CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارایه یک مدل جدید جهت پیش بینی پذیرش مجدد به دلیل شرایط بحرانی سلامتی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۲۳ | تعداد نمایش خلاصه: ۷۴ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: ITCT04_034
زبان مقاله: فارسی
حجم فایل: ۹۸۵.۴ کیلوبایت (فایل این مقاله در ۲۳ 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 ۲۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه یک مدل جدید جهت پیش بینی پذیرش مجدد به دلیل شرایط بحرانی سلامتی

  فرزانه علیدادی - گروه کامپیوتر،واحد بافت، دانشگاه آزاد اسلامی، بافت، ایران
  فرخ کروپی - گروه کامپیوتر ،واحد بافت، دانشگاه آزاد اسلامی، بافت، ایران

چکیده مقاله:

در این مطالعه ما مواردی که در پیش بینی مجدد بستری شدن وجود دارد را با روش های مختلف یادگیری ماشین مقایسه ای انجام می دهیم و یک مدل برای احتمال و پیش بینی بستری شدن مجدد ایجاد می کنیم. ما همچنین یک چارچوب برای اجرای مدل در حالت داده واقعی ارایه می کنیم. این مطالعه نشان داد که می تواند تفکیک مناسبی برای بیماران در معرض خطر پذیرش مجدد داشته باشد. دراین مطالعه یک روش برای ایجاد مدلی برای تشخیص امکان پذیرش مجدد بررسی شد و این مدل می تواند به بیمارستان ها در افزایش کیفیت درمانی و فرآیند ترخیص کمک کند. پیش بینی پذیرش مجدد با توجه به ویژگی های مختلفی مانند، سن، جنس، نژاد، وضعیت پذیرش و ترخیص، مدت بستری بودن، تعداد روز حضور در ICU بیماری های دیگر بیمار، نوع مورد اورژانسی و غیره انجام شده است. برای انجام آنالیز می توان از آنالیز حساس به هزینه و تکنیک تصادفی جنگلی برای کلاس بندی استفاده کرد. مدل ما با استفاده از اعتبارسنجی متقابل یکی از بهترین تکنیک ها است انجام شد. همچنین برای بیمارستان ها و اقدامات لازم برای کاهش نرخ بستری شده مجدد بیمار مناسب می باشد.

کلیدواژه‌ها:

پذیرش مجدد،یادگیری ماشین، کلاس بندی، رگرسیون دادهها

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-ITCT04-ITCT04_034.html
کد COI مقاله: ITCT04_034

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:
علیدادی, فرزانه و فرخ کروپی، ۱۳۹۶، ارایه یک مدل جدید جهت پیش بینی پذیرش مجدد به دلیل شرایط بحرانی سلامتی، چهارمین کنفرانس ملی فناوری اطلاعات، کامپیوتر و مخابرات، مشهد، دانشگاه تربت حیدریه، https://www.civilica.com/Paper-ITCT04-ITCT04_034.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: (علیدادی, فرزانه و فرخ کروپی، ۱۳۹۶)
برای بار دوم به بعد: (علیدادی و کروپی، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۳۴۳
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.