相关集群稳定心绞痛50.6万例临床护理模式

文摘

目标。我们的目标是应用统计和网络科学技术来描述如何使用病人的临床路径描述保健提供者的实践。方法。我们包括506087病人的数据程序与缺血性心脏病有关。受试者被分配到一个136个初级卫生保健中心使用投票方案基于他们的住所。临床路径是机密,通路类型的光谱计算为每个中心,然后建立了一个网络中心节点和光谱相关性作为边的权值。然后鲁汶集群用于组中心光谱相似的途径。结果。我们确定了三个集群,而不同的特征,占据相当紧凑的空间领域,尽管没有地理信息是用于聚类。网络分析和分层聚类显示在每个集群医科大学诊所的统治地位。结论。尽管临床指南提供一个统一的监管医疗决策,医生在日常临床实践中有很大的自由。这种自由会导致某些临床路径的地区性的偏好,intercenter专业链接,和地理位置,加上可量化的后果在保健费用和周期性风险的患者。

1。介绍

公开资助的卫生保健是一种特殊的经济效用和个别程序的成本经常有分歧。病人最有效的服务,最大限度地感兴趣是瞎眼的费用,而医生也有类似的对有效性的偏好,但异构敏感性应用服务的费用。在控制医疗保健系统中,后一种异质性可以最小化,但在匈牙利,全国调查本文控制行政类型居多,所以伟大的医生有一个相对自由的选择治疗。临床实践是由科学的指导方针,但影响有限的临床实践指南是有据可查的1,2]。

另一方面,系统记录的执行程序公开资助医疗生成快速增长的电子生物医学数据库。如果合适,创新的数据挖掘和分析方法是用来利用这个数据;资源分配,可以提高医疗服务的整体质量。之前我们的工作组已经评估病人第一调查的特点在不同的地区(3),记录了系统性偏差由于地理距离等因素侵入性诊断中心(4,5)或当地体积容量的侵入性诊断(6]。

这并不容易,然而,描述患者评估通路的复杂模式组成的一系列调查和程序。提出了交互式工具和可视化挖掘临床事件模式(7]。另一个可能的方法是基于网络的表示和分析的数据,一种广泛使用的方法在社会和商业科学可视化和识别组件以及它们的结构和相互作用[8- - - - - -10),在某些情况下也应用在健康领域(11),但没有研究临床护理提供者之间的交互。

基于网络的分析往往依赖于集群,将一组对象分组的方法,这样同一组中的对象或集群更相似(在一个或多个特征)彼此比其他集群。集群,一个标准的商业智能的方法,已经成功和创新应用到生物医学数据,情况下,试验,临床模型和医疗保健领域的其他实体(12- - - - - -16]。在本文中,我们提出我们的结果使用网络以科学为基础的方法在医疗领域的路径分析。

2。方法

该方法可以简要概括为以下步骤的序列:(1)数据清理和分类的护理活动(2)分配一个占主导地位的“实际”保健提供者每个邮政区域由一个投票方案(3)形成事件系列使用同一个病人的事件和分类的15个不同系列的系列类型(4)计算每个提供者的事件系列频谱和提供者基于系列光谱之间的相关性(5)建立一个网络提供商使用相关性的边缘定义(6)集群和分析网络使用标准的网络科学方法

下面详细的步骤。

2.1。数据准备和清洁

基本的数据来源是匈牙利国家医疗报销登记由国家医疗保健服务中心(AEEK)我们查询病人缺血性心脏病(IHD)——相关诊断程序2004年1月1日至2008年12月31日在门诊或住院治疗,共有506087名患者。数据包含了记录诊断和程序,不含例急性心肌梗塞(AMI)。我们分类护理事件的情况下根据国际疾病分类(ICD)代码和程序在医学国际分类(ICPM)相关的每个事件,我们还创建了一个从每个死亡事件。这导致了一个带时间戳的事件列表为每个病人。更详细的分类方案的描述,请参阅附录的3]。

