عنوان

Data driven approaches for healthcare :

شابک

0429342764

شابک

1000700038

شابک

100070064X

شابک

1000701255

شابک

9780429342769

شابک

9781000700039

شابک

9781000700640

شابک

9781000701258

شابک اشتباه

9780367342906

عنوان اصلي

Data driven approaches for healthcare :

نام عام مواد

[Book]

ساير اطلاعات عنواني

machine learning for identifying high utilizers /

نام نخستين پديدآور

Chengliang Yang, Chris Delcher, Elizabeth Shenkman, Sanjay Ranka.

محل نشرو پخش و غیره

Boca Raton :

نام ناشر، پخش کننده و غيره

CRC Press, Taylor & Francis Group,

تاریخ نشرو بخش و غیره

2020.

نام خاص و کميت اثر

1 online resource.

عنوان فروست

Chapman & Hall/CRC big data series

متن يادداشت

Includes bibliographical references and index.

متن يادداشت

Introduction. Overview of Healthcare Data. Machine Learning Modeling from Healthcare Data. Machine Learning Modeling from Healthcare Data. Descriptive Analysis of High Utlizers. Residuals Analysis for Identifying High Utilizers.Machine Learning Results for High Utilizers.

بدون عنوان

0

متن يادداشت

Health care utilization routinely generates vast amounts of data from sources ranging from electronic medical records, insurance claims, vital signs, and patient-reported outcomes. Predicting health outcomes using data modeling approaches is an emerging field that can reveal important insights into disproportionate spending patterns. This book presents data driven methods, especially machine learning, for understanding and approaching the high utilizers problem, using the example of a large public insurance program. It describes important goals for data driven approaches from different aspects of the high utilizer problem, and identifies challenges uniquely posed by this problem. Key Features: Introduces basic elements of health care data, especially for administrative claims data, including disease code, procedure codes, and drug codes Provides tailored supervised and unsupervised machine learning approaches for understanding and predicting the high utilizers Presents descriptive data driven methods for the high utilizer population Identifies a best-fitting linear and tree-based regression model to account for patients' acute and chronic condition loads and demographic characteristics

منبع سفارش / آدرس اشتراک

Taylor & Francis

شماره انبار

9780429342769

موضوع مستند نشده

Machine learning.

موضوع مستند نشده

Medical care-- Utilization-- Mathematical models.

موضوع مستند نشده

BUSINESS & ECONOMICS / Industries / Service Industries

موضوع مستند نشده

COMPUTERS / Computer Graphics / Game Programming & Design

موضوع مستند نشده

COMPUTERS / General

موضوع مستند نشده

Machine learning.

موضوع مستند نشده

Medical care-- Utilization-- Mathematical models.

موضوع مستند نشده

BUS-- 070080

موضوع مستند نشده

COM-- 000000

موضوع مستند نشده

COM-- 012040

موضوع مستند نشده

UY

شماره

ويراست

شماره رده

مستند نام اشخاص تاييد نشده

Yang, Chengliang

مستند نام اشخاص تاييد نشده

Delcher, Chris

مستند نام اشخاص تاييد نشده

Ranka, Sanjay

مستند نام اشخاص تاييد نشده

Shenkman, Elizabeth

تاريخ عمليات

20200822094853.0

قواعد فهرست نويسي ( بخش توصيفي )

pn

نام الکترونيکي

نوع ماده

[Book]

تكميل شده

Y