Daha çox

Verilənlərə əsaslanan səhifələrdə dinamik məlumatları necə dəyişdirmək olar


Məlumata əsaslanan səhifələr barədə bir sual vermək istəyirəm.

Louisiana'daki hər bir kilsənin məlumatlarını göstərmək üçün məlumat bazalı səhifələr yaratmağı planlaşdırıram. İstifadə edəcəyim şablon izlənildi. ATSDR-dən yüklədim.
Nömrədə Demoqrafik Statistika var? Kaş ki, mahal dəyişəndə ​​statistika dəyişsin.
Məsələn, xəritədə A bölgəsi göstərildikdə, A mahalının məlumatları görünəcək; Növbəti səhifədə xəritədə B şəhəri göstərildi və B mahalının məlumatları çıxdı. Dinamik elementlər yerləşdirməyə çalışdım, amma alınmadı. Çünki dinamik elementlərə yalnız səhifə nömrəsi, tarix və s. Daxildir.
Bununla necə məşğul olacağını bilən varmı? Əlavə məlumata ehtiyacınız varsa, xahiş edirəm mənə bildirin.


ArcMap 10.2 və yuxarıda, məlumat dəyişkən səhifələrdən istifadə edə bilərsiniz ki, səhifə dəyişdikdə atribut məlumatlarınız (yuxarıda göstərilən demoqrafik mətn kimi) dəyişsin.

Atribut cədvəlindəki hər hansı bir atributu xəritədə dinamik mətn kimi göstərə bilərsiniz. Göstərmək istədiyiniz atributlar xüsusiyyət sinifinizdə deyilsə, xüsusiyyətlər sinfinə bir cədvəldən birləşdirmə aparmağı düşünün.

Bunu etmək üçün, Data Driven Pages alətlər çubuğunda "Səhifə Text" düyməsini vurun və "Data Driven Page Attribute" seçin. Görünən açılan pəncərədə açmaq üçün açılmış menyudan istifadə etmək istədiyiniz sahəni seçin.

Bu, xəritənizə aşağıdakı kimi bir mətn olan bir mətn qutusu əlavə edəcəkdir:

Statistikanı nümunə şəkildəki kimi yenidən yaratmaq üçün mətn qutularını statistika və digər mətn qutuları ilə uyğun olaraq yerləşdirə bilərsiniz. Mənim nümunəmdə hər bir mətn parçasını öz mətn qutusunda saxladım və onları düzmək üçün Hizala və Yayım alətlərindən istifadə etdim. Konturumu düzəltmək üçün içi boş bir düzbucaqlı istifadə etdim. Burada hər şey seçilmiş bir ekran görüntüsü var, beləliklə bütün mətn qutusu sərhədlərini və düzbucaqlı haşiyəsini görə bilərsiniz.

(Dinamik mətn kodunu hamısını bir mətn qutusuna birləşdirə bilərsiniz, ancaq aranın bu şəkildə daha asan olduğunu düşünürəm.)

İşdə olduğunu göstərmək üçün etdiyim sürətli bir nümunə (atribut cədvəlinin bir anlıq görüntüsünü də göstərir).


Verilənlər bazasına əsaslanan veb sayt haqqında 5 vacib məqam

Veb dizaynına başlayırsınızsa, qarışıq jarqon dənizində itirmək asandır. Pisləşir, çünki hər yeni gün bütün bu yeni fikirlərdən xəbərdar olmağınızı tələb edən yeni texnologiyalarla gəlir. Bu sahədə bəhs olunan əsas fikirlərdən biri də verilənlər bazasına əsaslanan veb saytlar və e-ticarətdə nə qədər vacib olduqlarıdır.

Verilənlər bazanızın nə qədər genişlənə biləcəyi və veb dizaynla necə və ya effektiv şəkildə birləşməsi barədə mübahisələr də davam edir. Bir veb geliştirici olaraq, layihənizdə həqiqətən vacib olan şeyləri qiymətləndirmək üçün bütün qarışıq şərtləri nəzərdən keçirməlisiniz. Bu, veb səhifənin verilənlər bazasına necə qoşulduğunu və yeni veb saytınızın işini necə optimallaşdırdığınızı anlamağa kömək edəcəkdir.

Hədəflərinizə uyğun bir veb dizayn formatı seçmək üçün anlamaq üçün bəzi vacib məqamlar:

Verilənlərə əsaslanan veb dizaynını araşdırmağa çalışmısınızsa, bu iki şərtlə qarşılaşmış olmalısınız. Budur, hər birinin nəyə səbəb olduğu barədə qısa məlumat.

  • Statik veb sayt: Bu veb brauzer hər dəfə bir səhifə yüklədikdə dəyişmir. Bir istifadəçi bir düyməni basarsa, səhifənin tərtibində və məzmunda heç bir şey dəyişmir. Yalnız dəyişikliklər istifadəçi yeni bir səhifə yüklədikdə və ya administrator veb brauzerdə başqa bir səhifə yüklədikdə baş verir. Məzmun veb fayl sistemində saxlanılır və həmişə eyni formatda təqdim ediləcəkdir.
  • Dinamik veb sayt: Adından da göründüyü kimi, bu səhifələr hər dəfə yükləndikdə veb ustası dəyişiklik etmədən dəyişir. Bir istifadəçi bir şəkil və ya mətni tıklayarsa, müəyyən səhifədə bəzi dəyişikliklər müşahidə olunur. Məzmunun veb fayl sistemi xaricində saxlanılması idarəetməni asanlaşdırır və məlumatları tez bir zamanda idarə edə bilərsiniz.
  1. Verilənlər bazasına əsaslanan veb saytlar

Verilənlər bazasına əsaslanan bir veb sayt, dinamik bir veb saytın ən yaxşı nümunəsidir. Veb səhifə verilənlər bazanızdakı məlumatları alır və hər yükləndikdə veb səhifəyə eyni əlavə edir. Verilənlər bazasındakı məlumatlarda hər hansı bir dəyişiklik olması halında veb səhifəsi (verilənlər bazasına proqramlaşdırma yolu ilə bağlanır) avtomatik olaraq dəyişəcəkdir. Bu veb saytlar daha təsirli və geniş sənaye sahələrində istifadə olunur.

Bir veb dizaynerisinizsə, inşa etdiyiniz veb saytı da nəzərə alınmalıdır. Bu, statik bir veb saytın müştərilərinizə ən uyğun olub olmadığını müəyyənləşdirməyə kömək edəcəkdir. Ümumi verilənlər bazasına əsaslanan veb saytlara aşağıdakılar daxildir:

  • Elektron ticarət platformaları: Bu müəssisələr qiymətlərdə, təkliflərdə və xidmətlərdə gözlənilən dəyişikliklər səbəbindən məlumatlara əsaslanan veb saytlardan istifadə edirlər. Bu, internet istifadəçilərinin hər zaman təzə və müasir olmasına zəmanət verir.
  • Məzmun İdarəetmə Sistemləri (CMS): Veb sayt bir CMS istifadə edəcəksə, verilənlər bazası idarə olunur. İstifadəçilər veb saytdakı məzmunu heç bir ixtisaslaşmış proqramlaşdırma bacarığına ehtiyac olmadan belə asanlıqla yeniləyə bilərlər. Bu CMS-lər WordPress və Joomla-nı əhatə edir və məzmunun nəşrinə, redaktə edilməsinə və silinməsinə imkan vermək üçün istifadəsi asan bir redaktora malikdirlər.
  • Bloglar: Blogların və onlayn icma forumlarının əksəriyyəti istifadəçilər tərəfindən müntəzəm yenilənmələri əhatə etdiyi üçün verilənlər bazasına əsaslanır. İnsanların şərh yazması və ya bir veb səhifəni bəyənməsi, səhifədə dərhal dəyişiklik olur.
  1. Verilənlər bazasına əsaslanan veb saytlar daha çox xərcləyir

Hər bir veb sahibi veb saytın dizaynından başlayaraq istifadəyə verilməsinə və təmirinə qədər olan bütün xərcləri bilmək istəyir. Bir veb dizayneri olaraq ən yaxşı qiymət vermək üçün hər şeyi nəzərə almalısınız. Əlbətdə, statik və ya dinamik bir veb sayt tələb etdiklərini müəyyənləşdirməlisiniz. Verilənlər bazasına əsaslanan bir veb sayt qurursanız, maliyet müxtəlif səbəblərdən daha yüksək olacaq:

  • Verilənlər bazası xərcləri: Dinamik veb saytlar, MySQL Community Server, Oracle Express Edition və ya digər məlumat bazalarına ehtiyac duyur. Bir elektron ticarət veb saytı yaradırsınızsa, alış-veriş arabalarını, müzakirə forumlarını, qeyd sistemlərini və daha çoxunu dəstəkləyən bir verilənlər bazasına ehtiyacınız var. Barındırma paketinizdən asılı olaraq, verilənlər bazası ehtiyatı ala bilməzsiniz və daha yaxşı performans üçün yüksəltməli ola bilərsiniz. Bunun qiyməti daha yüksəkdir.
  • Xüsusi verilənlər bazası dizaynı: Bir veb sayt, uyğun olaraq xüsusi olaraq qurulmuş bir verilənlər bazası dizaynını tələb edərsə, xərclər artacaqdır. Məlumat quruluşunun səmərəliliyi, funksionallıq və inkişaf kimi amillər veb saytın daha yüksək xərclərinə səbəb olur.
  • Verilənlər bazası bağlantısı: Veb sayt fəaliyyətə başlamazdan əvvəl verilənlər bazasını optimallaşdırmaq və məlumatların işlənməsini, alınmasını və manipulyasiyasını təmin etmək üçün daha çox kod lazımdır. Bu, verilənlər bazasına əsaslanan veb saytın xərclərini artırır.
  • Arxa rəhbərlik: Verilənlər bazasına əsaslanan veb saytlar, lazımlı texniki verilənlər bazası xidmətləri sayəsində daha çox maliyyələşdirmə ilə başa çatır. Sahibinin daxili və ya uzaq verilənlər bazası rəhbərliyinə müraciət etməsindən asılı olmayaraq, bu xidmətlər veb saytın xərclərini artırır.
  • İlkin verilənlər bazası populyasiyası: Verilənlər bazasını qurmaq, verilənlər bazası platformasının xüsusi dizayn və ya əvvəlcədən qurulmasından asılı olmayaraq texniki bacarıqlara ehtiyac duyur. Bir verilənlər bazası administratoru tərəfindən ilk verilənlər bazası populyasiyası bu veb saytların qiymətini artırır.
  • Yedəkləmə: Bir verilənlər bazası varsa, ehtiyat xidmətləri əvəzolunmazdır. Yedəkləmə bir xərclə gəlir və əksər hallarda həm birdən çox həm oflayn media saxlama, həm də bulud ehtiyatına bağlı qalmağınız lazımdır.

