ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Perdition of Smoking in Young Adults Based on Machine Learning Methods:A System Medicine Approach

سال انتشار: 1400
کد COI مقاله: ICSB04_044
زبان مقاله: انگلیسیمشاهده این مقاله: 19
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

خرید و دانلود فایل مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد.

مشخصات نویسندگان مقاله Perdition of Smoking in Young Adults Based on Machine Learning Methods:A System Medicine Approach

Elahe mousavi - Student Research Committee, School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran.;
hamidreza Roohafza - Cardiac Rehabilitation Research Center, Cardiovascular Research Institute, Isfahan University of Medical Sciences, Isfahan, Iran;
Mohammadreza Sehhati - Department of Bioelectric and Biomedical Engineering, School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran;
Ahmad Vaez - Department of Bioinformatics, School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran

چکیده مقاله:

Tobacco use is one of the main leading cause of preventable death. Numerous studies have shown that intervention to postpone or prevent tobacco use can be an effective strategy to prevent smoking (Talluri, Wilkinson, Spitz, & Shete, ۲۰۱۴). Considering the reduced onset age of smoking, this study focused on predicting the usage status of teenage students for further prevention. In this study, we propose a machine learning framework for automatic classification of students to smoker and non-smoker based on questionnaire data. The main set of variables are including psychological (depression and self-efficacy), family, social, attitudinal and belief factors and school policy toward smoking. The results of specificity and negative predictive value of ۹۳% and ۹۸% respectively, show the high performance of Adaboost classifier in predicting and classifying students as smoker or non-smoker. At the next step, using randomized lasso feature selection, the more effective variables for classification were introduced.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICSB04_044 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1290911/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
mousavi, Elahe and Roohafza, hamidreza and Sehhati, Mohammadreza and Vaez, Ahmad,1400,Perdition of Smoking in Young Adults Based on Machine Learning Methods:A System Medicine Approach,The 4th Iranian Conference on Systems Biology,Tehran,https://civilica.com/doc/1290911

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1400, mousavi, Elahe؛ hamidreza Roohafza and Mohammadreza Sehhati and Ahmad Vaez)
برای بار دوم به بعد: (1400, mousavi؛ Roohafza and Sehhati and Vaez)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی