型考虑了大型杂质的临床因素集,并研究了糖尿病患者患HF的风险。我们进行了电子健康记录(EHR-)基于回顾性队列研究,其中包括具有心脏病临床评估的患者,并且没有先前对HF的诊断。信息包括从常规医疗服务的一部分获得的临床和行政数据中提取的功能。主要终点是诊断HF(在冬常临床检查或住院期间)。我们使用(1)COX比例危害模型(COX)和(2)一种深神经网络生存方法(PHNN)开发了两个预后模型,其中使用神经网络表示非线性危害功能,并将解释性策略应用于预测因素对风险功能的影响。在65个月的中位随访中,10,614名患者中有17.3%发展出HF。PHNN模型在歧视方面的表现(C-指数为0.768 vs 0.734)和校准(2年综合校准指数0.008 vs 0.018)。AI方法导致鉴定了不同领域的20个预测因子(年龄,体重指数,超声心动图和心电图特征,实验室测量,合并症,疗法)与预测风险的关系对应于临床实践的已知趋势。我们的结果表明,糖尿病患者的HF的预后模型可以使用EHR与AI技术结合使用的生存分析来改善,从而为标准方法提供了较高的灵活性和更好的性能。
抽象的客观房颤(AF)按年龄筛查的产量低,并错过了年轻人。我们旨在在全国范围内常规收集的初级保健数据中开发一种算法,以预测6个月内发生AF的风险(未来对房颤的新创新(Find-AF)(Find-AF))。方法,我们使用了来自≥30岁的个人的初级保健电子健康记录数据,但在英国临床实践研究数据链接数据集在1998年1月2日至2018年11月30日之间,随机分为培训(80%)和测试(20%)数据集。我们使用年龄,性别,种族和合并症培训了一个随机的森林分类器。Prediction performance was evaluated in the testing dataset with internal bootstrap validation with 200 samples, and compared against the CHA 2 DS 2 -VASc (Congestive heart failure, Hypertension, Age >75 (2 points), Stroke/ transient ischaemic attack/thromboembolism (2 points), Vascular disease, Age 65–74, Sex category) and C 2 HEST (Coronary artery disease/Chronic obstructive肺部疾病(每种1分),高血压,老年人(≥75,2分),收缩性心力衰竭,甲状腺疾病(甲状腺功能亢进症))得分。COX比例危害模型具有竞争性死亡风险的危险模型适合于较高和较低的发现风险之间的长期AF。2 081 139个人群中的结果,7386在6个月内开发了AF。Find-Af可以应用于所有记录。与较低的预测风险相比,较高的预测风险队列的AF发生率高20倍,AF的长期危害较高(HR 8.75,95%CI 8.44至9.06)。In the testing dataset (n=416 228), discrimination performance was strongest for FIND-AF (area under the receiver operating characteristic curve 0.824, 95% CI 0.814 to 0.834) compared with CHA 2 DS 2 - VASc (0.784, 0.773 to 0.794) and C 2 HEST (0.757, 0.744 to 0.770), and robust by sex and族裔。结论Find-AF,一种机器学习算法,可按常规收集的初级保健数据进行大规模适用,并确定了较高的短期AF风险的人。
005.1 软件工程的形式化方法:语言、方法、应用领域/Markus Roggenbach、Antonio Cerone、Bernd-Holger Schlingloff、Gerardo Schneider、Siraj Ahmed Shaikh;由 Manfred Broy 作序;John V. Tucker 就形式化方法的起源和发展做出了贡献。[在线资源] — Cham,瑞士:Springer,[2022] — 1 个在线资源(xxviii,C1,524 页):插图(黑白和彩色)。ISBN 9783030387990 精装本 无价格;9783030388003 电子书 无价格 BNB 编号 GBC328513 软件工程。
006.3 第 12 届信息系统和先进技术国际会议“ICISAT 2022”:智能信息、数据科学和决策支持系统/由 Mohamed Ridda Laouar、Valentina Emilia Balas、Brahim Lejdel、Sean Eom、Mohamed Amine Boudia 编辑。— Cham:Springer,2023 年。— 580 页。580 页:插图(黑白和彩色);24 厘米。ISBN 9783031253430 平装本 199.99 英镑 BNB 编号 GBC309005 计算智能,大会。
005.73 使用 Java 的数据结构和抽象 / Frank M. Carrano(罗德岛大学)、Timothy M. Henry(新英格兰理工学院)。[在线资源] — 第四版,全球版 / 全球版由 Mohit P. Tahiliani(卡纳塔克邦国立技术学院)贡献。 — Harlow,埃塞克斯:Pearson Education Limited,[2016]。— 1 个在线资源(930 页):插图。ISBN 1292077190(电子本);9781292077192(电子本)BNB 编号 GBC2L2446 抽象数据类型(计算机科学)