the study of misclassification probability in discriminant model of pattern identification for stroke

دراسة احتمال التصنيف الخاطئ في النموذج التمييزي للتعرف على أنماط السكتة الدماغية

Klik: 111
ID: 196579
2016
PDF Gratis
Metrik Kualitas & Kinerja Artikel
Kualitas Keseluruhan
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
Penilaian Kualitas AI
Belum dianalisis
Readership in this journal
Steady

Ranked #829 of 899 articles by views in ACS applied materials & interfaces

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 899 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstrak
Background. Pattern identification (PI) is the basic system for diagnosis of patients in traditional Korean medicine (TKM). The purpose of this study was to identify misclassification objects in discriminant model of PI for improving the classification accuracy of PI for stroke. Methods. The study included 3306 patients with stroke who were admitted to 15 TKM hospitals from June 2006 to December 2012. We derive the four kinds of measure (D, R, S, and C score) based on the pattern of the profile graphs according to classification types. The proposed measures are applied to the data to evaluate how well those detect misclassification objects. Results. In 10–20% of the filtered data, misclassification rate of C score was highest compared to those rates of other scores (42.60%, 41.15%, resp.). In 30% of the filtered data, misclassification rate of R score was highest compared to those rates of other scores (40.32%). And, in 40–90% of the filtered data, misclassification rate of D score was highest compared to those rates of other scores. Additionally, we can derive the same result of C score from multiple regression model with two independent variables. Conclusions. The results of this study should assist the development of diagnostic standards in TKM.
الخلفية. يُعد تحديد الأنماط (PI) النظام الأساسي لتشخيص المرضى في الطب الكوري التقليدي (TKM). وكان الهدف من هذه الدراسة هو تحديد حالات التصنيف الخاطئ في النموذج التمييزي لتحديد الأنماط، وذلك لتحسين دقة تصنيف الأنماط للسكتة الدماغية. المنهجية. شملت الدراسة 3306 مرضى مصابين بالسكتة الدماغية أُدخلوا إلى 15 مستشفى للطب الكوري التقليدي في الفترة من يونيو 2006 إلى ديسمبر 2012. وقمنا باشتقاق أربعة أنواع من المقاييس (درجات D وR وS وC) بناءً على نمط الرسوم البيانية للملفات التعريفية وفقًا لأنواع التصنيف. وطُبقت المقاييس المقترحة على البيانات لتقييم مدى كفاءتها في الكشف عن حالات التصنيف الخاطئ. النتائج. في نطاق 10-20% من البيانات المُرشَّحة، كان معدل التصنيف الخاطئ لدرجة C هو الأعلى مقارنة بمعدلات الدرجات الأخرى (42.60% و41.15%، على التوالي). وفي 30% من البيانات المُرشَّحة، كان معدل التصنيف الخاطئ لدرجة R هو الأعلى مقارنة بمعدلات الدرجات الأخرى (40.32%). أما في نطاق 40-90% من البيانات المُرشَّحة، فكان معدل التصنيف الخاطئ لدرجة D هو الأعلى مقارنة بمعدلات الدرجات الأخرى. بالإضافة إلى ذلك، أمكننا التوصل إلى النتيجة ذاتها لدرجة C باستخدام نموذج الانحدار المتعدد ذي المتغيرين المستقلين. الاستنتاجات. من شأن نتائج هذه الدراسة أن تسهم في تطوير المعايير التشخيصية في الطب الكوري التقليدي.
Kunci Referensi
ko2016evidence-basedthe Gunakan kunci ini untuk mengutip otomatis dalam naskah saat menggunakan SciMatic Manuscript Manager atau Thesis Manager
Penulis Mi Mi Ko, Honggie Kim
Are you one of these authors? Claim your profile
Jurnal ACS applied materials & interfaces
Tahun 2016
DOI
10.1155/2016/1912897
URL
http://dx.doi.org/10.1155/2016/1912897
Kata Kunci
Other systems of medicine

Sitasi

Tidak ada sitasi yang ditemukan. Untuk menambahkan sitasi, hubungi admin di info@scimatic.org

Komentar

Belum ada komentar. Jadilah yang pertama berkomentar pada artikel ini.