Vaxt keçdikcə verilənlər bazasına əsaslanan veb saytın tutumu artırmaq üçün yeniləmələrə ehtiyac duyulur. Bu qaçılmazdır, çünki bir veb sayt kifayət qədər verilənlər bazası tutumu olduqda optimal şəkildə işləyir. Veb inkişaf etdiriciləri və ya verilənlər bazası administratorları tərəfindən bu cür yenilənmələr daha çox investisiya tələb edir.

Niyə müştərilərinizə verilənlər bazasına əsaslanan veb sayt üçün müraciət etməyinizi tövsiyə etməlisiniz? Budur bir neçə güclü fikir:

  • Məzmunu yeniləmək daha asan və daha sürətli. Məzmunu yeniləmək üçün veb ustasının ehtiyac duyduğu bir neçə klikdir. Dəyişikliklər demək olar ki, real vaxt rejimində aparılır
  • Fərqli məhsulların əlavə edilməsi, qiymətlərin dəyişməsi və təkliflərin təqdim edilməsi lazım olan bir e-ticarət saytı üçün idealdır.
  • Veb saytdakı məzmunu dəyişdirmək üçün xüsusi HTML biliklərinə və ya təcrübələrinə ehtiyac yoxdur.
  • Yüksək ölçeklenebilirlik: Hər bir iş zaman keçdikcə böyüyür və verilənlər bazasına əsaslanan bir veb sayt böyüməyə yer təqdim edir. Dəyişdirilən qrafika, tərtibat və ya interaktivlik hər zaman edilə bilər.
  • Səhv şansının azalması: İşçilər tərəfindən fiziki məlumatların daxil olması səhvlərə yol açar, bu da dayanma, səhvlər və digər problemlərə səbəb ola bilər. Məlumata əsaslanan veb saytlarda bu cür problemləri düzəltmək asandır və bu istifadəçi təcrübəsini yaxşılaşdırır.

Verilənlər bazasına əsaslanan veb sayt bir şirkətin onlayn performansını artırır. Bir veb dizayneri olaraq, müştərilərinizlə məsləhətləşdiyiniz zaman bəzi məqamlarınız var.


Meşələrin qırılmasının səbəbləri

Əkinçilik, mal-qaranın otarılması, mədənçilik və qazma işləri birləşdirilən bütün meşələrin qırılmasının yarısından çoxunu təşkil edir. Meşəçilik təcrübələri, meşə yanğınları və az hissəsi şəhərsalma qalan hissəni təşkil edir. Malayziya və İndoneziyada şampundan tutmuş duzluğa qədər hər şeydə tapıla bilən palma yağı istehsal etmək üçün meşələr kəsilir. Amazonda maldarlıq və təsərrüfatlar, xüsusən soya əkinləri əsas günahkardır.

Dünyanın ağac və kağız məhsulları ilə təmin edən ağac kəsmə əməliyyatları da hər il saysız-hesabsız ağaclara düşdü. Bəziləri qanunsuz fəaliyyət göstərən ağac kəsiciləri, getdikcə daha uzaq meşələrə çıxmaq üçün yollar da tikirlər və bu da meşələrin qırılmasına gətirib çıxarır. Meşələr, evlər üçün torpaq inkişaf etdikcə böyüyən şəhər genişlənməsinin nəticəsi olaraq kəsilir.

Meşələrin qırılması hamısı qəsdən deyil. Bəzilərinə, gənc ağacların böyüməsini maneə törədə bilən meşə yanğınları və həddindən artıq otlaq kimi insan və təbii faktorların birləşməsi səbəb olur.


Daha Ağıllı İş: IBM InfoSphere Data Replication CDC ilə Dinamik Məlumat

IBM-in bir hissəsi? Əlavə seçimlər üçün bu səhifəyə W3-də baxın.

Müəlliflər: Chuck Ballard, Alec Beaton, Mark Ketchie, Frank Ketelaars, Anzar Noor, Judy Parkes, Deepak Rangarao, Bill Shubin, Wim Van Tichelen

Mücərrəd

Daha yaxşı məlumatlı iş qərarları vermək, müştərilərə daha yaxşı xidmət göstərmək və əməliyyat səmərəliliyini artırmaq üçün əsas məlumatlardakı dəyişikliklər barədə baş verdikdə xəbərdar olmalısınız. Bundan əlavə, bu məlumatların dərhal hərəkət etməsi lazım olan insanlara və proseslərə çatdırılmasını təmin etməlisiniz. Məlumat dəyişikliklərini hiss etmək və onlara cavab vermək qabiliyyəti dinamik anbar, əsas məlumat idarəçiliyi və bir çox digər vacib təşəbbüslər üçün əsasdır. Bu tip mühitin təmin edilməsində böyük bir problem, bütün müstəqil sistemlərin necə birləşdiriləcəyini və hədsiz məlumat axını tələblərinin necə işlənəcəyini müəyyənləşdirməkdir. IBM® InfoSphere® Change Data Capture (InfoSphere CDC), istehsal sistemlərindəki təsiri minimuma endirmək üçün bu problemə cavab verə bilər, proqramlaşdırmadan məlumatların inteqrasiyasını təmin edir və lazımsız məlumat ötürülməsini aradan qaldırır.

Bu IBM Redbooks® nəşrində sizə InfoSphere CDC-nin inteqrasiya edilmiş sistemlərin tətbiqi, dəyişikliklər baş verdikdə dərhal bu sistemlərin yenilənməsi və mövcud infrastrukturunuzdan istifadə etmək və iş yükünüz artdıqca genişləndirmək üçün necə istifadə edilə biləcəyinə dair nümunələr göstəririk. InfoSphere CDC ayrıca, real vaxt və hadisələrə əsaslanan prosesləri təmin edən IBM DataStage® və IBM QualityStage®, IBM InfoSphere Warehouse və IBM InfoSphere Master Data Management Server kimi digər proqram təminatlarına investisiyalarınızı genişləndirə bilər. Kritik məlumatlarınızın inteqrasiyasını aktivləşdirin və işinizə ehtiyac olduğu üçün dərhal hazırlayın.

Mündəricat

Fəsil 1. Giriş və icmal
Fəsil 2. InfoSphere CDC: Məlumat idarəetməsinin gücləndirilməsi
Fəsil 3. InfoSphere CDC üçün iş istifadəsi halları
Fəsil 4. Çözüm topologiyaları
Fəsil 5. InfoSphere CDC xüsusiyyətləri və funksionallığı
Fəsil 6. Memarlığı anlamaq
Fəsil 7. Ətraf mühitə dair fikirlər
Fəsil 8. Performans analizi və dizayn mülahizələri
Fəsil 9. Fərdiləşdirmə və avtomatlaşdırma
Əlavə A. Tək qırıntı hadisələri və səhvlər
Əlavə B. Əlavə material


Statik və dinamik döyüş

Məna

Statik sözü sabit olan, heç bir şəkildə tərpənməyən və dəyişməyən bir şeyə işarə edir. Bu, statik bir səhifənin nə ilə əlaqəli olduğunu başa düşmək üçün kifayətdir. Bu səhifəyə daxil olarkən heç bir element dəyişdirilmir. Statik veb saytlar yaratmaq üçün sadə kod və dizayn elementləri tələb edən əsas səhifələrdir. “Statik” veb səhifənin səhifə nömrələri baxımından sabitləşməsinə də işarə edir. Sabit sayda səhifə tərtib edildiyi və saxlandığı şəkildə çatdırılır.

Əksinə, dinamik sözü davamlı dəyişən, interaktiv və funksional olan elementlərə istinad edir. Dinamik veb saytlar sadəcə məlumatlı olmaq əvəzinə interaktivlik və funksionallıqla xarakterizə olunan cəhətləri özündə cəmləşdirir. Bina və dizayn baxımından daha mürəkkəbdirlər, eyni zamanda daha çox yönlüdürlər.

Texniki

Statik və dinamik veb saytları texniki baxımdan müzakirə edərkən iki növ veb sayt arasındakı fərqlər daha da aydınlaşır. Statik veb saytlar yalnız sabit məzmun ehtiva etdiyi üçün bunları yaratmaq asanlıqla düz HTML-də edilə bilər. İstifadəçinin statik bir səhifə ilə qarşılıqlı əlaqə qurmağın yeganə yolu hiper bağlantıları tıklamaq və formaları doldurmaqdır (əlaqə forması kimi).

Dinamik veb saytlar sonda HTML və CSS-yə əsaslanır, lakin bunları işlək vəziyyətə gətirmək üçün server tərəfində skript tələb olunur. HTML kodlaşdırma əsas dizayn elementlərini yaratmaq üçün, server tərəfindəki dillər isə hadisələrin idarə olunması və dinamik səhifədə baş verə biləcək hərəkətləri idarə etmək üçün istifadə olunur. Məsələn, Ombrello kimi bir mövzu ilə qurulmuş bir WordPress veb saytı dinamik bir veb saytdır.

SEO mütəxəssislərindən biri, Cloudways-dən Yawer Malik bizə bildirdi ki, statik bir veb saytın sıralaması dinamiklə müqayisədə daha asandır, eyni zamanda dinamik veb saytlar həmişə çox yükləmə vaxtı alır və URL istifadəçi dostu olmalıdır, əks halda sıralamada bir problem olacaq # 8221

Statik bir veb sayt yaratmaq üçün istifadəçinin kompleks proqram proqramlarından istifadə etməsinə ehtiyac yoxdur. Notepad ilə birlikdə HTML və CSS-dəki bəzi biliklər sadə bir statik veb sayt yaratmaq üçün kifayət olmalıdır. Statik səhifələrə mətn və multimedia elementləri kimi elementlər daxildir. Dinamik bir veb sayt qədər texniki deyillər, amma bunlar da təsirli deyil. Mənbə kodunu əl ilə dəyişdirmədiyiniz təqdirdə istifadəçilər veb səhifəyə hər dəfə eyni dizaynı və məzmunu görəcəklər.

Dinamik bir veb sayt məzmunu yaradır və istifadəçilərin səhifədə hansı hərəkətləri etdiyinə əsasən göstərir. İstifadəçinin üstünlükləri veb saytın zərifliyinə əsaslanan mürəkkəb bir proses ola biləcək özlərinə göstərilənləri dəyişdirir. IDE (İnteqrasiya olunmuş İnkişaf Mühiti) kimi xüsusi bir redaktorun, server tərəfli dil proqramlaşdırmasında güclü texniki bacarıqların yanında dinamik veb saytların qurulması tələb olunur.

