基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
压力性损伤是护理工作的重点,也是评价护理质量的重要指标,设计合理的评估量表和科学预测是预防的关键措施.基于传统的12个指标,再新增3个风险指标,设计更全面的风险评估量表;据此收集一段时间内住院患者的信息,采用卡方检验分析对损伤有显著影响的指标,将患者分为人院时和院内获得性压力性损伤两类,分析其特征、产生部位和分布科室.基于支持向量机、概率神经网络和广义回归神经网络3种方法建立预测模型,在支持向量机中,采用高斯核函数构建模型,并使用遗传算法优化核函数参数.比较4种场景下3种方法的预测精度,支持向量机的预测准确率最高,达到84.68%,另外2种方法的准确率较低,均为82.78%.
推荐文章
基于机器学习的大学体育成绩预测与分析
体育训练
机器学习算法
预测模型
粒子群算法
基于链式管理模式的健康教育在胃癌住院患者压力性损伤预防中的应用
链式管理模式
健康教育
胃癌
压力性损伤
预防
住院病人医院获得性压力性损伤的原因分析
医院获得性压力性损伤
原因分析
对策
影响因素
基于机器学习的大学生自杀风险预测与分析
机器学习
大学生自杀风险
预测方法
结果分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于机器学习的住院患者压力性损伤分析与预测
来源期刊 同济大学学报(自然科学版) 学科 工学
关键词 压力性损伤 支持向量机 遗传算法 概率神经网络 广义回归神经网络
年,卷(期) 2020,(10) 所属期刊栏目 经济与管理科学
研究方向 页码范围 1530-1536
页数 7页 分类号 TP181
字数 语种 中文
DOI 10.11908/j.issn.0253-374x.20096
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李清 12 27 4.0 5.0
2 苏强 32 323 11.0 17.0
3 林英 5 37 3.0 5.0
4 邓国英 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (28)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1900(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(7)
  • 参考文献(2)
  • 二级参考文献(5)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(5)
  • 参考文献(5)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
压力性损伤
支持向量机
遗传算法
概率神经网络
广义回归神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
同济大学学报(自然科学版)
月刊
0253-374X
31-1267/N
大16开
上海四平路1239号
4-260
1956
chi
出版文献量(篇)
6707
总下载数(次)
15
总被引数(次)
105464
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导