在下一阶段,我们合并一些事件在事件列表中根据一组规则来消除冗余(幽灵)事件由于已知的编码惯例的相关程序(例如,为期两天的单光子发射计算机断层扫描协议)。因为我们想关注患者稳定条件出现时,我们只考虑患者至少180天长期风平浪静之后,一个“索引”的事件。规则申请资格一个事件作为索引中详细的补充4)以及其他数据清洗过程的细节。对于每一次这样的病人,我们定义了“事件”系列的一部分,事件列表索引开始事件结束,下一个180天长期风平浪静,死亡,或结束的观察期。

因为这项工作的基本目的是描述的专业保健提供者的行为模式,我们杰出的三种不同类型的护理程序:(我)“E”类型:非侵入性,非成象调查,即压力心电描记法(2)“倪”类型:非侵入性成像调查喜欢单光子发射计算机断层扫描(SPECT)和压力超声心动图(3)“我”类型:侵入性程序像冠状动脉造影(CA),经皮冠状动脉介入(PCI),或者冠状动脉旁路移植术(CABG)

侵入性程序需要特别注意,因为他们一般风险更大,更昂贵的比非侵入性的。临床路径然后建立从这三种类型的事件的组合,所有其他事件被排除在分析之外。我们认为E型事件属于“主”保健,倪类型事件“次要的”照顾,和我输入事件的“三级”护理。

在下一步中,我们确定了占主导地位的事实上的初级保健中心每个邮政区域使用病人的住宅邮政编码和一个简单的投票方案基于病人的第一压力心电描记法观察期间,所以每个患者至少有一个事件有一个投票。为了解决供应商的大量出现在报销数据库中,我们考虑一个大型机构的各部门(例如,市级医院)相同的实体。这一过程产生了136个事实上的初级保健中心。同样的步骤重复了NI - i类型事件识别二、三级保健提供者,分别为(4]。

事件系列如上所述的形成和确定实际护理中心是我们早些时候结果并形成工作的起点了。我们的新贡献由三部分组成:(1)分类的事件系列和保健中心的特征(2)建立一个网络保健中心基于事件系列概要的相关性(3)聚类分析的网络中心

2.2。描述的保健中心

我们计算一个事件系列类型为每个事件系列基础上的相对顺序第一个“E”,“我”和“北爱”事件从指数的事件。例如,NI-I类型意味着NI-type事件后面跟着一个i类型事件,但不是之前一个命题在事件列表中。我们考虑所有可能的15系列事件类型,也就是说,“E”“E-NI”,“E-NI-I”,“练习”“E-I-NI”,“倪,”“NI-E”,“NI-E-I”,“NI-I”,“NI-I-E,”“我”“我”“I-E-NI”,“I-NI,”和“I-NI-E。”

按照一般惯例和准则(17E-NI-I),预期的临床路径,但是医生可以自由跳过E或NI步骤更高的冠状动脉疾病患者风险或由于无法执行无损成像或非成象测试。

表1概述了15系列事件的分布类型。在绝大多数的情况下,患者只有一个心脏压力测试(E),为期一年的自然死亡率增加的事件系列,开始入侵事件。

因为治疗的平均成本也保健系统的一个重要特征,我们计算估计成本为每个单独的事件系列。的计算是基于官方的报销费用的诊断以及治疗事件出现在事件系列。每年因为轻微的这些成本的变化出现在研究期间,我们使用平均的值。表2显示了六种基本事件类型的成本在国家货币(霍夫)以及欧元的汇率2008年12月。

在下一步,我们汇总的数量出现的各种事件系列类型为每个护理中心和使用各种类型的事件的相对比率系列的中心。

2.3。网络建设

初级保健中心相互比较使用皮尔逊相关性根据不同临床路径的分布。皮尔逊相关系数的数据集{x1、…xn}包含n价值观和另一个数据集{y1、…yn}包含n值是按照下列公式计算: 在哪里 是样本均值。这个方法同样适用于 。在我们的例子中, 我们已经15相对发生率为15在每一个中心事件系列类型。

