简介:请通读下面这则故事:有个地方生活着一位小魔女。由于从小父母双亡,她是由坏心肠的叔叔、婶婶抚养长大的。因此,她一直不知道自己会魔法。
简介:摘要:目的 基于Web of Science分析脊髓损伤患者护理领域的研究趋势及热点。方法 检索Web of Science核心合集数据库中有关脊髓损伤护理研究的相关文献,运用CiteSpace软件和Excel从文献发表的时间、作者、国家、机构、关键词、期刊、引文等方面进行文献计量学分析。结果 2002年-2022年发文量总体呈上升趋势,2018年迎来高峰,发文量最多的作者来自台中科技大学护理系的陈晓宇,发文量以美国为首,其中美国与其他国家的合作较多,热点主要集中在脊髓损伤的人群、压力性损伤和危险因素的预防、膀胱功能的管理,加强康复指导提高生活质量是研究趋势。结论 脊髓损伤患者的护理研究主要集中在美国,发表期刊多集中在脊髓和康复专业期刊,研究热点以脊髓损伤患者造成压力性损伤的预防和康复为主。
简介:目的建立一种预处理方法,在进行医疗费用数据挖掘时,将因变量(呈偏态分布的连续性变量)转换为分类变量,从而得到更加科学合理的研究结果。方法以广东省甲型病毒性肝炎医疗费用调查取得的115例患者为研究对象,分别采用中位数的分类方法和K-means聚类的方法作为预处理方法,对医疗费用这一呈偏态分布的因变量进行分类,然后建立支持向量机数学模型,采用支持向量机进行医疗费用影响因素分析;通过比较模型的预测精度、模型收益以及影响因素的筛选结果,确定最优的预处理方法。结果115例甲肝病人甲肝总住院费用中位数为2744.69元,呈偏态分布。应变量以中位数方法分类,采用支持向量机模型筛选影响因素结果显示,对医疗费用影响最大的有7个变量(前3位为医院等级、性别、疾病类型);采用聚类分析进行数据预处理时筛选影响因素结果显示,对医疗费用影响最大的有7个变量(前3位为医院等级、住院天数、支付方式)。与中位数方法的分类方法比较,采用聚类分析进行数据预处理时,支持向量机模型结果得到的预测精度由91.30%上升到97.39%;收益图表陡峭地升高到100.00%然后渐渐变得平缓,显示模型收益更好;影响因素筛选结果更加科学合理,符合实际情况。结论聚类分析是一种优秀的数据挖掘预处理方法,具有良好的应用性。
简介:摘要:基于医院大数据集成平台,设计了信息数据挖掘可视化系统。为医院各类工作人员提供可视化直观的数据分析界面,建设个性化、自主化的数据挖掘机制,提升医院科研水平的信息化。本文从系统架构、数据集成、功能模块、应用效果等几个方面对医院信息数据挖掘可视化系统进行介绍。