Vous voulez être sûr que vos cadeaux seront sous le sapin de Noël à temps? Nos magasins vous accueillent à bras ouverts. La plupart de nos magasins sont ouverts également les dimanches, vous pouvez vérifier les heures d'ouvertures sur notre site.
  •  Retrait gratuit dans votre magasin Club
  •  7.000.000 titres dans notre catalogue
  •  Payer en toute sécurité
  •  Toujours un magasin près de chez vous     
Vous voulez être sûr que vos cadeaux seront sous le sapin de Noël à temps? Nos magasins vous accueillent à bras ouverts. La plupart de nos magasins sont ouverts également les dimanches, vous pouvez vérifier les heures d'ouvertures sur notre site.
  •  Retrait gratuit dans votre magasin Club
  •  7.000.0000 titres dans notre catalogue
  •  Payer en toute sécurité
  •  Toujours un magasin près de chez vous

Data Driven Approaches for Healthcare

Machine Learning for Identifying High Utilizers

Chengliang Yang, Chris Delcher, Elizabeth Shenkman, Sanjay Ranka
Livre broché | Anglais | Chapman & Hall/CRC Big Data
91,95 €
+ 183 points
Livraison 2 à 3 semaines
Passer une commande en un clic
Payer en toute sécurité
Livraison en Belgique: 3,99 €
Livraison en magasin gratuite

Description

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
  • Spécifications

    Parties prenantes

    Auteur(s) :
    Editeur:

    Contenu

    Nombre de pages :
    120
    Langue:
    Anglais
    Collection :

    Caractéristiques

    EAN:
    9781032088686
    Date de parution :
    30-06-21
    Format:
    Livre broché
    Format numérique:
    Trade paperback (VS)
    Dimensions :
    178 mm x 254 mm
    Poids :
    222 g

    Les avis