小节

针对前几篇疾病风险预测的小结: User-to-user: the ratings (for a given item) expressed by users that are similar to the active user. Item-to-item: the weighted average of the ratings of »

疾病风险预测2(k-mean clustering,Itemsets)

关于(2010)A Comorbidity-based Recommendation Engine for Disease Prediction的总结 support 是计算一个疾病组合随机事件的占总体的概率,support用于衡量事物的Generality/Coverage(覆盖范围)。 概述 \[通过K-meanClustering(k均值聚类算法)给疾病集分成k个若干群C_k。\] \[在每个群里构造itemset,M_k 通过设定一个频率下限(minus threshold)找到一个representative( »

疾病风险预测0(co-prevalence, ROC for threshold) PART II

这是一篇来自维多利亚大学的毕业论文,论文的题目为Social Approaches to Disease Prediction。 概述: 作者尝试用itemCF通过比较不同疾病的co-prevalence(疾病同时的患病率)的相似度来起到预测疾病的效果。 概念: 流行病学和公共卫生中较为常见的衡量指数: Prevalence(患病率) 患病率指某特定时间总人口中患有某病或症状的人口所占比例 Incidence(发病率) 一定时期内特定人群新发生某一疾病的比率 区别: 患病率是指一定时期内人群的患病比例(含新旧病例),与患病时间无关。而发病率则只指新患病的比例。 系统结构 训练数据的定义: \[N_ »

疾病风险预测0(疾病网络,流行病学) PART I

这是一篇来自维多利亚大学的毕业论文,论文的题目为Social Approaches to Disease Prediction。 题目很大。文章的前2-3章特意介绍了疾病网络的社会因素背景,作者其用意不知道是想水一水论文字数呢还是真觉得其背景对其算法有足够的支撑作用。不过不管怎么样对于渣渣的我来说足够补充我疾病医学相关领域的知识了(domain knowledge)。 根据公共卫生学所建议的:我们需要跨越目前仅仅分析个人的医疗数据的瓶颈,向着研究疾病社会因素的步伐从而达到更好的分析个人的医疗状况的目的。 社会因素对疾病的主要影响: Social contagion: 社会感染,这个名词貌似常用语心理学,值某些个人的性格,信息,行为在群体中传播。 Christakis and Fowler说这个传染不仅是精神上的也是身体上的健康问题且都指向了医学相关的进程( »