Título :	Machine Learning in Medicine – A Complete Overview
Tipo de documento:	documento electrónico
Autores:	Cleophas, Ton J., Autor ; Zwinderman, Aeilko H., Autor
Mención de edición:	2 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2020
Número de páginas:	XXX, 667 p. 548 ilustraciones, 131 ilustraciones en color.
ISBN/ISSN/DL:	978-3-030-33970-8
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Biología  Ciencias Médicas  Estadísticas  Ciencias sociales  Humanidades  Investigación biomédica  Ciencias de la Salud  Humanidades y Ciencias Sociales
Índice Dewey:	610.72 Medicina (Investigación Experimental)
Resumen:	Una salud y una atención sanitaria adecuadas ya no son posibles sin una supervisión adecuada de los datos mediante metodologías modernas de aprendizaje automático, como modelos de clústeres, redes neuronales y otras metodologías de extracción de datos. El libro actual es la primera publicación de una descripción completa de las metodologías de aprendizaje automático para el sector médico y de la salud, y fue escrito como un compañero de capacitación y como una lectura obligada, no solo para médicos y estudiantes, sino también para cualquier persona. involucrados en el proceso y progreso de la salud y la atención sanitaria. En esta segunda edición los autores han eliminado los errores textuales de la primera edición. Además, las tablas mejoradas de la primera edición han sido reemplazadas por las tablas originales de los programas de software tal como se aplicaron. Esto se debe a que, a diferencia de los primeros, los segundos no contenían errores y los lectores estaban mejor familiarizados con ellos. El objetivo principal de la primera edición fue proporcionar análisis paso a paso de los nuevos métodos a partir de ejemplos de datos, pero es posible que haya faltado información de antecedentes e información de relevancia clínica. Por lo tanto, cada capítulo contiene ahora una sección titulada "Información general". El aprendizaje automático puede ser más informativo y proporcionar una mayor sensibilidad de las pruebas que los métodos analíticos tradicionales. En la segunda edición se ha dado cabida al uso del aprendizaje automático no sólo al análisis de datos clínicos observacionales, sino también al de ensayos clínicos controlados. A diferencia de la primera edición, la segunda edición tiene dibujos a todo color que proporcionan una dimensión adicional útil al análisis de datos. En esta edición actualizada se han incluido varias metodologías de aprendizaje automático que aún no se tratan en la primera edición, pero que son cada vez más importantes en la actualidad, por ejemplo, regresiones binomiales negativas y de Poisson, análisis canónicos dispersos, análisis logístico ajustado por sesgo de Firth, investigación ómica, valores propios y vectores propios. . .
Nota de contenido:	Preface -- Section I Cluster and Classification Models -- Hierarchical Clustering and K-means Clustering to Identify Subgroups in Surveys (50 Patients) -- Density-based Clustering to Identify Outlier Groups in Otherwise Homogeneous Data (50 Patients) -- Two Step Clustering to Identify Subgroups and Predict Subgroup Memberships in Individual Future Patients (120 Patients) -- Nearest Neighbors for Classifying New Medicines (2 New and 25 Old Opioids) -- Predicting High-Risk-Bin Memberships (1445 Families) -- Predicting Outlier Memberships (2000 Patients) -- Data Mining for Visualization of Health Processes (150 Patients) -- Trained Decision Trees for a More Meaningful Accuracy (150 Patients) -- Typology of Medical Data (51 Patients) -- Predictions from Nominal Clinical Data (450 Patients) -- Predictions from Ordinal Clinical Data (450 Patients) -- Assessing Relative Health Risks (3000 Subjects) -- Measurement Agreements (30 Patients) -- Column Proportions for Testing Differences between Outcome Scores (450 Patients) -- Pivoting Trays and Tables for Improved Analysis of Multidimensional Data (450 Patients) -- Online Analytical Procedure Cubes for a More Rapid Approach to Analyzing Frequencies (450 Patients) -- Restructure Data Wizard for Data Classified the Wrong Way (20 Patients) -- Control Charts for Quality Control of Medicines (164 Tablet Desintegration Times) -- Section II (Log) Linear Models -- Linear, Logistic, and Cox Regression for Outcome Prediction with Unpaired Data (20, 55, and 60 Patients) -- Generalized Linear Models for Outcome Prediction with Paired Data (100 Patients and 139 Physicians) -- Generalized Linear Models for Predicting Event-Rates (50 Patients) -- Factor Analysis and Partial Least Squares (PLS) for Complex-Data Reduction (250 Patients) -- Optimal Scaling of High-sensitivity Analysis of Health Predictors (250 Patients) -- Discriminant Analysis for Making a Diagnosis from Multiple Outcomes (45 Patients) -- Weighted Least Squares for Adjusting Efficacy Data with Inconsistent Spread (78 Patients) -- Partial Correlations for Removing Interaction Effects from Efficacy Data (64 Patients) -- Canonical Regression for Overall Statistics of Multivariate Data (250 Patients) -- Multinomial Regression for Outcome Categories (55 Patients) -- Various Methods for Analyzing Predictor Categories (60 and 30 Patients) -- Random Intercept Models for Both Outcome and Predictor Categories (55 Patients) -- Automatic Regression for Maximizing Linear Relationships (55 Patients) -- Simulation Models for Varying Predictors (9000 Patients) -- Generalized Linear Mixed Models for Outcome Prediction from Mixed Data (20 Patients) -- Two Stage Least Squares for Linear Models with Problematic Predictors (35 Patients) -- Autoregressive Models for Longitudinal Data (120 Monthly Population Records) -- Variance Components for Assessing the Magnitude of Random Effects (40 Patients) -- Ordinal Scaling for Clinical Scores with Inconsistent Intervals (900 Patients) -- Loglinear Models for Assessing Incident Rates with Varying Incident Risks (12 Populations) -- Loglinear Models for Outcome Categories (445 Patients) -- More on Polytomous Outcome Regressions (450 Patients) -- Heterogeneity in Clinical Research: Mechanisms Responsible (20 Studies) -- Performance Evaluation of Novel Diagnostic Tests (650 and 588 Patients) -- Quantile - Quantile Plots, a Good Start for Looking at Your Medical Data (50 Cholesterol Measurements and 52 Patients) -- Rate Analysis of Medical Data Better than Risk Analysis (52 Patients) -- Trend Tests Will Be Statistically Significant if Traditional Tests Are not (30 and 106 Patients) -- Doubly Multivariate Analysis of Variance for Multiple Observations from Multiple Outcome Variables (16 Patients) -- Probit Models for Estimating Effective Pharmacological Treatment Dosages (14 Tests) -- Interval Censored Data Analysis for Assessing Mean Time to Cancer Relapse (51 Patients) -- Structural Equation Modeling with SPSS Analysis of Moment Structures (Amos) for CauseEffect Relationships I (35 Patients) -- Structural Equation Modeling with SPSS Analysis of Moment Structures (Amos) for Cause Effect Relationships II (35 Patients) -- Firth's Bias-adjusted Estimates for Biased Logistic Data Models (23 Challenger launchings) -- Omics Research (125 Patients, 24 Predictor Variables) -- Sparse Canonical Correlation Analysis (12209 Genes in 45 Glioblastoma Carriers) -- Eigenvalues, Eigenvectors and Eigenfunctions (45 and 250 Patients) -- Section III Rules Models -- Neural Networks for Assessing Relationships that are Typically Nonlinear (90 Patients) -- Complex Samples Methodologies for Unbiased Sampling (9,678 Persons) -- Correspondence Analysis for Identifying the Best of Multiple Treatments in Multiple Groups (217 Patients) -- Decision Trees for Decision Analysis (1004 and 953 Patients) -- Multidimensional Scaling for Visualizing Experienced Drug Efficacies (14 Pain-killers and 42 Patients) -- Stochastic Processes for Long Term Predictions from Short Term Observations -- Optimal Binning for Finding High Risk Cut-offs (1445 Families) -- Conjoint Analysis for Determining the Most Appreciated Properties of Medicines to Be Developed (15 Physicians) -- Item Response Modeling for Analyzing Quality of Life with Better Precision (1000 Patients) -- Survival Studies with Varying Risks of Dying (50 and 60 Patients) -- Fuzzy Logic for Improved Precision of Pharmacological Data Analysis (9 Induction Dosages) -- Automatic Data Mining for the Best Treatment of a Disease (90 Patients) -- Pareto Charts for Identifying the Main Factors of Multifactorial Outcomes (2000 Admissions to Hospital) -- Radial Basis Neural Networks for Multidimensional Gaussian Data (90 persons) -- Automatic Modeling for Drug Efficacy Prediction (250 Patients) -- Automatic Modeling for Clinical Event Prediction (200 Patients) -- Automatic Newton Modeling in Clinical Pharmacology (15 Alfentanil dosages, 15 Quinidine time-concentration relationships) -- Spectral Plots for High Sensitivity Assessment of Periodicity (6 Years' Monthly C Reactive Protein Levels) -- Runs Test for Identifying Best Analysis Models (21 Estimates of Quantity and Quality of Patient Care) -- Evolutionary Operations for Health Process Improvement (8 Operation Room Settings) -- Bayesian Networks for Cause Effect Modeling (600 Patients) -- Support Vector Machines for Imperfect Nonlinear Data (200 Patients) -- Multiple Response Sets for Visualizing Clinical Data Trends (811 Patient Visits) -- Protein and DNA Sequence Mining -- Iteration Methods for Crossvalidation (150 Patients) -- Testing Parallel-groups with Different Sample Sizes and Variances (5 Parallel-group Studies) -- Association Rules between Exposure and Outcome (50 and 60 Patients) -- Confidence Intervals for Proportions and Differences in Proportions (100 and 75 Patients) -- Ratio Statistics for Efficacy Analysis of New Drugs 50 Patients) -- Fifth Order Polynomes of Circadian Rhythms (1 Patient) -- Gamma Distribution for Estimating the Predictors of MedicalOutcomes (110 Patients) -- Index.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Machine Learning in Medicine – A Complete Overview [documento electrónico] / Cleophas, Ton J., Autor ; Zwinderman, Aeilko H., Autor  . -  2 ed.  . - [s.l.] : Springer, 2020 . - XXX, 667 p. 548 ilustraciones, 131 ilustraciones en color.
ISBN : 978-3-030-33970-8
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Biología  Ciencias Médicas  Estadísticas  Ciencias sociales  Humanidades  Investigación biomédica  Ciencias de la Salud  Humanidades y Ciencias Sociales
Índice Dewey:	610.72 Medicina (Investigación Experimental)
Resumen:	Una salud y una atención sanitaria adecuadas ya no son posibles sin una supervisión adecuada de los datos mediante metodologías modernas de aprendizaje automático, como modelos de clústeres, redes neuronales y otras metodologías de extracción de datos. El libro actual es la primera publicación de una descripción completa de las metodologías de aprendizaje automático para el sector médico y de la salud, y fue escrito como un compañero de capacitación y como una lectura obligada, no solo para médicos y estudiantes, sino también para cualquier persona. involucrados en el proceso y progreso de la salud y la atención sanitaria. En esta segunda edición los autores han eliminado los errores textuales de la primera edición. Además, las tablas mejoradas de la primera edición han sido reemplazadas por las tablas originales de los programas de software tal como se aplicaron. Esto se debe a que, a diferencia de los primeros, los segundos no contenían errores y los lectores estaban mejor familiarizados con ellos. El objetivo principal de la primera edición fue proporcionar análisis paso a paso de los nuevos métodos a partir de ejemplos de datos, pero es posible que haya faltado información de antecedentes e información de relevancia clínica. Por lo tanto, cada capítulo contiene ahora una sección titulada "Información general". El aprendizaje automático puede ser más informativo y proporcionar una mayor sensibilidad de las pruebas que los métodos analíticos tradicionales. En la segunda edición se ha dado cabida al uso del aprendizaje automático no sólo al análisis de datos clínicos observacionales, sino también al de ensayos clínicos controlados. A diferencia de la primera edición, la segunda edición tiene dibujos a todo color que proporcionan una dimensión adicional útil al análisis de datos. En esta edición actualizada se han incluido varias metodologías de aprendizaje automático que aún no se tratan en la primera edición, pero que son cada vez más importantes en la actualidad, por ejemplo, regresiones binomiales negativas y de Poisson, análisis canónicos dispersos, análisis logístico ajustado por sesgo de Firth, investigación ómica, valores propios y vectores propios. . .
