فایل ورد کامل بکارگیری داده های بزرگ در علوم بهداشت و واگیر شناسی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل بکارگیری داده های بزرگ در علوم بهداشت و واگیر شناسی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۳ صفحه

نگرانی از گسترش بیماری های همه گیر مانند انفولانزای h1n1 هر رور بیشتر می شود. پویایی بیماری های همه گیر در مقیاس بزرگتر پیچیده است. علاوه بر این رفتار انسانی در شبکه های اجتماعی و بیماری های همه گیر در هم تنیده اند و تکاملی تحت عنوان گسترش بیماری های همه گیر ارائه می دهند. تغییر رفتار افراد در پاسخ به سیاست های عمومی و درک چگونگی شیوع بیماری های عفونی به طور چشمگیر در تعاملات اجتماعی افزایش یافته است. برنامه ریزی ها و پاسخ موثر در فعل و انفعالات پیچیده می باشد. مدل های ریاضی در گسترش بیماری ها موثر بوده. در این بخش درباره رویکرد اخیر در شبکه های اجتماعی در مقیاس بزرگ بحث می کنیم.
تجزیه و تحلیل این مدل منجر به مشکلات محاسباتی چالش بر انگیز شده است. علاوه بر این با استفاده از این مدل به پیش بینی شیوع بیماری ها و توسعه سیاست های بهداشت عمومی که منجر به برنامه های کاربردی می شود می پردازیم. این بخش به توصیف محاسبات و اپیدمیولوژی پرداخته است.

کلمات کلیدی: اپیدمیولوژی ریاضی | مدل های انتشار تصادفی | برنامه ریزی سیاست بهداشت عمومی | نظارت اپیدمی | پیش بینی اپیدمی | شبیه سازی مبتنی بر عامل

عنوان انگلیسی:

Big Data Applications in Health Sciences and Epidemiology

~~en~~ writers :

Saumyadipta Pyne,1, Anile Kumar S. Vullikanti‡, Madhav V. Marathe

There is growing concern about our preparedness for controlling the spread of pandemics
such as H1N1 Influenza. The dynamics of epidemic spread in large-scale populations
are very complex. Further, human behavior, social contact networks, and pandemics are
closely intertwined and evolve as the epidemic spread. Individuals’ changing behaviors
in response to public policies and their evolving perception of how an infectious disease
outbreak is unfolding can dramatically alter normal social interactions. Effective planning
and response strategies must take these complicated interactions into account. Mathematical models are key to understanding the spread of epidemics. In this chapter, we discuss
a recent approach of diffusion in network models for studying the complex dynamics of
epidemics in large-scale populations. Analyzing these models leads to very challenging
computational problems. Further, using these models for forecasting epidemic spread
and developing public health policies leads to issues that are characteristic of big data
applications. The chapter describes the state of the art in computational and big data
epidemiology.

Keywords: Mathematical epidemiology | Stochastic diffusion models | Public health policy planning | Epidemic surveillance | Epidemic forecasting | Agent-based simulations

$$en!!