Statik və dinamik veb saytlar: hansını seçməlisiniz?

Zaten bir veb saytınız varsa, səhifənin interaktiv olub olmadığını və ya yalnız oxunması və ya çap olunması üçün nəzərdə tutulmuş bir məzmunun olduğunu nəzərə alaraq statik və ya dinamik olduğunu bilə bilərsiniz. Bir veb sayt qurmaq istəyirsinizsə, saytın məqsədinə və əlinizdəki mövcud mənbələrə əsasən seçiminizi etməlisiniz.

Əksər insanlar dinamik veb saytlarına üstünlük verirlər, çünki uzun müddətdə saxlanılması daha asandır, məlumatların səmərəli idarə olunmasını təşviq edirlər və gələcəkdə əlavə funksionallıqla genişləndirə bilərsiniz. Veb saytının mürəkkəb və çox işlək olmasını istəyirsinizsə, dinamik veb sayt sizin seçiminiz olmalıdır. İşin mənfi tərəfi odur ki, onların inşası daha uzun çəkir və ilkin xərclər daha yüksəkdir. Bununla yanaşı, WordPress kimi CMS platformaları, öz dinamik veb saytınızı çox çətinlik çəkmədən başlamağa imkan verəcəkdir. Bir WordPress və ya statik bir HTML veb saytının daha yaxşı bir seçim olub olmadığını düşünürsünüzsə, bu məqalə hər ikisi üçün yaxşı və mənfi cəhətləri təhlil edir.

Statik saytlar bir şirkət & # 8217s broşura proqramı saytı kimi sırf məlumat veb saytları yaratmaq istəyənlər üçündür. İstifadəçi seçim edə bilmədiyi üçün veb səhifələr dəyişməyəcək. Məzmun yalnız oxunur və interaktiv deyil. Buna baxmayaraq, sadə statik veb saytlar hələ də əla görünə bilər və istifadəçilərini məlumatlandırma məqsədlərinə təsirli şəkildə cavab verə bilər.

Xülasə etmək üçün verdiyiniz qərar veb saytınızdan istədiklərinizə əsaslanmalıdır. Dinamik veb saytlar daha çox imkanlar təklif edir, lakin daha mürəkkəbdir, statik veb saytlar isə daha məhduddur, lakin yaradılması çox sadədir. Saytdan nə gözlədiyini nəzərə alaraq seçiminizi ağıllıca edin.

Bu məqaləni statik və dinamik veb saytlarda oxumaqdan xoşunuz gəlsə, veb dizayneri ilə veb inkişaf etdiricisinin müqayisəsi ilə tanış olmalısınız.

Markup dilləri, Bootstrap nədir və JavaScript IDE kimi bir neçə əlaqəli mövzu haqqında da yazdıq. WordPress-in nə qədər etibarlı olduğunu müzakirə edən digər veb saytlardan da məqalələrə baxa bilərsiniz.


NEXIS kimi elektron məlumat bazaları kitabxana araşdırması və konsaltinq şirkətlərini əvəz edir. NEXIS abunəçiləri 225 dövri mətbuatda istənilən məqalənin tam mətnini tez bir zamanda axtara bilərlər. İstifadəçilər ədəbiyyat axtarışlarına sərf olunan vaxtı kəskin şəkildə azaldır. Bundan əlavə, alıcı jurnal abunəçilərinin xərclərindən yayınır və yalnız tələb olunan məlumatları ödəyir.

İnformasiya texnologiyaları tədarükçülər və alıcılar arasındakı sövdələşmə münasibətlərinə xüsusilə güclü təsir göstərmişdir, çünki şirkətlər və onların təchizatçıları, kanalları və alıcıları arasındakı əlaqələri təsir edir. Şirkət xəttlərindən keçən informasiya sistemləri yaygınlaşır. Bəzi hallarda sənayenin sərhədləri dəyişdi. 7

Alıcıları və təchizatçıları birləşdirən sistemlər yayılır. Xerox, tədarükçülərə materialların çatdırılmasına kömək etmək üçün istehsal məlumatlarını elektron şəkildə verir. Sifariş girişini sürətləndirmək üçün Westinghouse Elektrik Təchizatı Şirkəti və American Hospital Supply müştərilərinə terminallar təqdim etdi. Digər şeylər arasında, bir çox sistem tələb olunan pozuntu və yenidən hazırlıq tələb olunduğu üçün yeni bir ortağa keçid xərclərini artırır. Bu sistemlər şirkətləri alıcıları və təchizatçıları ilə daha sıx əlaqələndirməyə meyllidir.

İnformasiya texnologiyaları, miqyas, avtomatlaşdırma və elastiklik arasındakı əlaqəni potensial dərin nəticələrlə dəyişdirir. Avtomatlaşdırma əldə etmək üçün geniş miqyaslı istehsal artıq vacib deyil. Nəticədə bir sıra sahələrdə giriş maneələri azalır.

