博碩士論文 104826014 詳細資訊




以作者查詢圖書館館藏 以作者查詢臺灣博碩士 以作者查詢全國書目 勘誤回報 、線上人數:24 、訪客IP:3.234.143.26
姓名 周毓媜(Yu-Chen Chou)  查詢紙本館藏   畢業系所 系統生物與生物資訊研究所
論文名稱 確認與中醫處方有關的環境和社會經濟變數
(Identification of environmental and socioeconomic variables that are associated with TCM prescriptions)
相關論文
★ 發展酵素非限制性全基因體調控因子解析方法★ 利用健保資料庫探討常見複雜疾病之中草藥處方研究
★ 主觀影響療癒的案例與主觀在醫療重要性的探討★ 精神分裂症病患與正常人之DNA甲基化網絡的差異
★ 躁鬱症病患的精子之DNA 甲基化的網路分析★ Cloud-R:以R軟體與雲端技術為基礎的生物統計應用網站
★ 中草藥藥性與中草藥遺傳演化樹之關係★ 利用階層式叢集及不同分類方法分析人類正常組織特異性基因
★ 由ENCODE計畫分析脫氧核醣核酸酶I與組蛋白修飾★ 皮膚痣圖片毛髮辨識去除
★ 中醫癌症處方多由癰瘍、和解之劑與寒方組成,並隨氣溫下降而更改組成★ 主成分分析與叢集分析於DNA微陣列數據前處理的應用與實作
★ 與中醫處方有關的社會經濟變量關係網絡的確認與分析★ 開發CNN模型預測學生是否退學— 練習如何建立AI模型以從NGS短序列片段數據中偵測SNP
檔案 [Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   [檢視]  [下載]
  1. 本電子論文使用權限為同意立即開放。
  2. 已達開放權限電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。
  3. 請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。

摘要(中) 在研究2004至2013年的中醫健保資料庫時,透過人工智慧分析發現中藥處方有年份的分群現象,研究的目的是希望確認與處方分群有關的變因。
透過經濟指標數據分析顯示,在各項社會經濟變數中,國內生產毛額和國民所得毛額分群的方式與中藥處方相同。由於這些指標衡量了社會的繁榮程度,所以這些指標可以影響到人們的健康。研究表明,通過中藥處方模型,確定了經濟壓力與人口健康的關聯。
摘要(英)
In the study of traditional Chinese medicine (TCM) prescriptions in the National Health Insurance database (2004 - 2013), the method of Artificial Intelligence (AI) found that TCM prescriptions clustered into years when the prescriptions were made. The aim of the study is to identify the factors that are associated with this clustering finding.
Analysis of economics index data shows that, among the various socioeconomic variables, the Gross National Product (GDP) and Gross National Income (GNI) clusters in the same ways as TCM prescriptions. As these indexes measure prosperity of the society, the up and down of them can have an impact on the health of the population. The study suggests that, through TCM prescription patterns, an association is identified linking economic stress and population health.
關鍵字(中) ★ 中藥處方
★ 經濟變數
★ 環境變數
關鍵字(英) ★ TCM prescriptions
★ variables
論文目次
中文摘要 i
ABSTRACT ii
目 錄 iii
圖目錄 v
表目錄 vii
第一章 緒論 1
1-1 研究背景 1
1-2 研究動機 2
第二章 研究材料 3
2-1 選擇數據原因 3
2-1-1 社會經濟數據收集原因 3
2-1-2 環境數據收集原因 4
2-1-3 開放式數據選擇原因 5
2-2 開放式數據來源 5
第三章 研究方法 7
3-1 GDP年增率 7
3-2 痛苦指數 7
3-3 階層式分群法(hierarchical clustering) 7
3-4 歐式距離 8
3-5 沃德法(Ward′s method) 8
第四章 研究結果 9
4-1 GDP與GNI及他們的年增率 9
4-2 失業率 12
4-3 痛苦指數 13
4-4 股票平均收盤指數 14
4-5 消費者信心指數 15
4-6 泡麵生產銷售及存貨量 23
4-7 出境旅遊人數 24
4-8 中國GDP 24
4-9 臺灣天氣(氣溫、日照時數、相對濕度、雨量) 26
4-10 臺灣空氣污染 27
4-11 臺灣天氣十年同月平均 31
4-12 臺灣空氣污染十年同月平均 36
4-13 泡麵生產銷售及存貨量做十年月平均 42
第五章 討論 44
第六章 結論 46
參考文獻 47
參考文獻
[1]空氣污染害處部分參考國家環境毒物研究中心http://nehrc.nhri.org.tw/toxic/toxfaq_detail.php?id=142
[2]開放式數據定義https://zh.wikipedia.org/wiki/%E9%96%8B%E6%94%BE%E8%B3%87%E6%96%99
[3]GDP與GNI數據來自中華民國統計資訊網http://www.stat.gov.tw/mp.asp?mp=4
[4]失業率相關數據http://www.dgbas.gov.tw/ct.asp?xItem=32985&ctNode=4943&mp=1
[5]消費者物價指數年增率數據來自行政院主計總處http://statdb.dgbas.gov.tw/pxweb/Dialog/Saveshow.asp
[6]泡麵銷售量相關數據來自經濟部統計處工業產銷存動態調查http://dmz9.moea.gov.tw/gmweb/investigate/InvestigateDA.aspx
[7]天氣相關數據、出境旅遊人數來自交通部統計查詢網http://stat.motc.gov.tw/mocdb/stmain.jsp?sys=100
[8]空氣污染數據來自行政院環保署http://taqm.epa.gov.tw/taqm/tw/b0202.aspx
[9]股票平均收盤指數數據來自臺灣證券交易所http://www.tse.com.tw/zh/page/trading/indices/MI_5MINS_HIST.html
[10]消費者信心指數數據來自台灣地區景氣指標統計資料庫http://net.aremos.org.tw/
[11]中國GDP數據來自投資級經濟指標使用指南(stock ai.com)
https://stock-ai.com/eom-1-cnGDP.php
[12]歷年紀錄來自維基百科https://zh.wikipedia.org/wiki/2004%E5%B9%B4%E8%87%BA%E7%81%A3
[13]GDP年增率與說明參考http://stud.stat.gov.tw/public/Data/2221851571.pdf
[14]痛苦指數定義https://zh.wikipedia.org/wiki/%E7%97%9B%E8%8B%A6%E6%8C%87%E6%95%B0
[15]階層式分群法介紹參考說明http://mirlab.org/jang/books/dcpr/dcHierClustering.asp?title=3-2%20Hierarchical%20Clustering%20(%B6%A5%BCh%A6%A1%A4%C0%B8s%AAk)&language=chinese
[16]歐式距離介紹https://zh.wikipedia.org/wiki/%E8%81%9A%E7%B1%BB%E5%88%86%E6%9E%90
[17]沃德法介紹https://nccur.lib.nccu.edu.tw/bitstream/140.119/33992/7/35201007.pdf
指導教授 王孫崇(Sun-Chong Wang) 審核日期 2017-7-19
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明