医疗健康的维护或改善通过一系列的预防、诊断和治疗的行为对人们的身心健康。日益复杂的决策问题在现代医疗工程系统促使研究人员解决这些问题通过开发各种先进的决策模式。出于这个原因,多重准则决策(指标)通常是由临床使用决策者(DMs)从不同的角度分析医疗问题和解决各种决策问题,如绩效评估、替代选择,和改进策略。

先进的指标模型基于专家经验或临床数据发展关键问题提供更健壮的医疗决定。然而,在医疗领域的先进指标模型仍然不足;他们仍然需要很多医生、护士、和学者开发各种临床指标模型来填补这一研究空白。在医疗保健领域的临床指标模型大致可以分为三个类别:(i)经验指标模型(如层次分析法、ANP、宝马、DEMATEL,等等),这是基于偏好的DMs或知识解决替代性能或选择;(2)数据驱动指标模型(例如,粗糙集,决策树,随机森林,等等),这是基于软计算的结合或集成或人工智能技术指标的方法解决替代分类、属性识别,或性能预测。和(3)混合指标模型应用的结合前两种方法解决更复杂的决策问题。

医疗的跨学科的指标模型的一个新的研究趋势。这些模型将带来一个更合适的临床决策的基础研究人员,临床医师和临床护士在现实环境。这个特殊的问题旨在吸引高质量的原始或审查论文应用在医疗领域的各种指标方法,解决价值的主题与医疗有关。

潜在的主题包括但不限于以下:

• 人工智能模型或机器学习模型在医疗保健
• 不确定性指标模型(例如,粗糙、模糊或灰色)在医疗保健
• 基于混合混合指标模型医疗数据和领域专家的经验