Eyni zamanda, avtomatlaşdırma artıq mütləq çevikliyə gətirib çıxarmır. Məsələn, General Electric, Erie lokomotiv müəssisəsini bütün dizayn və istehsal məlumatlarını saxlamaq üçün kompüterlərdən istifadə edərək geniş miqyaslı, lakin çevik bir fabrik olaraq yenidən qurdu. On növ mühərrik çərçivəsi maşınlarda əl ilə tənzimlənmədən yerləşdirilə bilər.“Ağıllı” istehsal sisteminin quraşdırılmasından sonra BMW normal yığım xəttində özəlləşdirilmiş avtomobillər (hər biri özünə məxsus sürət qutusu, ötürmə sistemi, salonu və digər xüsusiyyətləri olan) düzəldə bilər. Avtomatlaşdırma və rahatlıq eyni vaxtda əldə edilir, rəqiblər arasındakı rəqabət modelini dəyişdirən bir cütlük.

Bir çox dəyərli fəaliyyətin həyata keçirilməsində artan elastiklik, məhsulların dizaynının aşağı düşən xərcləri ilə birləşdirilərək kiçik bazar boşluqlarını uyğunlaşdırmaq və onlara xidmət etmək fürsəti uçqunu yaratdı. Kompüter dəstəkli dizayn qabiliyyəti yeni məhsulların dizayn xərclərini azaltmaqla yanaşı, mövcud məhsullara xüsusiyyətlərin dəyişdirilməsi və ya əlavə edilməsi xərclərini də kəskin şəkildə azaldır. Məhsulların bazar seqmentlərinə uyğunlaşdırılmasının dəyəri azalır və yenidən sənaye rəqabət modelini təsir edir.

Menecerlər sənaye strukturlarını yaxşılaşdırmaq üçün informasiya texnologiyalarından istifadə edə bilsələr də, texnologiyanın bu quruluşu məhv etmək potensialı da var. Məsələn, informasiya sistemləri artıq aviaşirkət sənayesində gediş haqlarını tez-tez dəyişdirməyə və hər iki nöqtə arasında bir çox fərqli tarifləri ödəməyə icazə verir. Bununla yanaşı, eyni zamanda, texnologiya uçuş və uçuş cədvəllərini daha əlçatan edir və səyahət agentlərinə və fərdlərə ən aşağı gediş haqqı üçün sürətli alış-veriş etməyə imkan verir. Nəticə, başqa cür mövcud ola biləcəyindən daha aşağı gediş haqqı quruluşudur. İnformasiya texnologiyaları, fərdi qarşılıqlı əlaqəni azaldaraq və xidməti daha çox bir mal halına gətirərək bir sıra peşəkar xidmət sahələrini daha az cəlbedici etmişdir. Menecerlər yeni texnologiyanın üstünlüklərini dərk etmək və ya nəticələrinə hazır olmaq üçün struktur təsirlərinə diqqətlə baxmalıdırlar.

Rəqabət üstünlüyünün yaradılması

Hər hansı bir şirkətdə informasiya texnologiyası ya maliyyət, ya da fərqlilik baxımından rəqabət üstünlüyünə güclü təsir göstərir. Texnologiya dəyər fəaliyyətlərini özləri təsir edir və ya şirkətlərin rəqabət əhatəsindəki dəyişikliklərdən istifadə edərək rəqabət üstünlüyü qazanmasına imkan verir.

Maliyyəti aşağı salmaq. Gördüyümüz kimi, informasiya texnologiyaları dəyər zəncirinin istənilən hissəsində bir şirkətin xərclərini dəyişdirə bilər. 8 Texnologiyanın maliyyətə tarixi təsiri təkrarlanan məlumat işlənməsinin böyük rol oynadığı fəaliyyətlərlə məhdudlaşdı. Ancaq bu məhdudiyyətlər artıq mövcud deyil. Əsasən fiziki emaldan ibarət olan montaj kimi fəaliyyətlər də indi böyük bir məlumat işləmə komponentinə malikdir.

Məsələn, Canon, avtomatlaşdırılmış hissələr seçmə və materiallarla işləmə sistemi ətrafında ucuz bir fotokopi yığma prosesi qurdu. Montaj işçilərində xüsusi fotokopi üçün lazım olan bütün hissələri olan qutular var. Canon-un bu sistemdəki müvəffəqiyyəti, hissələrin envanterini və seçimini idarə edən proqramdan qaynaqlanır. Sığorta vasitəçiliyində bir sıra sığorta şirkətləri ümumiyyətlə müqavilənin anderrayterində iştirak edirlər. Hər bir şirkətin iştirakını sənədləşdirmə xərcləri yüksəkdir. Artıq bir kompüter modeli, müqavilə üzrə sığortaçıların sayını optimallaşdırmaqla (və tez-tez azaltmaqla) brokerin ümumi xərclərini azalda bilər. Geyim istehsalında avtomatlaşdırılmış naxış çekmecələri, parça kəsiciləri və son tikiş məntəqəsinə parça çatdırmaq sistemləri kimi avadanlıqlar istehsal üçün iş vaxtını% 50-ə qədər azaltdı. (Əlavə nümunələr üçün “Məqsəd: Rəqabətçi bir kənar” əlavəsinə baxın.)

Məqsəd: Rəqabət üstünlüyü


SharePoint Səhifələrində Dinamik Akkordeonlar necə yaradılır

Bir geliştirici olaraq, SharePoint-i marka və ya estetika baxımından genişləndirmək və ya artırmaqla əlaqəli müştəri tələbləri ilə tez-tez qarşılaşıram. SharePoint-in OOTB funksionallığı ilə xüsusi xüsusiyyətləri diqqətlə bir-birinə qarışdırmaq üçün davamlı bir əl tələb olunmasına baxmayaraq, platformanın həqiqətən parıldaması üçün buradan istifadə edilə bilər.