136临床路径的相关矩阵分布的医疗中心X₁、…X_136年是136×136矩阵,它的我,j条目。柯尔(X_我,X_j皮尔森相关系数。相关矩阵是对称的,因为之间的相关性X_我和X_j之间的关系是一样的吗X_我和X_j。我们所有的系数计算95%置信水平。

我们做了一个网络节点的基于相关矩阵初级保健中心和边的权值是线性相关系数。改变是必要的,因为网络包含负边的权值。因为大多数聚类方法,比如modularity-based方法,不能处理负重量,我们改变了相关矩阵到边缘权重矩阵使用以下简单的线性变换: 在哪里代表之间的边缘的边缘和节点(初级卫生保健中心),表示之间的皮尔逊相关系数和节点。常数2是应用于(2)来消除0值。

我们也尝试过其他几个线性和非线性变换 , ,或为了扩大医疗中心之间的差异,但是在所有情况下,由此产生的集群几乎是相同的。

2.4。网络聚类

自生成的网络节点的数目很小,但是网络非常密集,modularity-based算法,鲁汶方法被选为网络聚类(18,19]。这个方法是一个简单的和社区是一种有效的建模方法,即集群紧密相连的节点,在大型网络。方法是一个贪婪的优化方法,优化网络的模块化的一个分区。介绍了模块化功能由纽曼和Girvan [20.,21]。模块化是一个标量值在−1和1之间,内部链接的密度社区与社区之间的联系。模块化函数可以写成: 在哪里(我) 表示节点的社区(集群)我已分配的(2) 代表的重量之间的边缘和 ;如果没有优势 (3) 是边的权重的和附加节点我(iv) 函数是1 和0,否则

为了生成鲁汶集群,我们使用了模块化优化器工具(22与默认设置以下参数:(我)随机启动数量:10(2)迭代次数:10

2.5。层次聚类和意见领袖

我们使用相同的聚类方法(即。,Louvain clustering) with the same parameters on the subgraphs that formed the clusters of the first level clustering as a hierarchical clustering method to identify second level clusters. In a similar manner, we used again the same clustering method with the same parameters inside the second level clusters to identify the third level clusters.

使用古典社会网络分析技术(23,24),我们还分析了网络的节点的重要性识别“意见领袖”。”为此,我们计算“度”和“中间性中心“网络中心措施(25在整个医疗中心网络和子网的第一级集群。

2.6。血管再生率

为了描述集群,我们也计算血管再生率,功能显示入侵的保健方法。血管再生是常见的入侵PCI和CABG手术名称,用于恢复灌注。血管再生率的比率的情况下,CA过程之后,在180天内血管再生,相比与CA的病例总数。这个速度可以作为指数指背后的基本原理CA的病人,一个潜在的威胁生命和昂贵的检查。如果该指数极低比平均水平,那么不合理的高比例的病人被称为CA。

2.7。数据处理、统计分析和数据可视化工具

为数据准备和数据清洗,我们使用Microsoft SQL Server 2012数据库管理系统(26]。所有统计分析使用R 3.1.1工具(27]。我们使用确切概率法确定统计学意义。一个值< 0.05被认为是所有分析的统计学意义。

对于标准化死亡率,我们直接使用标准化(28]。计算网络中心和网络可视化进行了使用Gephi 0.9.1 [29日]。

空间映射是使用量子GIS 2.8开源软件包(30.]。鲁汶聚类方法和智能当地移动算法进行使用模块化优化器工具(29日]。ModuLand网络模块化方法我们的网络上运行的ModuLand插件Cytoscape 2.8.2 [31日]。

