EBM分析:全科医学 循证医学与机器学习:志同道合的伙伴
Evidence-based medicine·EBM analysis:General medicine Evidence-based medicine and machine learning:a partnership with a common purpose
摘要
循证医学起源于流行病学之时便已经形成了一系列严格的方法。这些方法可用于评估基于假设的实证研究在评价诊断试验、结局预测工具和干预措施方面的有效性、影响力和适用性。机器学习是人工智能的一部分,它使用计算机程序识别海量数据集中的模式和关联,然后将这些模式和关联整合到用于辅助诊断和预测结局(包括对治疗的反应)的算法中。这两个领域如何相互关联?他们有何异同,如何各有千秋?两者可否相互借鉴和补充以使临床决策更为明智和有效?
出处
《英国医学杂志中文版》
2020年第12期710-714,共5页
The BMJ Chinese Edition
-
1段兴秋.间质性肺疾病与肿瘤标记物及血清因子的关系研究进展[J].临床医学进展,2020,10(6):914-919.
-
2叶玮.构建主题意义、主线探究、分层设计的阅读教学策略[J].新课程教学（电子版）,2020(14):64-65.
-
3段增勇.群文阅读教学有效开展的三大保障[J].中学语文教学,2021(1):11-15. 被引量：12
-
4黄晓靖,无.2021家居设计未来故事——解读2021-2022中国设计趋势报告[J].设计,2020,33(24):156-160.
-
5许子龙.浅析风电场数据错误和缺失的处理方法[J].风力发电,2020(3):23-29.
-
6陈杰尧,陶春华,马光文,陈仕军,赵永龙,王靖.基于数据挖掘与支持向量机的现货市场出清价预测方法[J].电网与清洁能源,2020,36(10):14-19. 被引量：15