Bugünkü problem nədir? Gücləndirir səhifələrin nəşri ilə yığıla bilən qarmon kimi başlıqlar. Gəlin buna çataq!

Sürətli bir google axtarışı, jQuery, HTML və CSS birləşmələrindən istifadə edilərək yığıla bilən bölgələri həyata keçirmək üçün bir neçə vasitə əldə edə bilər. Bununla birlikdə, a SharePoint Nəşriyyat Portalı, bunu bir neçə addım daha irəli aparmalıyıq ki, qarmon kimi davranış olsun dinamik və məzmun müəlliflərinin (lərinin) səhifələrini necə saxladıqları ilə problemsiz şəkildə birləşdirilir.

Birinci addım - Quraşdırma

İkinci addım - jQuery-nin formalaşdırılması

İndi yerinə yetirmək üçün bir müştəri tərəfi kodu (jQuery) həllini səhifəyə inteqrasiya etməliyik genişləndirmək / yıxmaq funksionallıq & lth2 & gt başlıqlar.

Qeyd: Bu araşdırmada qısa olmağım üçün, SharePoint içərisində JavaScript və .CSS sənədlərini yerləşdirmək üçün dəstəkləyici infrastruktur nümayiş etdirmirəm. Bunun əvəzinə bunları sadəcə bir daxil edəcəm Kodu daxil edin test səhifəmizdə obyekt. Bu mövzuda daha çox məlumat üçün məsləhət görərdim JavaScript istifadə edərək SharePoint saytınızın interfeysini fərdiləşdirin .

Başlamaq üçün səhifədəki DOM elementlərini yoxlamaq və başlıqlar arasında məzmunu yığmaq üçün müştəri tərəfindəki məntiqə ehtiyacımız olacaq (& lth2 & gt) zaman səhifə yüklənir. Mən də yoxladığımı görəcəksən [index & gt 0] bu bölgələri çökmədən əvvəl ilk məzmun bloku varsayılan olaraq genişləndirilsin.

[js] var UI = <
fallContentHeaders: function () <
$ ('# DeltaPlaceHolderMain h2'). Hər biri (funksiya (indeks, dəyər) <
// İlk qarşılaşma xaricindəki bütün & lth2 & gt bloklarını yıxır
əgər (index & gt 0) <
$ (this) .toggleClass ('genişləndir'). nextUntil ('h2'). slideToggle (100)
>
>)
>
> [/ js]

Bundan sonra, bir .click () hadisə işləyicisini özümüzə bağlamalıyıq Səhifə məzmunu başlıqlar, bir dəfə tıklandıqda, bu bloklar dəyişəcək (genişlənəcək / dağılacaq). Bunu etmək üçün aşağıdakılardan istifadə edəcəyik UI.toggleContentHeaders funksiya:

[js] var UI = <
toggleContentHeaders: function () <
// OnClick & lth2 & gt bölgələri üçün qarmon davranışını dəyişdirir
$ ('# DeltaPlaceHolderMain h2'). Basın (function () <
$ (this) .toggleClass ('genişləndir'). nextUntil ('h2'). slideToggle (100)
>)
>
> [/ js]

Qeyd: Dinamik akkordeonların necə işlədiyini daha dərindən öyrənmək üçün .toggleClass () .sənədək jQuery sənədləri.

Nəhayət, yoxlama vasitəsinə ehtiyacımız olacaq "Redaktə etmə rejimi"nəşr səhifələrimizdə. Bu, akkordeon funksionallığımızın yalnız son istifadəçilər üçün həyata keçirilməsini təmin etmək üçün lazımdır, məzmun müəllifləri səhnə arxasında səhifə məzmunu formatlaşdırarkən deyil. Bunu etmək üçün Utils.checkPageInEditMode funksiya:

[js] var Utils = <
checkPageInEditMode: function () <
var pageEditMode = boş
var wikiPageEditMode = boş

// Wiki Səhifələr üçün yoxlamanı redaktə edin
əgər (document.forms [MSOWebPartPageFormName] ._ wikiPageMode) <
wikiPageEditMode = document.forms [MSOWebPartPageFormName] ._ wikiPageMode.value
>
// Bütün digər səhifələrin redaktəsini yoxlayın
əgər (document.forms [MSOWebPartPageFormName] .MSOLayout_InDesignMode) <
pageEditMode = document.forms [MSOWebPartPageFormName] .MSOLayout_InDesignMode.value
>
// Səhifə növlərindən biri Düzəliş rejimində olduğu kimi işarələnmişsə və ya birini geri qaytarın
əgər (! pageEditMode & amp & amp! wikiPageEditMode) <
yalan qayıt
>
return pageEditMode == "1" || wikiPageEditMode == "Düzəliş et"
>
> [/ js]

İndi əsas jQuery komponentlərini müəyyənləşdirdik, gəlin gələk onları test səhifəmizə inteqrasiya edin! Bunu etmək üçün bizə lazım olacaq:

  1. ⚙ & gt düyməsini basın Səhifəni redaktə edin.
  2. İstifadə Şerit üst çubuqdakı naviqasiyada vurun Kodu daxil edin.