Nota de contenido:	Preface -- Section I Cluster and Classification Models -- Hierarchical Clustering and K-means Clustering to Identify Subgroups in Surveys (50 Patients) -- Density-based Clustering to Identify Outlier Groups in Otherwise Homogeneous Data (50 Patients) -- Two Step Clustering to Identify Subgroups and Predict Subgroup Memberships in Individual Future Patients (120 Patients) -- Nearest Neighbors for Classifying New Medicines (2 New and 25 Old Opioids) -- Predicting High-Risk-Bin Memberships (1445 Families) -- Predicting Outlier Memberships (2000 Patients) -- Data Mining for Visualization of Health Processes (150 Patients) -- Trained Decision Trees for a More Meaningful Accuracy (150 Patients) -- Typology of Medical Data (51 Patients) -- Predictions from Nominal Clinical Data (450 Patients) -- Predictions from Ordinal Clinical Data (450 Patients) -- Assessing Relative Health Risks (3000 Subjects) -- Measurement Agreements (30 Patients) -- Column Proportions for Testing Differences between Outcome Scores (450 Patients) -- Pivoting Trays and Tables for Improved Analysis of Multidimensional Data (450 Patients) -- Online Analytical Procedure Cubes for a More Rapid Approach to Analyzing Frequencies (450 Patients) -- Restructure Data Wizard for Data Classified the Wrong Way (20 Patients) -- Control Charts for Quality Control of Medicines (164 Tablet Desintegration Times) -- Section II (Log) Linear Models -- Linear, Logistic, and Cox Regression for Outcome Prediction with Unpaired Data (20, 55, and 60 Patients) -- Generalized Linear Models for Outcome Prediction with Paired Data (100 Patients and 139 Physicians) -- Generalized Linear Models for Predicting Event-Rates (50 Patients) -- Factor Analysis and Partial Least Squares (PLS) for Complex-Data Reduction (250 Patients) -- Optimal Scaling of High-sensitivity Analysis of Health Predictors (250 Patients) -- Discriminant Analysis for Making a Diagnosis from Multiple Outcomes (45 Patients) -- Weighted Least Squares for Adjusting Efficacy Data with Inconsistent Spread (78 Patients) -- Partial Correlations for Removing Interaction Effects from Efficacy Data (64 Patients) -- Canonical Regression for Overall Statistics of Multivariate Data (250 Patients) -- Multinomial Regression for Outcome Categories (55 Patients) -- Various Methods for Analyzing Predictor Categories (60 and 30 Patients) -- Random Intercept Models for Both Outcome and Predictor Categories (55 Patients) -- Automatic Regression for Maximizing Linear Relationships (55 Patients) -- Simulation Models for Varying Predictors (9000 Patients) -- Generalized Linear Mixed Models for Outcome Prediction from Mixed Data (20 Patients) -- Two Stage Least Squares for Linear Models with Problematic Predictors (35 Patients) -- Autoregressive Models for Longitudinal Data (120 Monthly Population Records) -- Variance Components for Assessing the Magnitude of Random Effects (40 Patients) -- Ordinal Scaling for Clinical Scores with Inconsistent Intervals (900 Patients) -- Loglinear Models for Assessing Incident Rates with Varying Incident Risks (12 Populations) -- Loglinear Models for Outcome Categories (445 Patients) -- More on Polytomous Outcome Regressions (450 Patients) -- Heterogeneity in Clinical Research: Mechanisms Responsible (20 Studies) -- Performance Evaluation of Novel Diagnostic Tests (650 and 588 Patients) -- Quantile - Quantile Plots, a Good Start for Looking at Your Medical Data (50 Cholesterol Measurements and 52 Patients) -- Rate Analysis of Medical Data Better than Risk Analysis (52 Patients) -- Trend