| مشخصات مقاله | |
| ترجمه عنوان مقاله | اتخاذ تصمیم انعطاف پذیر داده مفقود برای اینترنت اشیای بهداشت و درمان از طریق شخصی سازی: مطالعه موردی در مورد سلامت مادران |
| عنوان انگلیسی مقاله | Missing data resilient decision-making for healthcare IoT through personalization: A case study on maternal health |
| انتشار | مقاله سال ۲۰۱۹ |
| تعداد صفحات مقاله انگلیسی | ۳۹ 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) | scopus – master journals – JCR |
| نوع مقاله | ISI |
| فرمت مقاله انگلیسی | |
| ایمپکت فاکتور(IF) |
۵٫۳۴۱ در سال ۲۰۱۷ |
| شاخص H_index | ۸۵ در سال ۲۰۱۹ |
| شاخص SJR | ۰٫۸۴۴ در سال ۲۰۱۷ |
| شناسه ISSN | ۰۱۶۷-۷۳۹X |
| شاخص Quartile (چارک) | Q1 در سال ۲۰۱۷ |
| رشته های مرتبط | مهندسی فناوری اطلاعات – مهندسی کامپیوتر |
| گرایش های مرتبط | شبکه های کامپیوتری – اینترنت و شبکه های گسترده – الگوریتم و محاسبات |
| نوع ارائه مقاله |
ژورنال |
| مجله / کنفرانس | سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems |
| دانشگاه | Department of Future Technologies, University of Turku, Turku, Finland |
| کلمات کلیدی | داده مفقود، نظارت بلند مدت، نظارت بر سلامت، اینترنت اشیا، مراقبت از مادران، تصمیم گیری شخصی |
| کلمات کلیدی انگلیسی | Missing Data, Long-term Monitoring, Health Monitoring, Internet of Things, Maternity Care, Personalized Decision Making |
| شناسه دیجیتال – doi |
https://doi.org/10.1016/j.future.2019.02.015 |
| کد محصول | E12043 |
| 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: |
| Outline Highlights Abstract Keywords ۱٫ Introduction ۲٫ Background and related work ۳٫ Missing data resilient decision-making approach ۴٫ Demonstration and evaluation ۵٫ Conclusion Acknowledgments References |
| بخشی از متن مقاله: |
| Abstract Remote health monitoring is an effective method to enable tracking of at-risk patients outside of conventional clinical settings, providing early-detection of diseases and preventive care as well as diminishing healthcare costs. Internet-of-Things (IoT) technology facilitates developments of such monitoring systems although significant challenges need to be addressed in the real-world trials. Missing data is a prevalent issue in these systems, as data acquisition may be interrupted from time to time in long-term monitoring scenarios. This issue causes inconsistent and incomplete data and subsequently could lead to failure in decision making. Analysis of missing data has been tackled in several studies. However, these techniques are inadequate for real-time health monitoring as they neglect the variability of the missing data. This issue is significant when the vital signs are being missed since they depend on different factors such as physical activities and surrounding environment. Therefore, a holistic approach to customize missing data in real-time health monitoring systems is required, considering a wide range of parameters while minimizing the bias of estimates. In this paper, we propose a personalized missing data resilient decision-making approach to deliver health decisions 24/7 despite missing values. The approach leverages various data resources in IoT-based systems to impute missing values and provide an acceptable result. We validate our approach via a real human subject trial on maternity health, in which 20 pregnant women were remotely monitored for 7 months. In this setup, a real-time health application is considered, where maternal health status is estimated utilizing maternal heart rate. The accuracy of the proposed approach is evaluated, in comparison to existing methods. The proposed approach results in more accurate estimates especially when the missing window is large. |