CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Predict the expenses of diabetes treatment using Artificial Neural Network (ANN) in Kermanshah city, Iran

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۲۳۳ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: MRMEA02_487
زبان مقاله: انگلیسی
حجم فایل: ۱۶۵.۰۷ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Predict the expenses of diabetes treatment using Artificial Neural Network (ANN) in Kermanshah city, Iran

Mahshid Mohebbi - MSc in Accounting, Marvdasht Islamic Azad University, Iran
Mohammad Mahboubi - PhD in Health Services Administration Abadan College of Medical Sciences, Abadan, Iran
  Fariba Ghahramani - MSc in Epidemiology, Shiraz University of Medical Sciences, Shiraz, Iran

چکیده مقاله:

Introduction: Diabetes is considered a great health problem due to its economic importance and the fact that it is a chronic disease. The aim of this study was to determine the costs imposed on diabetic patients using Artificial Neural Network.Methods: The study data were gathered by randomly investigating 396 individuals who referred to Kermanshah diabetic center. In this study, Artificial Neural Network using Multiple Layer Perception (MLP) was used to investigate the costs imposed on diabetic patients.Results: In this research, the variable related to treatment of diabetes was calculated through neural network in 8 different output layers. The eight output layers of expenses included physician's visit, medication, tests, hospitalization, radiology, treatment of symptoms, transportation, and counseling. In this study, the highest annual expenses were related to medication, tests, and radiology (2514369, 1010447, and 971282 dollars, respectively). In addition, the patients who presented the symptoms spent more money for treatment.Discussion: Considering the need to efficiently use the medical facilities, it is necessary that ways be used to predict the medical expenses. We came to the conclusion that neural network had great advantages over the regression model and could be used as an efficient tool for prediction of expenses and can replace the classical and statistical models

کلیدواژه‌ها:

diabetes, Artificial Neural Network, expense

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-MRMEA02-MRMEA02_487.html
کد COI مقاله: MRMEA02_487

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:
Mohebbi, Mahshid; Mohammad Mahboubi & Fariba Ghahramani, ۱۳۹۴, Predict the expenses of diabetes treatment using Artificial Neural Network (ANN) in Kermanshah city, Iran, دومین کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد و حسابداری, کوالالامپور-مالزی, موسسه سرآمد کارین, https://www.civilica.com/Paper-MRMEA02-MRMEA02_487.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: (Mohebbi, Mahshid; Mohammad Mahboubi & Fariba Ghahramani, ۱۳۹۴)
برای بار دوم به بعد: (Mohebbi; Mahboubi & Ghahramani, ۱۳۹۴)
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 :

  • Huang ES, Zhang Q, Brown S.E.S, Drum ML, Meltzer D.O. ...
  • Jin Oh K, Suk-Hoon Ch, Yong-Moo S - Kyung H. ...
  • Kalyanmoy D. (1999). An Introduction to Genetic Algorithms. Sadhana. Vol.24. ...
  • kasabov NK.(1998). Foundations of Neural Networks, fuzzy systems and knowledge ...
  • Khuwaja L A, Khuwaja A K, Cosgrove P. (2007). Cost ...
  • Koster I. Von Ferber L Ihle P. Schubert I. Hauner ...
  • Menhaj MB.(2009). Fundamentas of Artificial Neural Networks. Vol1, sixth ed, ...
  • Phillips-Wren G, Sharkey P, Morss Dy S. (2008). Mining lung ...
  • Samadi S, Nazifi Naeini M, Abbaspour S. (2012). Estimating the ...
  • Sedehi M, Yadollahi M, Kazemnejad A, Hadayegh F. (2010). Logistic ...
  • Seung-Mi L, Jin-Oh K, and Yong-Moo S. (2004). Comparison of ...
  • Shahrad Bejestani H, Amir Reza M (2004). Assessment of Diabetic ...
  • Shantakumar B, Patil Y, Kumaraswamy S. (2009). Extraction of Significant ...
  • Solli O, Jenssen T, and Kristiansen I S. (2010). Diabetes: ...
  • Srinivas K, Kavihta Rani B, Govrdhan A. (2010). Applications of ...
  • Stern S. (1996). Neural networks if applied statistics. American statistical ...
  • Timothy MD, Yiduo Z, Yazhu JC, William Q. (2010). The ...
  • _ sko .ir/sarshomari 1 3 9 0/shahrhaye -Iran.xls _ Census ...
  • 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 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.