搜索结果(29条结果中1至10条)
跳过其他期刊的搜索结果,直接进入搜索结果
- 14医学互联网研究杂志
- JMIR医疗信息学
- 5 JMIR公共卫生和监测
- 1 JMIR医学教育
- 0医学2.0
- 互动医学研究杂志
- 0 Iproceedings
- 0 JMIR研究协议
- 0 JMIR人为因素
- 0 JMIR mHealth和uHealth
- 0 JMIR Serious Games
- 0 JMIR精神健康中心
- 0 JMIR康复和辅助技术
- 0 JMIR预打印
- 0 JMIR生物信息学和生物技术
- 0 JMIR癌症
- 0 JMIR挑战
- 0 JMIR糖尿病
- 0 JMIR生物医学工程
- 0 JMIR数据
- 0 JMIR Cardio
- 0 JMIR形成性研究
- 0参与医学杂志
- 0 JMIR皮肤科
- 0 JMIR儿科和育儿
- 0 JMIR老化
- 0 JMIR围手术期药物
- 0 JMIR护理
- 0 JMIRx Med
- 0 JMIRx Bio
- 0 JMIR信息病学
- 0中转中心(稿件交换)
- 0贾米尔·艾
- 0 JMIR神经技术
- 0亚太护理杂志
从症状、成像和测试数据计算SARS-CoV-2感染风险:诊断模型开发
在临床试验数据集中,基础模型对SARS-Co V-2感染的敏感性和特异性分别为81.6% (95% CI 65.7 ~ 92.3)和58.8% (95% CI 32.9 ~ 81.6)模型;0.0%(95%可信区间0.0至9.3)和100.0%(95%可信区间80.5至100.0)模型;DML为84.2% (95% CI 68.7至94.0)和64.7% (95% CI 38.3至85.8)模型;总体为81.6% (95% CI 65.7 ~ 92.3)和70.6% (95% CI 44.0 ~ 89.7)模型.
克里斯托弗·D 'Ambrosia,亨利克·克里斯坦森,Eliah Aronoff-Spencer
中国医学杂志,2020;22(12):e24478
我们发现K轨迹在K区域内,为了检验假设的长期信度和有效性,我们比较了模型用日本、法国、德国和美国的真实数据进行计算。使用k '通过拟合k >0.25得到的直线计算出的k值,可以很好地再现低于0.25的k值模型对日本、法国和德国的计算,如图2所示。
例如,易感感染-暴露-康复(SIER)模型[2 - 5], susceptible-infected模型[6-9],易感感染易感[10,11]模型,易感感染-恢复(SIR)模型[12-14]均已发展并被公认为经典传播动力学模型。互联网的发展和社交媒体的丰富要求进一步扩展传统模式,以反映新的传播机制,并利用来自多个平台的数据。
Fulian阴,Xueying邵,Meiqi霁,Jianhong吴
中国医学杂志,2016;23(2):e25734
非洲COVID-19疫苗媒介极性的系统描述:计算语言模型研究
为了提供数据集中情绪模式的更对称和更全面的视角,两种基于规则和词典的ML技术(即Text Blob和VADER)和一种结合了ML的高级算法模型采用神经网络(NN)(即Word2 Vec-Bi LSTM)对清洗后的数据进行处理。
Sefater Gbashi,Oluwafemi Ayodeji Adebo,韦斯利Doorsamy,Patrick Berka Njobeh
JMIR Med Inform 2021;9(3):e22916
用易感-暴露-感染-去除-不可检测易感模型估计COVID-19再感染概率
在他们的研究中,Nesteruk[3]和Ming等人[4]使用了流行的敏感-感染去除(SIR)。模型的最优值模型与统计方法一起使用的参数,因此可以预测一段时间内受感染者、易感者和被移除者的数量。这模型Nesteruk[3]的方法是疾病控制建模的一个重大突破,并已被几位作者(如Ming等[4]和Victor[1])使用。
基于深度卷积神经网络的新型冠状病毒肺炎多重肺部扫描计算机辅助检测系统:设计与实现研究
在CAD系统设计的基础上提出模型时,系统从疑似COVID-19患者身上获取了4个CT切片,系统根据对所有CT切片进行分类的输出平均值来估计最终结果。然而,所提出的系统可以接收不同数量的幻灯片,并且不依赖于输入的数量。这增加了从所提出的方法得到的结果的可靠性模型.图3提供了提议的示意图模型.
穆斯塔法Ghaderzadeh,Farkhondeh Asadi,Ramezan贾法里,Davood Bashash,哈桑Abolghasemi,Mehrad咏叹调
中国医学杂志,2016;23(4):e27468
本研究的目的如下:(1)描述澳大利亚COVID-19患者队列的临床特征,(2)评估通过虚拟病房为该队列提供的临床护理模型,以及(3)识别任何可能的恶化预测因素。对2020年3月25日至5月15日入住地铁北部虚拟病房的患者进行了回顾性单中心临床评估。
奥利维亚·R·费里,艾玛·C·莫洛尼,欧文·T·斯普拉特,杰拉德·F·M·怀廷,卡梅隆·J·贝内特
中国医学杂志,2017;23(2):e25518
COVID-19患者入院48小时内呼吸衰竭的机器学习预测模型:模型开发和验证
XGBoost将递归梯度增强方法(称为Newton增强)与决策树结合在一起模型.假设每棵树都是并行提升的,那么模型高效地提供准确的预测[26]。此外,由于每棵树都是递归地并行提升的,因此模型受益于可变重要性特性的高可解释性。
Siavash Bolourani,马克斯·布伦纳,平王,托马斯作者,杰米·S·赫希,道格拉斯·巴纳比,西奥多罗斯·P·扎诺斯,诺斯韦尔COVID-19研究联盟
中国医学杂志,2017;23(2):e24246
考虑隔离来预测日本东京COVID-19趋势的流行病学模型:数值分析
要采取适当的预防措施,严于未然模型有必要推断目前的情况。标准易感感染去除(SIR)流行病模型[7]及其大多数改进版本[8-10]有三个分区——易感、有传染性或已通过康复或死亡被移除的人数。它的导数,SEIR模型[8],有另一个隔间,暴露(E)个人,添加以考虑潜伏期。
Motoaki Utamura,Makoto小泉,Seiichi Kirikami
JMIR公共卫生监测2020;6(4):e23624
使用开源词嵌入源为covid -19相关概念开发词汇:内在和外在评估
这些文本衍生和情境化变量将通过我们的临床研究数据库- covid -19整合生物学信息学和床边数据库[46]以及由观察性医疗结果伙伴关系共同数据支持的Penn基因型和表型数据库获得模型[47] -在2021年春季结束。
帕瑞克豪索汉姆,船只Davoudi,避开余,卡吉拉尔多,艾米丽Schriver,丹尼尔Mowery
JMIR Med Inform 2021;9(2):e21679