အီတာလျံအသင်းရဲ့ ဗဟိုဗဟုသုတ အသိုင်းအဝိုင်းတစ်ခုက CV အရဲစွန့်မှု ပုံစံကို လေ့လာတွေ့ရှိချက်: ရောင်ရမ်းတ

ကျန်းမာရေးစီမံခန့်ခွဲမှု အတွေးအခေါ်ဟာ လူတွေရဲ့ စိတ်နှလုံးထဲ ကျယ်ပြန့်လာနေပြီး သိပ္ပံပညာဆိုင်ရာကျန်းမာရေး အသိသုတကလည်း ပျံ့နှံ့နေဆဲဖြစ်ပြီး အများပြည်သူအတွက် စိတ်ဝင်စားစရာကောင်းပါတယ်။ RA ရောဂါသည်များတွင် COVID-19 အန္တရာယ်ကို သိသိသာသာ မြှင့်တင်နိုင်ပေမဲ့ လက်ရှိ ၁၀ နှစ် ခန့်မှန်းရေး ကိရိယာများသည် မကြာခဏ မတော်မဆ ဖြစ်ပေါ်စေပါ။ ဒီလေ့လာမှုက စောင့်ကြည့်ခြင်းမရှိဘဲ စက်သင်ယူမှုကို လေ့လာပြီး UML အုပ်စုမှ MACE နှင့် ဆက်စပ်သော အဓိကဖြစ်စဉ် (MACE) အမျိုးမျိုးနှင့် ပတ်သက်တဲ့ AR ပိုးတွေ့လူနာတစ်ဦးချင်းစီရဲ့ရောဂါပုံစံများကို ဖော်ထုတ်ပေးနိုင်မလားဆိုတာကို အကဲဖြတ်ခဲ့ပြီး ၅ နှစ်ကျော် MACE ကူးစက်မှုနှုန်းတွေကို ခြေရာခံကာ နောက်ဆက်တွဲလုပ်ခဲ့တယ်။ ဒီလေ့လာမှုက ၂၀၁၉ ဇန်နဝါရီလမှာ ACR/EULAR အမျိုးအစားသတ်မှတ်ချက်နဲ့ ကိုက်ညီတဲ့ RA လူနာတွေကို ထည့်သွင်းခဲ့ပြီး MACE ရောဂါဖြစ်ပွားမှု ၅ နှစ်ထက်ပိုတာအတွက် ခြေရာခံစောင့်ကြည့်ခဲ့တယ်။ ဒီအလုပ်ကနေ UML အုပ်စုရဲ့ မောင်းနှင်မထားတဲ့ စက်သင်ယူခြင်း (uML) တွေကို သီးသန့် AR လူနာရောဂါပုံစံတစ်ခုကို ဖော်ထုတ်ရာမှာ ပိုကောင်းမွန်တာကို အကဲဖြတ်ပြီး နောက်ဆက်တွဲ စောင့်ရှောက်မှုကို ငါးနှစ်ကျော် MACE ရောဂါ ဖြစ်ပွားမှုတွေ အတွက် လုပ်ဆောင်ခဲ့ကာ RA လူနာတွေရဲ့ ရောဂါစီမံခန့်ခွဲရေးအတွက် သိပ္ပံပညာဆိုင်ရာ အခြေခံတွေနဲ့ လမ်းညွှန်းနည်းလမ်းတွေ တိုးမြှင့်ပေးဖို့ မျှော်လင့်ထားတယ်။ ဆေးဘက်ဆိုင်ရာ ဒေတာ (အပါအဝင် အစဉ်အလာ CV အန္တရာယ်ကဏ္ဍများနှင့် SCORE2 ခန့်မှန်းချက်) နှင့် လူဦးရေ စာရင်းအရေအတွက်များကို စုဆောင်းထားသည်။ Bootstrapized eigenvalue distribution determines the number of FAMD components for clustering, followed by Hierarchical Clustering on Principal Components using Ward's criterion and Euclidean distance An XGBoost model a. ဤအချက်များသည် ကျန်းမာရေးဆိုင်ရာ အကြံပြုချက်များမဟုတ်ဘဲ နိုင်ငံတကာ အများပြည်သူသိရှိထားသော သုတေသန ရလဒ်များကို အခြေခံ၍ HealthCop ကို ရည်ညွှန်းသည့် အချက်အလက်အဖြစ် စုစည်းခြင်းဖြစ်ကြောင်း ထောက်ပြရန် လိုအပ်ပါသည်။