3所示。结果

我们建立相关矩阵和136个医疗中心基于网络的皮尔森相关系数。使用鲁汶集群在这个网络、3一级医疗中心组确认。

图1显示“热图”医保中心按集群分组间的相关性。每个中心都有一个相应的行和列,和彩色的补丁的十字路口中心行与另一列表示的两个中心的路径分布之间的关系。我们使用的颜色从红色/黑色,绿色,红色代表消极的,黑色的中性,绿色正相关。中心属于同一个集群放置相邻,所以图中显示集群的内部结构以及intercluster关系。颜色键显示相关值的分布在整个矩阵作为一个连续的白线。

很明显从最强的星团内连接的图,也就是说,最强的绿色补丁,集群出现在集群1和2是最扩散(即。,至少集群特征)。

我们也计算集群的三双,平均intercluster相关性之间的所有相关值的简单平均所有成对的节点,属于两个集群。集群之间的值是0.04−1和2,−0.05集群1和3之间,−0.20集群2和3之间。

我们还观察到一个医疗中心的空间位置之间的相关性和集群成员(见图2)。集群1在匈牙利西部优势,集群2在匈牙利东部,中部和集群3匈牙利。这一事实是非常引人注目的,因为没有使用地理信息中心表征方法。地图在图2同时也显示了主要三级中心蓝色标记。的一些三级中心是由一个地方医科大学在布达佩斯,这样最大的城市国家首都,胸大肌,塞格德,德布勒森。为了匿名,最重要的地方医学院校的代码将被称为大学的“A”“B”“C”和“D。“我们认为医学大学很重要,因为它们可以产生强大的影响在诊所接受的职业行为标准。

表3和4显示的数值特征集群。每个病人的平均成本计算使用财务数据表2。表4强调了相对差异集群使用的数据表3。

讨论的结果进行评估。然而,地理和数值结果的数据1和2和表3和4可以概括如下。(我)集群1相对倾向于侵入性成像,证明由高比例的“我”和“我”系列事件类型。集群在匈牙利西部占主导地位。它包括C大学的诊所。此集群的星团内边缘平均体重最高这意味着强大的内部连接,显示也强烈的热点图在图中绿色的补丁1。(2)集群2有一个相对偏好非侵入性成像(“倪”和“NI-E”类型),它是在匈牙利东部占主导地位。它包括的诊所A和B的大学。此集群的星团内平均最低边缘体重,也就是说,这是最“扩散”集群的三个。(3)集群3相对倾向于侵入性治疗之后,非侵入性成像(“I-NI”类型),这是占主导地位的匈牙利中部。它包括D大学的诊所。这个集群具有较高的星团内平均重量。

使用财务数据表2,我们计算的平均报销费用在每个集群事件系列。集群的结果是75783霍夫(€286),对于集群2,54182霍夫(€205),集群3 66953霍夫(€253)。

为了测试集群的鲁棒性,我们也处理我们的网络使用其他几个不同的聚类方法,用下面的结果:(我)马尔可夫集群算法(32),一个随机walk-based聚类方法,给了几乎相同的结果。(2)k - means聚类(33),矢量量化方法,提供21集群作为我们3的子网集群。(3)ModuLand工具是能够确定分层的层重叠网络模块(34]。当使用这个工具在我们的网络,它产生了37个集群的层次级别0子网的集群,它只产生1集群的所有节点层次级别1。(iv)我们也尝试过两个另一个modularity-based算法:当地移动智能算法(22)和多级本地搜索算法(35];这些生产完全相同的结果。

聚类分析的下一个阶段的测试节点的相对重要性三个集群基于节点度和节点介数中心。我们发现大学诊所A, B, C和D都位于前30%,但从来都不是最强的前10%的集群成员。也是136年当我们考虑整个网络节点,所以这种行为可能是一个大学诊所的无标度特性。布达佩斯,匈牙利的首都位于中间,有18个诊所与各种临床路径光谱。所有三个集群有一些医疗中心在布达佩斯。

最后,第二层次聚类集群2导致两个subclusters;A和B大学诊所被放置在同一个subcluster也比另一个更强大的凝聚力。只有在第三个层次聚类是放置在两个不同的sub-subclusters A和B诊所。

