دانلود رایگان مقالات الزویر - ساینس دایرکتدانلود رایگان مقالات پژوهشی پزشکیدانلود رایگان مقالات پژوهشی روانشناسیدانلود رایگان مقالات ژورنالی پزشکیدانلود رایگان مقالات ژورنالی روانشناسیدانلود رایگان مقالات سال 2019دانلود رایگان مقاله ISI پزشکی به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI روانپزشکی و اعصاب و روان به زبان انگلیسیدانلود رایگان مقاله ISI روانشناسی بالینی به زبان انگلیسیدانلود رایگان مقاله ISI روانشناسی به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI یادگیری ماشین به زبان انگلیسیسال انتشارمقالات Q1 پزشکی به زبان انگلیسیمقالات Q1 روانشناسی به زبان انگلیسیمقالات پزشکی با ایمپکت فاکتور بالا به زبان انگلیسیمقالات روانشناسی با ایمپکت فاکتور بالا به زبان انگلیسی

مقاله انگلیسی رایگان در مورد یک رویکرد اکتشافی یادگیری ماشین مبتنی بر داده ها – الزویر ۲۰۱۹

 

مشخصات مقاله
ترجمه عنوان مقاله خودکشی های خوشه ای: یک رویکرد اکتشافی یادگیری ماشین مبتنی بر داده ها
عنوان انگلیسی مقاله Clustering suicides: A data-driven, exploratory machine learning approach
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۵ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) MedLine – Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۳٫۲۸۷ در سال ۲۰۱۹
شاخص H_index ۸۵ در سال ۲۰۲۰
شاخص SJR ۱٫۵۹۵ در سال ۲۰۱۹
شناسه ISSN ۰۹۲۴-۹۳۳۸
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط روانشناسی، پزشکی
گرایش های مرتبط روانشناسی بالینی، روانپزشکی
نوع ارائه مقاله
ژورنال
مجله  روانپزشکی اروپایی – European Psychiatry
دانشگاه Clinical Division of General Psychiatry, Department of Psychiatry and Psychotherapy, Medical University of Vienna, Währinger Gürtel 18-20, 1090 Vienna, Austria
کلمات کلیدی خودکشی، روشهای خودکشی، یادگیری ماشین، خودکشی خشونت آمیز، تجزیه و تحلیل خوشه ای
کلمات کلیدی انگلیسی Suicide، Suicide methods، Machine-learning، Violent suicide، Cluster analysis
شناسه دیجیتال – doi
https://doi.org/10.1016/j.eurpsy.2019.08.009
کد محصول E13965
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- Material and methods

۳-  Results

۴- Discussion

۵- Conclusions

References

بخشی از متن مقاله:

Abstract

Methods of suicide have received considerable attention in suicide research. The common approach to differentiate methods of suicide is the classification into “violent” versus “non-violent” method. Interestingly, since the proposition of this dichotomous differentiation, no further efforts have been made to question the validity of such a classification of suicides. This study aimed to challenge the traditional separation into “violent” and “non-violent” suicides by generating a cluster analysis with a data-driven, machine learning approach. In a retrospective analysis, data on all officially confirmed suicides (N = ۷۷,۸۹۴) in Austria between 1970 and 2016 were assessed. Based on a defined distance metric between distributions of suicides over age group and month of the year, a standard hierarchical clustering method was performed with the five most frequent suicide methods. In cluster analysis, poisoning emerged as distinct from all other methods – both in the entire sample as well as in the male subsample. Violent suicides could be further divided into sub-clusters: hanging, shooting, and drowning on the one hand and jumping on the other hand. In the female sample, two different clusters were revealed – hanging and drowning on the one hand and jumping, poisoning, and shooting on the other. Our data-driven results in this large epidemiological study confirmed the traditional dichotomization of suicide methods into “violent” and “non-violent” methods, but on closer inspection “violent methods” can be further divided into sub-clusters and a different cluster pattern could be identified for women, requiring further research to support these refined suicide phenotypes.

Introduction

Suicide is a major public health issue accounting for over one million deaths per year making it the tenth leading cause of death worldwide [1] and the leading cause of preventable death in the elderly [2]. In 2016 the annual global age-standardized suicide rate of 10.5 per 100,000 population. Despite some progress and extensive research in the field of suicidology, predicting attempts and deaths by suicide still remains a challenge – both in a scientifically controlled setting and in clinical reality [3]. The lack of predictability makes preventive action difficult – both in clinical mental health care settings with individual patients as well as at aggregated levels for risk groups and entire populations. Additionally, the lethality of suicide methods differs greatly, which leads to restriction of lethal or violent means of suicide as the most recommended preventive measure [4–۸]. In Austria, suicide rates have been steadily declining since the mid-80 s, from 1990 to 2000 the annual rate was 21.3 per 100,000 persons and from 2000 to 2010 it further decreased to 16.9. The only age-group showing increasing rates were males aged over 80. Women showed a more marked decrease than men [9,10]. Methods of suicide have received considerable attention in suicide research [11] especially regarding prevention and mean’s restriction [7,8].

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا