首页--医药、卫生论文--预防医学、卫生学论文--保健组织与事业(卫生事业管理)论文--医疗卫生制度与机构论文--医疗服务制度论文

医疗服务指标的相关性分析研究

摘要第4-5页
Abstract第5页
第一章 绪论第6-11页
    1.1 研究背景与意义第6-7页
    1.2 国内外研究现状第7-9页
    1.3 论文主要研究内容第9-10页
    1.4 论文组织结构第10-11页
第二章 相关技术研究第11-23页
    2.1 医疗服务评价分析方法第11-16页
        2.1.1 可拓聚类分析第11-13页
        2.1.2 灰色关联分析第13-14页
        2.1.3 随机效应模型第14-15页
        2.1.4 几种典型综合评价方法第15-16页
    2.2 相关性分析方法第16-18页
        2.2.1 最大信息系数第16-18页
        2.2.2 典型相关分析第18页
    2.3 聚类分析第18-20页
        2.3.1 K-means算法第18-19页
        2.3.2 聚类质量评价指标第19-20页
    2.4 特征选择简介第20-22页
    2.5 本章小结第22-23页
第三章 医疗服务指标数据第23-29页
    3.1 医疗服务指标数据第23-24页
    3.2 数据预处理第24-28页
        3.2.1 数据清理第25页
        3.2.2 数据变换第25-27页
        3.2.3 医疗服务指标数据的预处理第27-28页
    3.3 本章小结第28-29页
第四章 医疗服务指标的探索性分析第29-40页
    4.1 基于灰色关联度的可拓聚类方法第30-31页
    4.2 EC-GRD算法在基层医院医疗费用分析中的应用第31-35页
        4.2.1 医院总收入影响因素分析第31-32页
        4.2.2 预测医院总收入增长率第32-34页
        4.2.3 基于灰色关联度的权重系数的有效性第34-35页
    4.3 随机效应模型在医院总收入差异分析中的应用第35-39页
        4.3.1 随机效应模型的应用第35-38页
        4.3.2 随机效应模型的评估第38-39页
    4.4 本章小结第39-40页
第五章 MK-FSA算法及其在医疗服务指标选择上的应用第40-58页
    5.1 MIC-kmeans:一种基于最大信息系数的高维聚类算法第40-42页
    5.2 MIC-kmeans算法实验分析第42-47页
        5.2.1 实验数据集第42-43页
        5.2.2 合成数据集上的实验分析第43-46页
        5.2.3 真实数据集上的实验分析第46-47页
    5.3 MK-FSA:一种基于MIC-kmeans的特征选择算法第47-50页
    5.4 MK-FSA算法实验分析第50-55页
        5.4.1 数据集与评估指标第50页
        5.4.2 实验结果分析第50-55页
    5.5 应用MK-FSA算法筛选医疗服务指标第55-57页
    5.6 本章小结第57-58页
第六章 总结与展望第58-60页
    6.1 总结第58-59页
    6.2 展望第59-60页
致谢第60-61页
参考文献第61-65页
附录第65-67页
图版第67-68页
表版第68-69页

论文共69页,点击 下载论文
上一篇:促进建筑节能的财政政策研究--以淄博市为例
下一篇:基于指数渗流模型的地基二维Biot固结有限元分析