cricketexchange

जर्नल में अगला लेख
दूध विश्लेषण के लिए थोक और सतही ध्वनिक तरंग बायोसेंसर
जर्नल में पिछला लेख
अत्यधिक संवेदनशील TiO2/Au/कैंसर का पता लगाने के लिए ग्राफीन परत आधारित सतह Plasmon अनुनाद बायोसेंसर
पिछला लेख विशेष अंक में
अर्ध-पर्यवेक्षित प्रतिस्पर्धात्मक शिक्षण एल्गोरिथम के साथ पार्किंसंस रोग में डिस्फ़ोनिक आवाज़ों का वर्गीकरण
 
 
लेख

शारीरिक गतिविधि का उपयोग करने वाले सीओपीडी रोगियों के लिए मशीन लर्निंग-आधारित 30-दिवसीय अस्पताल पठन भविष्यवाणियां एक्सेलेरोमीटर-आधारित डिवाइस के साथ दैनिक जीवन का डेटा

1
इलेक्ट्रिकल इंजीनियरिंग विभाग, बायोमेडिकल इंजीनियरिंग केंद्र, चांग गंग विश्वविद्यालय, ताओ-युआन 33302, ताइवान
2
कार्डियोलॉजी विभाग, आंतरिक चिकित्सा विभाग, लिंको चांग गंग मेमोरियल अस्पताल, ताओ-युआन 33305, ताइवान
*
वह लेखक जिससे पत्रव्यवहार किया जाना चाहिए।
biosensors2022,12(8), 605;https://doi.org/10.3390/bios12080605
प्राप्त: 10 जून 2022/संशोधित: 28 जुलाई 2022/स्वीकृत: 3 अगस्त 2022/प्रकाशित: 5 अगस्त 2022
क्रॉनिक ऑब्सट्रक्टिव पल्मोनरी डिजीज (COPD) एक महत्वपूर्ण रूप से संबंधित बीमारी है, और 30-दिवसीय अस्पताल में भर्ती होने के मामले में इसे सर्वोच्च स्थान दिया गया है। आम तौर पर, दैनिक जीवन की शारीरिक गतिविधि (पीए) स्वास्थ्य की स्थिति को दर्शाती है और सीओपीडी के रोगियों के लिए 30-दिवसीय अस्पताल में फिर से भर्ती होने के एक मजबूत संकेतक के रूप में प्रस्तावित है। इस अध्ययन ने मशीन लर्निंग (एमएल) विधियों का उपयोग करके निरंतर पीए डेटा का विश्लेषण करके 30-दिवसीय अस्पताल में फिर से भर्ती होने की भविष्यवाणी करने का प्रयास किया। 3877 दिनों में सीओपीडी वाले 16 रोगियों से डेटा एकत्र किया गया था, और रोगियों के अस्पताल के रिकॉर्ड से नैदानिक ​​​​जानकारी निकाली गई थी। गतिविधि-आधारित मापदंडों की अवधारणा और मूल्यांकन किया गया था, और एमएल मॉडल को पीए डेटा का पूर्वव्यापी विश्लेषण करने के लिए प्रशिक्षित और मान्य किया गया था, विभिन्न जोखिम कारकों की गैर-रेखीय वर्गीकरण विशेषताओं की पहचान की गई थी, और अस्पताल में भर्ती होने की भविष्यवाणी की गई थी। कुल मिलाकर, इस अध्ययन ने 30-दिवसीय अस्पताल में फिर से भर्ती होने की भविष्यवाणी की और भविष्यवाणी के प्रदर्शन को दो अलग-अलग दृष्टिकोणों के रूप में संक्षेपित किया गया है: भविष्यवाणी-आधारित प्रदर्शन और घटना-आधारित प्रदर्शन। भविष्यवाणी-आधारित प्रदर्शन विश्लेषण में, 70.35% सटीकता के साथ रीडमीशन की भविष्यवाणी की गई; और एक घटना-आधारित प्रदर्शन विश्लेषण में, कुल 30-दिवसीय पठन-पाठन की भविष्यवाणी 72.73% की सटीकता के साथ की गई थी। पीए डेटा स्वास्थ्य की स्थिति को दर्शाता है; इस प्रकार, पीए डेटा का उपयोग अस्पताल में भर्ती होने की भविष्यवाणी करने के लिए किया जा सकता है। पठन-पाठन की भविष्यवाणी करने से रोगी की देखभाल में सुधार होगा, चिकित्सा लागत के बोझ को कम करेगा, और उपयुक्त हस्तक्षेप करने में सहायता कर सकता है, जैसे कि पीए को बढ़ावा देना, वैकल्पिक उपचार योजना, या जीवन शैली में बदलाव को रोकने के लिए।पूर्ण-पाठ देखें
कीवर्ड: सीओपीडी; पठन-पाठन की भविष्यवाणी; शारीरिक गतिविधि; गतिविधि सूचकांक; मशीन लर्निंग; अस्पताल में प्रवेश; COVID-19सीओपीडी;पठन-पाठन भविष्यवाणी;शारीरिक गतिविधि;गतिविधि सूचकांक;मशीन लर्निंग;अस्पताल में भर्ती;COVID-19
मैंमैंआंकड़े दिखाएं

आकृति 1

यह एक ओपन एक्सेस लेख है जिसे के तहत वितरित किया गया हैक्रिएटिव कॉमन्स एट्रिब्यूशन लाइसेंसजो किसी भी माध्यम में अप्रतिबंधित उपयोग, वितरण और प्रजनन की अनुमति देता है, बशर्ते मूल कार्य ठीक से उद्धृत किया गया हो।
एमडीपीआई और एसीएस स्टाइल

वर्मा, वीके; लिन, डब्ल्यू-वाई। एक्सेलेरोमीटर-आधारित डिवाइस के साथ दैनिक जीवन के शारीरिक गतिविधि डेटा का उपयोग करने वाले सीओपीडी रोगियों के लिए मशीन लर्निंग-आधारित 30-दिवसीय अस्पताल पठन भविष्यवाणियां।biosensors2022,12, 605.https://doi.org/10.3390/bios12080605

एएमए स्टाइल

वर्मा वीके, लिन डब्ल्यूवाई। एक्सेलेरोमीटर-आधारित डिवाइस के साथ दैनिक जीवन के शारीरिक गतिविधि डेटा का उपयोग करने वाले सीओपीडी रोगियों के लिए मशीन लर्निंग-आधारित 30-दिवसीय अस्पताल पठन भविष्यवाणियां।biosensors . 2022; 12(8):605.https://doi.org/10.3390/bios12080605

शिकागो/तुराबियन शैली

वर्मा, विजय कुमार, और वेन-येन लिन। 2022. "मशीन लर्निंग-आधारित 30-दिवसीय अस्पताल पठन भविष्यवाणी सीओपीडी रोगियों के लिए एक्सेलेरोमीटर-आधारित डिवाइस के साथ दैनिक जीवन के शारीरिक गतिविधि डेटा का उपयोग करना"biosensors 12, नहीं। 8: 605.https://doi.org/10.3390/bios12080605

अन्य शैलियाँ खोजें
ध्यान दें कि 2016 के पहले अंक से एमडीपीआई पत्रिकाएं पृष्ठ संख्या के बजाय आलेख संख्याओं का उपयोग करती हैं। आगे की जानकारी देखेंयहां.

देश/क्षेत्र के अनुसार आलेख पहुंच मानचित्र

1
वापस शीर्ष परऊपर