4所示。讨论

结果显示,我们发现清晰的网络类型关系的选择病人评价途径,也是强烈的地理位置相关的机构。这是一个合理的假设,个人初级保健决策者的决策模式的影响模式用于他们的邻居。这就是为什么我们应用网络分析的工具。虽然这个想法是很简单的,这些方法还没有被用于医疗领域的模式分析,我们所知。在医疗保健领域,众所周知网络科学的应用领域都是基因coexpression网络研究和微阵列研究[36- - - - - -38]。在这些研究中,一个阈值或截断值,通常高于0.6,通常用于网络中边的权值的绝对值,下面的边缘是不考虑。使用截止值的目的是为了简化网络,加强统计特性。在我们的研究中,我们应用没有截止值,因为三个集群是截然不同的,即使没有阈值。此功能显示了一个强大的网络组织者效果和鲁棒性借给我们的网络构建算法。的健壮性聚类步骤也显示了集群作业是独立于边缘权重变换公式。集群的鲁汶方法被证明是一个不错的选择,因为它提供了一个低数量的集群具有良好的特点,独立于相关系数的非线性变换。此外,结果证实了其他的聚类方法。

我们可以把平均intercluster皮尔逊相关性作为衡量两个簇之间的相似度。虽然可能意味着一个强大的反强烈的负相关关系在其他领域,在我们的案例中,负值显示更少医疗过程中的相似性方法。测量,接近零intercluster值显示1和2之间存在弱相似集群以及集群1和3之间,和较强的负相关−0.20显示了一个更弱的集群2和3之间的联系。

根据财务结果,尽管集群1和集群2有类似的人口人口,平均护理成本有相当大的区别,集群1(“入侵”集群)每个病人平均成本高于28.5% cluster2(“无创”集群)。这并不奇怪考虑到一些高成本的入侵事件的事件系列。

也难怪每个集群包含至少一个医科大学和高等中心主要由大学。大学诊所是密切相关的其他集群成员,他们是30%的最重要的“意见领袖”节点集群的进一步支持了假设医疗大学可能有更强的对医疗保健的分布的影响途径,因此真正的临床实践,比官方专业指南或协议。

医疗中心的空间位置之间的相关性和集群成员表明有一种本地邻近机构之间信息传播。另一个发现支持这一假设是,在所有的布达佩斯等城市,德布勒森,塞格德,密什科尔茨,胸大肌,都有至少两个诊所几乎相同的临床路径分布。

由此产生的三个集群可以描述如下。(1)集群1(“入侵”集群)血管再生率远高于集群2 ( ),但两个集群的365天的死亡率几乎是相同的( )根据表3。这表明,在许多情况下,血管再生过程可能失败或不必要的。血管再生过程的不足影响稳定的冠状动脉疾病患者的生存被跨国公司演示了几年前,多中心的随机研究(38),但这个结果在临床实践中几乎没有任何结果。我们也可以肯定,在我们国家,一个伟大的接受冠状动脉造影的患者比例和随后的冠状血管再生没有记录严重心肌灌注异常。在这种情况下,侵入性程序增加患者没有明确的周期性风险,长期有益的影响(39]。(2)集群2是最分散的集群,唯一一个包括两个不同的诊所医疗大学(大学A和B)。分层聚类分析表明,这两个诊所确实是紧密相连。这种密切的关系的背景显然是连接到B的历史中心。这个中心的负责人在他/她的头二十年载波的中心,而第三和第四年B中心。另subcluster是围绕一个新的子公司制度中心B工作以来本研究的观察期间的中间。(3)集群3是完全不同于其他两个集群。有点奇怪的模式侵入性治疗,其次是无创性的是前两个的混合模式。医生在这个集群更喜欢开始直接与入侵程序,但他们非常谨慎随访的患者。死亡率明显高于其他集群。患者的平均年龄也显著提高,这可以部分解释死亡率上升和有偏见的评价模式。

