인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Personalized treatment in glycemic control (GC) is a visibly promising research area that requires improved mechanisms providing patient-specific procedures to enable complicated decision support. Available per-patient data must be more than written records, and be fully integrated in this personalization process. This article presents a process for relating the intensive care unit patients’ demographic and admission data to their GC performance. With this objective, a probabilistic Bayesian network was chosen to provide more personalized decisions. As a case study, average daily blood glucose measurements were chosen as the interest target node in order to weigh GC that provides a reduced nursing workload. To test the idea, data from 482 patients, with nine variables from four Malaysian intensive care units with different controls were exploited. The identified steps crucial in building a dependable model are variable selection, continuous state discretization, and unsupervised structure learning. Using a multi-target node evaluation, a network with 80% mean overall classification precision was obtained with a normalized equal distance discretization algorithm and a maximum weight spanning tree technique. Meanwhile, the interest target node scored 90.39% precision. The results from this study, which are complemented with an evaluation of missing data, are proposed as a benchmark for using Bayesian networks in this type of application.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-0101-2019-569-000907029
