CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیشگویی مرگ و میر بیماران تروماییبا استفاده از تکنیکهای داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۲۹۴ | نظرات: ۰
سال انتشار: ۱۳۹۲
نوع ارائه: پوستر
کد COI مقاله: ELECOM01_192
زبان مقاله: فارسی
حجم فایل: ۳۰۱.۸۴ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیشگویی مرگ و میر بیماران تروماییبا استفاده از تکنیکهای داده کاوی

  مریم حسن زاده - گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور- دانشگاه علوم پزشکی گیلان، رشت
  اکبر فرهودی نژاد - گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور ،تهران

چکیده مقاله:

شناسایی به موقع بیماران با شدت مصدومیت حاد، جهت انجام سریع اقدامات پزشکی نظیر اعمال جراحی، می تواند باعث نجات جان آنان شده و از صرف هزینه های هنگفت بیمارستانی جلوگیری نماید. تکنیکهای داده کاوی می تواند در پیشگویی زمان مرگ و یا ارائه مدلی جهت شناسایی میزان شدت آسیب دیدگی اینگونه بیماران مفید باشد. در این پژوهش با مرور بر کارهای صورت گرفته، ابتدا کاربرد روشهای داده کاوی در داده های بیمارستانی را مورد بررسی قرار داده و سپس با ارائه الگوریتم های به کاررفته و معرفی مدلهای پیشگویانه، به معرفی ویژگیهای تعیین کننده جهت شناسایی وضعیت حاد بیماران، در قالب یک چارچوب می پردازیم. تحقیقات نشان می دهد که حتی کمترین مجموعه از داده ها یا ویژگیها می تواند نتایج خوبی را جهت شناسایی بیماران در معرض خطر مرگدربرداشته باشد و مدلهای پیشگویانه، کارائی لازم جهت شناخت بیماران با وضعیت حاد را دارا می باشند

کلیدواژه‌ها:

داده کاوی، تروما، مدلهای پیشگویی، آسیب

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ELECOM01-ELECOM01_192.html
کد COI مقاله: ELECOM01_192

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حسن زاده, مریم و اکبر فرهودی نژاد، ۱۳۹۲، پیشگویی مرگ و میر بیماران تروماییبا استفاده از تکنیکهای داده کاوی، اولین همایش منطقه ای بهینه سازی و روشهای محاسبه نرم در مهندسی برق و کامپیوتر، صفاشهر، دانشگاه آزاد اسلامی واحد صفاشهر، https://www.civilica.com/Paper-ELECOM01-ELECOM01_192.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حسن زاده, مریم و اکبر فرهودی نژاد، ۱۳۹۲)
برای بار دوم به بعد: (حسن زاده و فرهودی نژاد، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Majid Moini, Hamed Rezaishiraz, Alireza Zarineh, Mohammad R.Rasouli, "Evaluation of ...
  • :schwart' z principles of surgery . 2010;7:136. ...
  • Hossein Hemmati , Shahrokh Yousefzadeh Chabok , Anoosh ...
  • (North of Iran): An Epidemiologic Study" , Acta Medica Iranica ...
  • of Trauma and Emergency Surgery 2008;34:561-9 ...
  • Kevin B. Laupland, Lawrence . Svenson, Vincent Grant, Chad G. ...
  • Linda J. Scheetz , Juan Zhang , John Kolassa - ...
  • W.T. Lin , Y.C. Wu, J.S. Zheng , M.Y. Chen ...
  • Dario Antonelli, Elena Baralis, Giulia Bruno, Tania Cerquitelli , ...
  • Panos M Pardalos _ Vera tomaino, Petros Xanthopoulos- :Optimization and ...
  • I۲۴] دکتر فاطمه رنجبر، رضا ملک پوری _ پایان نامه ...
  • I۲۵] دکتر شهرابی جمال _ مهندس شکورنیاز ونوس - _ ...
  • دکتر شهرابی جمال، مهندس ذوالقدر شجاعی علی- کتاب" داده کاوی ...
  • ۱۰ الگوریتم از برترین های داده کاوی [مقاله کنفرانسی]
  • ولیائی آزاده، سلماسی ناصر - "ارائه یک مدل برای پیش ... (مقاله کنفرانسی)
  • کنفرانس منطقه‌ای روش‌های محاسبه نرم در مهندسی برق و کامپیوتر ... (مقاله کنفرانسی)
  • I۲۹] اسدی نسرین، صدرالدینی محمدهادی - _ به کارگیری داده ... (مقاله کنفرانسی)
  • I۳۰] دهقانی تکتم، افشاری صالح محمدرضا، خلیل زاده محمدعلی _ ... (مقاله کنفرانسی)
  • کنفرانس منطقه‌ای روش‌های محاسبه نرم در مهندسی برق و کامپیوتر ... (مقاله کنفرانسی)
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه پیام نور
    تعداد مقالات: ۴۵۳۱۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.