目的系统评价护理人员利用移动健康进行慢性病管理的体验,为改善移动健康管理服务提供依据。方法计算机检索Medline(Ovid)、Embase、Cochrane Library、Web of Science、CINAHL、中国知网、万方数据库和维普数据库,检索有关护理人员利...目的系统评价护理人员利用移动健康进行慢性病管理的体验,为改善移动健康管理服务提供依据。方法计算机检索Medline(Ovid)、Embase、Cochrane Library、Web of Science、CINAHL、中国知网、万方数据库和维普数据库,检索有关护理人员利用移动健康进行慢性病管理体验的质性研究,检索时限为建库至2023年2月。依据JBI质性研究质量评价标准评价文献质量,采用Meta整合方法对原始研究结果进行整合。结果共纳入8篇文献,提炼出66个原始研究结果,归纳为10个新类别,综合为2个整合。护士使用移动健康进行慢性病管理感知益处;护士使用移动健康进行慢性病管理感知障碍。结论移动健康有助于护理人员进行慢性病管理,但其使用仍存在一些障碍,应从移动健康的易用性、移动健康与传统管理手段的融合、健全相关制度保障等方面完善。展开更多
链路预测是利用深度学习技术分析网络数据,挖掘网络中潜在的节点关系,通常应用于网络安全、信息挖掘等领域。通过预测网络中节点间的链路,可以识别社交工程攻击、欺诈行为和隐私泄露风险。但移动社交网络的拓扑结构随时间变化,链路稀疏...链路预测是利用深度学习技术分析网络数据,挖掘网络中潜在的节点关系,通常应用于网络安全、信息挖掘等领域。通过预测网络中节点间的链路,可以识别社交工程攻击、欺诈行为和隐私泄露风险。但移动社交网络的拓扑结构随时间变化,链路稀疏,影响预测准确性。为了解决移动社交网络中链路预测的强稀疏性问题,提出基于深度学习的预测方法,即面向强稀疏性移动社交网络的链路预测深度学习方法(deep learning-based method for mobile social networks with strong sparsity for link prediction,DLMSS-LP)。该方法综合运用了图自编码器(graph auto-encoder,GAE)、特征矩阵聚合技术以及多层长短期记忆网络(long short-term memory,LSTM),旨在降低了模型的学习成本,更有效地处理高维和非线性的网络结构,并且捕捉移动社交网络中的时序动态变化,进而增强模型对现有链路生成可能性的预测能力。对比其他方法在AUC(area under curve)和ER(error rate)指标上有明显提升,体现了模型对不确定链路预测的高准确率和强鲁棒性。展开更多
文摘目的系统评价护理人员利用移动健康进行慢性病管理的体验,为改善移动健康管理服务提供依据。方法计算机检索Medline(Ovid)、Embase、Cochrane Library、Web of Science、CINAHL、中国知网、万方数据库和维普数据库,检索有关护理人员利用移动健康进行慢性病管理体验的质性研究,检索时限为建库至2023年2月。依据JBI质性研究质量评价标准评价文献质量,采用Meta整合方法对原始研究结果进行整合。结果共纳入8篇文献,提炼出66个原始研究结果,归纳为10个新类别,综合为2个整合。护士使用移动健康进行慢性病管理感知益处;护士使用移动健康进行慢性病管理感知障碍。结论移动健康有助于护理人员进行慢性病管理,但其使用仍存在一些障碍,应从移动健康的易用性、移动健康与传统管理手段的融合、健全相关制度保障等方面完善。
文摘链路预测是利用深度学习技术分析网络数据,挖掘网络中潜在的节点关系,通常应用于网络安全、信息挖掘等领域。通过预测网络中节点间的链路,可以识别社交工程攻击、欺诈行为和隐私泄露风险。但移动社交网络的拓扑结构随时间变化,链路稀疏,影响预测准确性。为了解决移动社交网络中链路预测的强稀疏性问题,提出基于深度学习的预测方法,即面向强稀疏性移动社交网络的链路预测深度学习方法(deep learning-based method for mobile social networks with strong sparsity for link prediction,DLMSS-LP)。该方法综合运用了图自编码器(graph auto-encoder,GAE)、特征矩阵聚合技术以及多层长短期记忆网络(long short-term memory,LSTM),旨在降低了模型的学习成本,更有效地处理高维和非线性的网络结构,并且捕捉移动社交网络中的时序动态变化,进而增强模型对现有链路生成可能性的预测能力。对比其他方法在AUC(area under curve)和ER(error rate)指标上有明显提升,体现了模型对不确定链路预测的高准确率和强鲁棒性。