ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Data Driven Approaches for Healthcare: Machine Learning for Identifying High Utilizers

دانلود کتاب رویکردهای داده محور برای مراقبت های بهداشتی: یادگیری ماشین برای شناسایی استفاده کنندگان بالا

Data Driven Approaches for Healthcare: Machine Learning for Identifying High Utilizers

مشخصات کتاب

Data Driven Approaches for Healthcare: Machine Learning for Identifying High Utilizers

دسته بندی: سازمان و پردازش داده ها
ویرایش:  
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 0367342901, 9780367342906 
ناشر: CRC Press 
سال نشر: 2020 
تعداد صفحات: 119 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 48,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Data Driven Approaches for Healthcare: Machine Learning for Identifying High Utilizers به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب رویکردهای داده محور برای مراقبت های بهداشتی: یادگیری ماشین برای شناسایی استفاده کنندگان بالا نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب رویکردهای داده محور برای مراقبت های بهداشتی: یادگیری ماشین برای شناسایی استفاده کنندگان بالا

استفاده از مراقبت های بهداشتی به طور معمول حجم وسیعی از داده ها را از منابعی از سوابق پزشکی الکترونیکی، ادعاهای بیمه، علائم حیاتی و نتایج گزارش شده توسط بیمار تولید می کند. پیش‌بینی پیامدهای سلامت با استفاده از رویکردهای مدل‌سازی داده، زمینه‌ای نوظهور است که می‌تواند بینش‌های مهمی را در مورد الگوهای هزینه‌های نامتناسب آشکار کند. این کتاب روش‌های مبتنی بر داده، به‌ویژه یادگیری ماشینی را برای درک و نزدیک شدن به مشکل استفاده‌کنندگان بالا، با استفاده از مثال یک برنامه بزرگ بیمه عمومی ارائه می‌کند. اهداف مهمی را برای رویکردهای مبتنی بر داده از جنبه‌های مختلف مشکل استفاده‌کننده بالا توصیف می‌کند و چالش‌های منحصربه‌فرد ناشی از این مشکل را شناسایی می‌کند.

ویژگی‌های کلیدی:

عناصر اساسی داده های مراقبت های بهداشتی، به ویژه برای داده های ادعاهای اداری، از جمله کد بیماری، کدهای رویه، و کدهای دارو را معرفی می کند. جمعیت بهترین مدل رگرسیون خطی و درختی را شناسایی می کند تا بارهای وضعیت حاد و مزمن و ویژگی های جمعیت شناختی بیماران را محاسبه کند.


توضیحاتی درمورد کتاب به خارجی

Health care utilization routinely generates vast amounts of data from sources ranging from electronic medical records, insurance claims, vital signs, and patient-reported outcomes. Predicting health outcomes using data modeling approaches is an emerging field that can reveal important insights into disproportionate spending patterns. This book presents data driven methods, especially machine learning, for understanding and approaching the high utilizers problem, using the example of a large public insurance program. It describes important goals for data driven approaches from different aspects of the high utilizer problem, and identifies challenges uniquely posed by this problem.

Key Features:

Introduces basic elements of health care data, especially for administrative claims data, including disease code, procedure codes, and drug codes Provides tailored supervised and unsupervised machine learning approaches for understanding and predicting the high utilizers Presents descriptive data driven methods for the high utilizer population Identifies a best-fitting linear and tree-based regression model to account for patients' acute and chronic condition loads and demographic characteristics



فهرست مطالب

Introduction. Overview of Healthcare Data. Machine Learning Modeling from Healthcare Data. Machine Learning Modeling from Healthcare Data. Descriptive Analysis of High Utlizers. Residuals Analysis for Identifying High Utilizers.Machine Learning Results for High Utilizers.





نظرات کاربران