强度的研究和结论,匈牙利有一个统一的、免费的医疗保险系统的状态;私营部门的份额在我们感兴趣的领域是可以忽略不计;因此,输入数据可以被认为是完成整个人口。

有几种方法的局限性。虽然使用的输入数据,我们跨越五年结束2008年,我们认为医疗系统分析“静态”,也就是说,变化的影响发生在系统期间,如新的保健中心进入系统,是被忽视的。在数据准备阶段,投票方案,分配一个邮政区域一个“主导”保健提供者可能会产生扭曲的结果在两个或两个以上的地区强大的供应商竞争;然而,我们觉得分享邮政领域的提供商将使分析复杂化。在分析中,我们使用死亡率,在一定程度上影响临床路径选择的本身,的提供者和集群。然而,正如我们在4),这种影响应该有限血管再生过程几乎不影响生存。最后,我们描述每个中心作为单个实体虽然几个医生工作的机构,尽管在近日常专业沟通,可能会遵循不同的实践。

5。结论

使用一个完全数据驱动的方法,我们在研究中发现,尽管国家和国际临床指南,有很强的地区在医疗实践模式。

护理方法的显著不同区域的行为具有可量化影响保健费用和周期性风险的患者明显高于血管再生率和临床过程成本加上几乎相同的365天的死亡率。这些结果可能呼吁对血管再生实践在该国的一些地区。

保健系统的网络分析也表明,医生是社会人深入交流专业问题。我们观察到,医学大学与大学诊所可以充当意见领袖,从而塑造护理过程中一个重要的角色。

进一步研究领域包括分析差异是否在中心有一个可用的保健设施对成本的影响与临床护理有关。

缩写

AMI:	急性心肌梗塞
CA:	冠状动脉造影
介入治疗:	冠状动脉旁路移植
ICD:	国际疾病分类
ICPM:	在医学国际分类过程
死因:	缺血性心脏病
一种总线标准:	经皮冠状动脉介入
SPECT:	单光子发射计算机断层扫描。

的利益冲突

作者宣称没有利益冲突。

确认

作者希望表达他们的感谢国家医疗服务中心(AEEK)使可用的源数据。作者也承认东端2020项目的财政支持下efop - 3.6.1 - 16 - 2016 - 00015项目。

