Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Cleaning and Processing on the Electric Vehicle Telematics Data Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Multiple-Disease Risk Predictive Modeling Based on Directed Disease Networks

verfasst von : Tingyan Wang, Robin G. Qiu, Ming Yu

Erschienen in: Smart Service Systems, Operations Management, and Analytics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper studies multiple-disease risk predictive models to assess a discharged patient’s future disease risks. We propose a novel framework that combines directed disease networks and recommendation system techniques to substantially enhance the performance of multiple-disease risk predictive modeling. Firstly, a directed disease network considering patients’ temporal information is developed. Then based on this directed disease network, we investigate different disease risk score computing approaches. We validate the proposed approaches using a hospital’s dataset. Promisingly, the predictive results can be well referenced by healthcare professionals who provide healthcare guidance for patients ready for discharge.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel People Analytics in Practice: Connecting Employee, Customer, and Operational Data to Create Evidence-Based Decision Making
Nächstes Kapitel Service Performance Tests on the Mobile Edge Computing Platform: Challenges and Opportunities
Literatur
1.
M. Bayati, S. Bhaskar, A. Montanari, Statistical analysis of a low cost method for multiple disease prediction. Stat. Methods Med. Res. 27(8), 2312–2328 (2018)CrossRef
2.
N.V. Chawla, D.A. Davis, Bringing big data to personalized healthcare: a patient-centered framework. J. Gen. Intern. Med. 28(3), 660–665 (2013)CrossRef
3.
A. Chen, K.H. Jacobsen, A.A. Deshmukh, S.B. Cantor, The evolution of the disability-adjusted life year (DALY). Socio-Econ. Plann. Sci. 49, 10–15 (2015)CrossRef
4.
D.A. Davis, N.V. Chawla, N. Blumm, N. Christakis, A.L. Barabasi, Predicting individual disease risk based on medical history. in Proceedings of the 17th ACM conference on Information and knowledge management, pp. 769–778 (2008)
5.
F. Folino, C. Pizzuti, Link prediction approaches for disease networks. in International Conference on Information Technology in Bio-and Medical Informatics, (Springer, Berlin, Heidelberg, 2012), pp. 99–108CrossRef
6.
F. Folino, C. Pizzuti, A recommendation engine for disease prediction. IseB 13(4), 609–628 (2015)CrossRef
7.
A.J. Frandsen, Machine Learning for Disease Prediction, Master thesis (Brigham Young University, 2016)
8.
T.H. Haveliwala, Topic-sensitive pagerank: a context-sensitive ranking algorithm for web search. IEEE Trans. Knowl. Data Eng. 15(4), 784–796 (2003)CrossRef
9.
J.L. Herlocker, J.A. Konstan, L.G. Terveen et al., Evaluating collaborative filtering recommender systems. ACM Trans. Info. Syst. 22(1), 5–53 (2004)CrossRef
10.
V. Kannan, F. Swartz, N.A. Kiani, G. Silberberg, G. Tsipras, D. Gomez-Cabrero, K. Alexanderson, J. Tegnèr, Conditional disease development extracted from longitudinal health care cohort data using layered network construction. Sci. Rep. 6, 26170 (2016)CrossRef
11.
R. Miotto, L. Li, B.A. Kidd, J.T. Dudley, Deep patient: an unsupervised representation to predict the future of patients from the electronic health records. Sci. Rep. 6, 26094 (2016)CrossRef
12.
M. Nasiri, B. Minaei, A. Kiani, Dynamic recommendation: Disease prediction and prevention using recommender system. Int. J. Basic Sci. Med. 1(1), 13–17 (2016)CrossRef
13.
J.A. Paul, L. MacDonald, G. Hariharan, Modeling risk factors and disease conditions to study associated lifetime medical costs. Serv. Sci. 6(1), 47–62 (2014)CrossRef
14.
S. Selvarajah, G. Kaur, J. Haniff, K.C. Cheong, T.G. Hiong, Y. van der Graaf, M.L. Bots, Comparison of the Framingham risk score, SCORE and WHO/ISH cardiovascular risk prediction models in an Asian population. Int. J. Cardiol. 176(1), 211–218 (2014)CrossRef
15.
16.
C. Willi, P. Bodenmann, W.A. Ghali, P.D. Faris, J. Cornuz, Active smoking and the risk of type 2 diabetes: a systematic review and meta-analysis. JAMA 298(22), 2654–2664 (2007)CrossRef
17.
M.L. Zhang, Z.H. Zhou, A review on multi-label learning algorithms. IEEE Trans. Knowl. Data Eng. 26(8), 1819–1837 (2014)CrossRef
Metadaten
Titel
Multiple-Disease Risk Predictive Modeling Based on Directed Disease Networks
verfasst von
Tingyan Wang
Robin G. Qiu
Ming Yu
Copyright-Jahr
2020
Buch
Smart Service Systems, Operations Management, and Analytics

Print ISBN: 978-3-030-30966-4

Electronic ISBN: 978-3-030-30967-1

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-30967-1_21