首頁 資訊 健康大數據的分析方法與應用研究

健康大數據的分析方法與應用研究

來源:泰然健康網 時間:2024年11月25日 08:18

聲明

摘要

英文摘要

目錄

插圖目錄

表格目錄

第1章 緒論

1.1 研究背景

1.2 研究動機

1.3 論文的主要工作

1.4 論文的組織結構

第2章 國內外研究現狀

2.1 電子醫(yī)療病歷數據分析

2.1.1 高血壓共病癥研究現狀

2.1.2 慢性阻塞性肺疾病共病癥研究現狀

2.2 公共衛(wèi)生事件的大數據研究

2.2.1 互聯網疫情監(jiān)測系統(tǒng)

2.2.2 面向社交媒體的疫情預測

2.3 本章小結

第3章 高血壓患者的共病模式和疾病風險分析

3.1 研究數據

3.2 模型方法

3.2.1 癥狀文本分詞與標準化

3.2.2 共病癥統(tǒng)計分析方法

3.2.3 共病癥網絡分析指標

3.3 實驗分析

3.3.1 高血壓最常見20種共病癥及其檢出率

3.3.2 高血壓共病癥性別特征分析

3.3.3 高血壓共病癥年齡特征分析

3.3.4 高血壓共病癥網絡分析

3.4 研究結論

3.5 本章小結

第4章 慢阻肺患者的共病模式及時間和經濟負擔影響分析

4.1 研究數據

4.2 模型方法

4.2.1 共病癥負擔評價指標構建

4.2.2 時間與經濟負擔指標構建

4.2.3 分析模型及統(tǒng)計分析方法

4.3 實驗分析

4.3.1 研究目標人群特征

4.3.2 慢阻肺與非慢阻肺人群共病癥負擔對比

4.3.3 慢阻肺與非慢阻肺人群時間與經濟負擔對比

4.4 研究結論

4.5 本章小結

第5章 H7N9疫情流行的微博傳播模式與預測

5.1 研究數據

5.1.1 人感染甲型H7N9禽流感發(fā)病數據

5.1.2 新浪微博數據

5.2 模型方法

5.2.1 時間相關性分析方法

5.2.2 微博流行等級指標體系構建

5.3 實驗分析

5.3.1 H7N9每日新發(fā)病例數與微博轉發(fā)量的時間相關性分析

5.3.2 微博流行等級預測模型分析結果

5.4 研究結論

5.5 本章小結

第6章 總結與展望

6.1 總結

6.2 未來工作

參考文獻

致謝

攻讀碩士期間發(fā)表論文情況

個人簡歷

相關知識

健康數據分析與利用方法.pptx
大數據應用 醫(yī)療健康應用實例與系統(tǒng)分析(1)?
健康醫(yī)療大數據應用與發(fā)展趨勢分析.doc
衛(wèi)生院的健康數據分析與應用(27頁)
醫(yī)療健康大數據分析應用思路(五)
橋梁健康監(jiān)測數據分析研究綜述.pdf
中國健康醫(yī)療大數據研究綜述——基于期刊論文的分析
健康大數據研究中心
健康數據分析技術的發(fā)展及應用
健康數據分析與預測

網址: 健康大數據的分析方法與應用研究 http://m.gysdgmq.cn/newsview76708.html

推薦資訊