引用

1. g . Flodgren a . m .大厅,l·高尔丁et al .,“工具由指导生产者开发和传播,促进吸收的方针,“Cochrane系统评价的数据库CD010669条,卷。8日,2013年。视图:出版商的网站|谷歌学术搜索
2. f·费舍尔,k·兰格,k .克洛泽w·格林尼和a . Kraemer”壁垒和策略方针的实现范围审查,”医疗保健,4卷,不。3,36页,2016年。视图:出版商的网站|谷歌学术搜索
3. 科莎公司,即Vassanyi, a .所j . Hortobagyi和g . Kozmann”压力胸痛患者心电图利用率的评价:真正的实践在匈牙利有1000万居民,"国际心脏病学杂志,卷149,不。1,第139 - 137页,2011。视图:出版商的网站|谷歌学术搜索
4. 科莎公司,所,E。Belicza f·基拉,即Vassanyi”,地区差异在利用冠状动脉造影评估初步调查疑似冠心病患者,”国际心脏病学杂志,卷168,不。5,5012 - 5015年,2013页。视图:出版商的网站|谷歌学术搜索
5. 所,f·基拉、i Vassanyi和科莎公司,“地理距离的影响冠状动脉造影实验室对病人的评估途径在疑似冠心病患者。一项基于人群的研究在匈牙利,”介入性心脏病学进展,10卷,不。4、270 - 273年,2014页。视图:出版商的网站|谷歌学术搜索
6. f·基拉,即科莎公司,i Vassanyi”对病人等待时间的影响途径对于疑似冠心病患者,”EFMI专题会议,布达佩斯,2014年4月每股26到29l . Stoicu-Tivadar et al ., Ed的第1卷跨国挑战信息学重点疾病监测和利用大数据IOS,页97 - 101,出版社。视图:出版商的网站|谷歌学术搜索
7. 和A / d . Gotz f . Wang,“交互式挖掘和可视化分析的方法临床事件模式使用电子健康记录数据,”生物医学信息学杂志48卷,第159 - 148页,2014年。视图:出版商的网站|谷歌学术搜索
8. k Provan和h Milward”,一个初步的组织间网络理论有效性:四个社区精神卫生系统的比较研究,“行政科学季刊,40卷,不。1,1-33,1995页。视图:出版商的网站|谷歌学术搜索
9. d·e·吉本斯”,组织间网络结构和扩散的信息通过卫生系统”美国公共卫生杂志》上。,卷97,不。9日,第1692 - 1684页,2007年。视图:出版商的网站|谷歌学术搜索
10. g·费拉罗和A . Iovanella”组织间的网络科学方法创新网络:欧洲企业的案例研究网络”Proc. ICCSA的勒阿弗尔,页117 - 127年,法国,2014年。视图:谷歌学术搜索
11. m . p . Cifuentes s a·费尔南德斯,“破译复杂的中间角色健康保险通过网络保险的福利分析,“2016年,arXiv预印本arXiv: 1604.05575。视图:出版商的网站|谷歌学术搜索
12. s . j . Fodeh c·布兰德,t . b .陈德良et al .,“互补合奏生物医学数据的聚类,生物医学信息学杂志,46卷,不。3、436 - 443年,2013页。视图:出版商的网站|谷歌学术搜索
13. t·艾哈迈德·n·德赛,f·威尔逊et al .,“临床影响集群分析的急性失代偿性心力衰竭的分类和相关的床边血流动力学资料,”《公共科学图书馆•综合》,11卷,不。2篇文章e0145881 2016。视图:出版商的网站|谷歌学术搜索
14. t ., a . Rusanov m·r·博兰和c . Wenga”聚类相似的临床试验合格标准的特性,“生物医学信息学杂志52卷,第120 - 112页,2014年。视图:出版商的网站|谷歌学术搜索
15. k·r·Goeg r .短号,s . k .安徒生“集群从当地电子健康记录临床模型基于语义相似度,”生物医学信息学杂志54卷,第304 - 294页,2015年。视图:出版商的网站|谷歌学术搜索
16. z罗、m . Yetisgen-Yildiz和c·翁”临床研究合格标准的动态分类层次聚类,“生物医学信息学杂志,44卷,第935 - 927页,2011年。视图:出版商的网站|谷歌学术搜索
17. l·马希j . m h . Helfer,高贵,“影响因素坚持临床指南的管理血栓形成相关的癌症,”血栓和止血法杂志》上,14卷,第2113 - 2107页,2016年。视图:出版商的网站|谷歌学术搜索
18. n .邦萨尔a .布卢姆和s·乔,“相关聚类,”机器学习卷,56号1 - 3、89 - 113年,2004页。视图:出版商的网站|谷歌学术搜索
19. 诉他们,j . Guillaume r . Lambiotte和e . Lefebvre“快速展开的大型网络社区,”杂志的统计力学:理论和实验p . P10008卷。10日,2008年。视图:出版商的网站|谷歌学术搜索
