دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [First Edition] نویسندگان: Pieter Kubben, Michel Dumontier, Andre Dekker سری: ISBN (شابک) : 3319997122 ناشر: Springer Nature سال نشر: 2019 تعداد صفحات: 0 [217] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Fundamentals of Clinical Data Science 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 مبانی علم داده های بالینی 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.
این کتاب دسترسی آزاد به طور جامع مبانی علم داده های بالینی را پوشش می دهد و بر جمع آوری داده ها، مدل سازی و کاربردهای بالینی تمرکز دارد. موضوعات پوشش داده شده در بخش اول در مورد جمع آوری داده ها عبارتند از: منابع داده، داده ها در مقیاس (داده های بزرگ)، نظارت بر داده ها (داده های FAIR) و نگرانی های مربوط به حریم خصوصی. جنبههای مدلسازی پیشبینی با استفاده از تکنیکهایی مانند طبقهبندی، رگرسیون یا خوشهبندی و اعتبارسنجی مدل پیشبینی در بخش دوم پوشش داده خواهد شد. بخش سوم جنبههای سیستمهای پشتیبانی تصمیم بالینی (موبایل)، برتری عملیاتی و مراقبتهای بهداشتی مبتنی بر ارزش را پوشش میدهد.
مبانی علم دادههای بالینی یک منبع ضروری برای متخصصان مراقبتهای بهداشتی و فناوری اطلاعات است. مشاورانی که قصد توسعه و اصلاح مهارت های خود در پزشکی شخصی را دارند، با استفاده از راه حل های مبتنی بر مجموعه داده های بزرگ از پرونده های الکترونیکی سلامت یا برنامه های نظارت از راه دور. وعده کتاب "بدون ریاضی، بدون کد" استو موضوعات را به سبکی توضیح می دهد که برای مخاطبان مراقبت های بهداشتی بهینه شده است.
This open access book comprehensively covers the fundamentals of clinical data science, focusing on data collection, modelling and clinical applications. Topics covered in the first section on data collection include: data sources, data at scale (big data), data stewardship (FAIR data) and related privacy concerns. Aspects of predictive modelling using techniques such as classification, regression or clustering, and prediction model validation will be covered in the second section. The third section covers aspects of (mobile) clinical decision support systems, operational excellence and value-based healthcare.
Fundamentals of Clinical Data Science is an essential resource for healthcare professionals and IT consultants intending to develop and refine their skills in personalized medicine, using solutions based on large datasets from electronic health records or telemonitoring programmes. The book’s promise is “no math, no code”and will explain the topics in a style that is optimized for a healthcare audience.