Tests Will Be Statistically Significant if Traditional Tests Are not (30 and 106 Patients) -- Doubly Multivariate Analysis of Variance for Multiple Observations from Multiple Outcome Variables (16 Patients) -- Probit Models for Estimating Effective Pharmacological Treatment Dosages (14 Tests) -- Interval Censored Data Analysis for Assessing Mean Time to Cancer Relapse (51 Patients) -- Structural Equation Modeling with SPSS Analysis of Moment Structures (Amos) for CauseEffect Relationships I (35 Patients) -- Structural Equation Modeling with SPSS Analysis of Moment Structures (Amos) for Cause Effect Relationships II (35 Patients) -- Firth's Bias-adjusted Estimates for Biased Logistic Data Models (23 Challenger launchings) -- Omics Research (125 Patients, 24 Predictor Variables) -- Sparse Canonical Correlation Analysis (12209 Genes in 45 Glioblastoma Carriers) -- Eigenvalues, Eigenvectors and Eigenfunctions (45 and 250 Patients) -- Section III Rules Models -- Neural Networks for Assessing Relationships that are Typically Nonlinear (90 Patients) -- Complex Samples Methodologies for Unbiased Sampling (9,678 Persons) -- Correspondence Analysis for Identifying the Best of Multiple Treatments in Multiple Groups (217 Patients) -- Decision Trees for Decision Analysis (1004 and 953 Patients) -- Multidimensional Scaling for Visualizing Experienced Drug Efficacies (14 Pain-killers and 42 Patients) -- Stochastic Processes for Long Term Predictions from Short Term Observations -- Optimal Binning for Finding High Risk Cut-offs (1445 Families) -- Conjoint Analysis for Determining the Most Appreciated Properties of Medicines to Be Developed (15 Physicians) -- Item Response Modeling for Analyzing Quality of Life with Better Precision (1000 Patients) -- Survival Studies with Varying Risks of Dying (50 and 60 Patients) -- Fuzzy Logic for Improved Precision of Pharmacological Data Analysis (9 Induction Dosages) -- Automatic Data Mining for the Best Treatment of a Disease (90 Patients) -- Pareto Charts for Identifying the Main Factors of Multifactorial Outcomes (2000 Admissions to Hospital) -- Radial Basis Neural Networks for Multidimensional Gaussian Data (90 persons) -- Automatic Modeling for Drug Efficacy Prediction (250 Patients) -- Automatic Modeling for Clinical Event Prediction (200 Patients) -- Automatic Newton Modeling in Clinical Pharmacology (15 Alfentanil dosages, 15 Quinidine time-concentration relationships) -- Spectral Plots for High Sensitivity Assessment of Periodicity (6 Years' Monthly C Reactive Protein Levels) -- Runs Test for Identifying Best Analysis Models (21 Estimates of Quantity and Quality of Patient Care) -- Evolutionary Operations for Health Process Improvement (8 Operation Room Settings) -- Bayesian Networks for Cause Effect Modeling (600 Patients) -- Support Vector Machines for Imperfect Nonlinear Data (200 Patients) -- Multiple Response Sets for Visualizing Clinical Data Trends (811 Patient Visits) -- Protein and DNA Sequence Mining -- Iteration Methods for Crossvalidation (150 Patients) -- Testing Parallel-groups with Different Sample Sizes and Variances (5 Parallel-group Studies) -- Association Rules between Exposure and Outcome (50 and 60 Patients) -- Confidence Intervals for Proportions and Differences in Proportions (100 and 75 Patients) -- Ratio Statistics for Efficacy Analysis of New Drugs 50 Patients) -- Fifth Order Polynomes of Circadian Rhythms (1 Patient) -- Gamma Distribution for Estimating the Predictors of MedicalOutcomes (110 Patients) -- Index.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i