在医疗保健的数据量增加的那一刻;在现实中它使卫生保健系统很难识别的见解为病人什么是最有价值的。数据驱动方法健康(或卫生经济)结果评估、人工智能和数学,计算,方法,技术进步是这个特殊的核心问题。

这种数学模型用来模拟医学的发展结果是一个在医学发展领域。数学建模是被各种名字像预测建模、仿真、决策分析。一般来说,建模技术用于卫生服务规划、有效性和结果评估,卫生保健筹资和预算影响评估,卫生经济评估、传染病监测、卫生服务结果预测的目的,在卫生保健和其他应用程序。数学建模也有帮助当限制像罕见事件禁止实施个随机对照试验和相似的研究或扩大研究实际患者由于时间、伦理、法律、金融、技术、和其他限制。

我们预计,论文将处理数据分析和方法论和实践问题建模和模型在卫生保健交付最优决策,解决问题在预测结果为临床医学和公共卫生。

潜在的主题包括但不限于以下:

• 良好的医疗实践决策分析模型
• 相关方法和工具建模和数据分析/处理方法在医疗决策
• 优化、先进的统计和机器学习的方法在医疗决策
• 人工智能方法在医疗决策中的应用
• 深度学习在医疗决策
• 数学建模方法在药物开发、安全、和最优决策在卫生保健功效的研究
• 建模来预测未来的决策在卫生保健需求
• 预测在医疗保健服务的需求从子组的人口
• 数学建模在公共卫生和疾病监测决策
• 动力学数学建模的疾病
• 数学建模在卫生影响评估的决策
• 数学建模决策在卫生经济评估,卫生保健筹资和预算影响分析
• 建模和模型在临床审计决策和结果评估