非線形生存解析アルゴリズムによるシックリーブ期間の大規模予測【JST・京大機械翻訳】

Bejar Javier; Bejar Javier; Bejar Javier; Perez Raquel; Perez Raquel; Vilalta Armand; Alvarez-Napagao Sergio; Alvarez-Napagao Sergio; Garcia-Gasulla Dario

文献

J-GLOBAL ID：202202239686364582 整理番号：22A1117589

非線形生存解析アルゴリズムによるシックリーブ期間の大規模予測【JST・京大機械翻訳】

Large scale prediction of sick leave duration with nonlinear survival analysis algorithms

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1117589&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1117589&from=J-GLOBAL&jstjournalNo=W0178A") }}

著者 (9件)： , , , , , , , ,
資料名：
巻： 198 ページ： Null 発行年： 2022年
JST資料番号： W0178A ISSN： 0957-4174 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

病気の葉の管理は,公共および民間健康システムを実行する重要な作業である。これは,病気労働者の良好なケアを可能にし,彼らの仕事への安全な復帰を保証する。ほとんどの健康システムは,診断のグループに対する一般的な規則に従って,病気休 leaveの期間を確立する規制を強制する。しかし,これらの規制は労働者の特殊性を考慮していない。一方では,作業への早期復帰は時々可能であるが,労働者が積極的に要求しない限り,これは起こらなかった。一方,労働者の健康状態は,1つまたはそれ以上の休 leave拡大を要求できるが,このシステムは,必須で時には不必要な追跡を必要とし,患者と健康システムへのオーバヘッドを付加する。どちらの場合も,健康システムによる行動の欠落と過剰は社会の余分のコストを表す。本論文では,病気の葉(医療および個人データを含む)の大量歴史的データセットを分析し,患者の将来の病気葉の期間を予測した。広い意思決定のためにデータ駆動モデルを使用する可能性を評価するために,データマイニングプロセスを多数の診断のために実行した。データの性質と特性は,古典的方法を使用するモデルを得ることを困難にし,それは,解析が非線形機械学習ベースの生存解析方法に焦点を合わせる理由である。モデル性能の展望において,著者らは,訓練されたモデルの予測を用いて与えられた日にどの患者が接触すべきかの決定を管理するためのツールを提案する,その実用的な実装に向けて前進する。このツールは,全サイクルを管理し,新しいデータで連続的に訓練し,日常予測を実行し,それらの評価のためヘルスケア意思決定者に結果を提示する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

産業衛生,産業災害

, , , ,

前のページに戻る