20. m·e·j·纽曼和m . Girvan“发现和评估网络社区结构,”物理评论E第026113条,卷。69年,2004年。视图:出版商的网站|谷歌学术搜索
21. m·e·j·纽曼,“快速检测在网络社区结构的算法,”物理评论E第066133条,卷。69年,2004年。视图:出版商的网站|谷歌学术搜索
22. l . Waltman n·j·艾克,“一个聪明的地方移动大规模modularity-based社区检测算法,”欧洲物理期刊B,第86卷,第471页,2013年。视图:出版商的网站|谷歌学术搜索
23. m·e·j·纽曼,“模块化和社区结构的网络,”美国国家科学院院刊》上的美利坚合众国,卷103,不。23日,第8696 - 8577页,2006年。视图:出版商的网站|谷歌学术搜索
24. g . Weimann影响力:影响他人的人,纽约州立大学出版社,1994年。
25. l·弗里曼,”中心在社交网络概念澄清,“社交网络。,1卷,不。3、215 - 239年,1978页。视图:出版商的网站|谷歌学术搜索
26. “Microsoft SQL server 2012, 2016年12月,https://www.microsoft.com/en-us/download/details.aspx?id=29062。视图:谷歌学术搜索
27. R核心团队,接待员:统计计算的语言和环境,R统计计算的基础,维也纳,奥地利,2016年,2016年12月,http://www.R-project.org/。
28. l·r·科廷和r·j·克莱因直接标准化(年龄调整死亡率)。6号。美国卫生和人类服务、公共卫生服务、疾病控制和预防中心、国家卫生统计中心,1995年。视图:出版商的网站
29. m·巴斯蒂安·s·海曼,m . Jacomy”Gephi:探索和操纵网络的开放源码软件,”程序。博客和社交媒体的国际AAAI会议,页361 - 362,美国加州圣何塞市,2009年5月17日。视图:谷歌学术搜索
30. “量子GIS软件”,2016年12月,http://www.qgis.org/hu/site/。视图:谷歌学术搜索
31. p·香农,a . Markiel o . Ozier et al .,“Cytoscape:生物分子相互作用网络的集成模型的软件环境,”基因组研究13卷,第2504 - 2498页,2003年。视图:出版商的网站|谷歌学术搜索
32. d . Sanoudou j . n . Haslett许思义et al ., a . t .”表达分析显示改变卫星细胞数量和糖酵解酶转录nemaline肌病肌肉,”美国国家科学院院刊》上的美利坚合众国卷,100年,第4671 - 4666页,2003年。视图:出版商的网站|谷歌学术搜索
33. m . Szalay-Bekőr . Palotai b . Szappanos中情局科瓦奇,b . Papp和p . Csermely”ModuLand Cytoscape插件:广泛重叠网络模块,社区中心和他们的使用在生物网络,”生物信息学28卷,第2204 - 2202页,2012年。视图:出版商的网站|谷歌学术搜索
34. 幅,“集群算法图表。技术报告INS-R0010、国家研究所数学和计算机科学在荷兰,”报告信息系统,10卷,第1 - 40页,2000年。视图:出版商的网站|谷歌学术搜索
35. ai归复,s . a .莱纳特a . Ratnakumar y . Wang, s·h·谭和b . p . Dalrymple”基因差异表达的同时识别和连接在炎症、脂肪形成和癌症,”生物信息学22卷,第2404 - 2396页,2006年。视图:出版商的网站|谷歌学术搜索
36. p·l·斯图尔特“最小二乘在PCM量子化,”IEEE信息理论。,28卷,不。2、129 - 137年,1982页。视图:出版商的网站|谷歌学术搜索
37. r·罗达和a . Noack“多级模块化集群本地搜索算法,《实验算法(牛仔裤),16卷,不。2011年,2.3 - -2.7,2011页。视图:出版商的网站|谷歌学术搜索
38. w·e·博登r·a·O’rourke k . k . Teo et al .,“最佳药物治疗有或没有PCI稳定冠状动脉疾病,”《新英格兰医学杂志》上的马萨诸塞州医疗的社会。,卷356,不。15日,第1516 - 1503页,2007年。视图:出版商的网站|谷歌学术搜索
39. m·l·西蒙风和s . Windecke”争议在心血管医学:慢性稳定冠状动脉疾病:药物和血管再生,”欧洲心脏杂志》上没有,卷。31日。5,530 - 541年,2010页。视图:出版商的网站|谷歌学术搜索

版权

版权©2017 Zsolt Vassy et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。