  3. Yapışdır aşağıdakı kod blokunda və vurun Daxil edin.

[html] & ltscript language = "javascript" type = "text / javascript" src = "https://ajax.aspnetcdn.com/ajax/jQuery/jquery-2.0.2.min.js" & gt & lt / script & gt
& ltscript language = "javascript" type = "text / javascript" & gt

$ (sənəd). hazırdır (function () <
var inEditMode = Utils.checkPageInEditMode ()
// SharePoint-in [Düzəliş rejimi] -də olduqda & lth2 & gt bloklarının çökməsinin qarşısını alın
əgər (! inEditMode) <
UI.collapseContentHeaders ()
UI.toggleContentHeaders ()
>
>)

var UI = <
fallContentHeaders: function () <
$ ('# DeltaPlaceHolderMain h2'). Hər biri (funksiya (indeks, dəyər) <
// İlk qarşılaşma xaricindəki bütün & lth2 & gt bloklarını yıxır
əgər (index & gt 0) <
$ (this) .toggleClass ('genişləndir'). nextUntil ('h2'). slideToggle (100)
>
>)
>,
toggleContentHeaders: function () <
// OnClick & lth2 & gt bölgələri üçün qarmon davranışını dəyişdirir
$ ('# DeltaPlaceHolderMain h2'). Basın (function () <
$ (this) .toggleClass ('genişləndir'). nextUntil ('h2'). slideToggle (100)
>)
>
>

var Utils = <
checkPageInEditMode: function () <
var pageEditMode = boş
var wikiPageEditMode = boş

// Wiki Səhifələr üçün yoxlamanı redaktə edin
əgər (document.forms [MSOWebPartPageFormName] ._ wikiPageMode) <
wikiPageEditMode = document.forms [MSOWebPartPageFormName] ._ wikiPageMode.value
>
// Bütün digər səhifələrin redaktəsini yoxlayın
əgər (document.forms [MSOWebPartPageFormName] .MSOLayout_InDesignMode) <
pageEditMode = document.forms [MSOWebPartPageFormName] .MSOLayout_InDesignMode.value
>
// Səhifə növlərindən biri Düzəliş rejimində olduğu kimi işarələnmişsə və ya birini geri qaytarın
əgər (! pageEditMode & amp & amp! wikiPageEditMode) <
yalan qayıt
>
return pageEditMode == "1" || wikiPageEditMode == "Düzəliş et"
>
>
& lt / script & gt [/ html]

Yadda saxladıqdan sonra başlıqlarınızın artıq yığılabilir olduğunu görəcəksiniz!

Üçüncü addım - Başlıqları CSS ilə tərtib etmək

İndi dinamik qarmonları yerimizə aldıqdan sonra biraz cəsarət göstərək CSS funksiyalarını istifadəçilərimiz üçün bir az daha intuitiv və estetik baxımdan xoşagələn etmək. Bunu etmək üçün istinad edəcəyik Şrift Awesome icon paketi və üslubu üçün bizim & lth2 & gt yıxıldıqda və genişləndikdə başlıqlar:

[html]
& ltlink rel = "stylesheet" type = "text / css" href = "https://maxcdn.bootstrapcdn.com/font-awesome/4.5.0/css/font-awesome.min.css" & gt
& ltstyle & gt
/ *** Birləşdirilə bilən başlıqlar üçün CSS *** /
#DeltaPlaceHolderMain h2 <
arxa plan: # 0072C6
dolgu: .25em
sərhəd radiusu: 2px 2px 2px 2px
rəng: #fff
imlec: göstərici
margin-bottom: .5em
>
/ *** Çökdü h2 *** /
#DeltaPlaceHolderMain h2.expand: əvvəl <
font-family: 'FontAwesome'
məzmun: ' f0fe'
>
/ *** Genişləndirilmiş h2 *** /
#DeltaPlaceHolderMain h2: əvvəl <
font-family: 'FontAwesome'
məzmun: ' f146'
>
& lt / style & gt
[/ html]

İndi CSS stilini Embed Code konteynerimizə daxil etmək qalır. Bunu etmək:

  1. ⚙ & gt düyməsini basın Səhifəni redaktə edin.
  2. İstifadə Şerit üst çubuğdakı naviqasiyada vurun Kodu daxil edin.

  3. Mövcud jQuery kodumuzun üstündə, yapışdır yuxarıdakı üslub kodunda və vurun Daxil edin.
  4. Basın Yadda saxla redaktə rejimindən çıxmaq və son yeniləmələrinizi görmək.

Huzzah! İndi xüsusi həllini tamamladıq və çox məzmunu olan səhifələrin qısa bir şəkildə təşkil edilməsi üsuluna sahib olduq.

Hər hansı bir sualınız varsa, aşağıda şərh verməkdən çəkinməyin və mən qarmon-ly cavabını verəcəyəm!

Donuz ipsum məzmunu dadlı görünsə də, bu bloqun yazılmasında heç bir heyvan zərər görməyib.


İstixana effektini başa düşmək

"İstixana effekti" Yer atmosferindəki müəyyən qazların istini tutduğu zaman baş verən istiləşmədir. Bu qazlar işığı buraxır, amma istixananın şüşə divarları kimi istidən qaçmağı bacarır, buna görə də adlanır.

Günəş işığı Yerin səthinə işıq saçır, burada enerji udulur və sonra istilik kimi yenidən atmosferə yayılır. Atmosferdə istixana qaz molekulları istinin bir hissəsini tutur, qalan hissəsi isə kosmosa qaçır. Atmosferdə istixana qazları nə qədər çox cəmləşsə, molekullarda o qədər çox istilik qapanır.

Elm adamları, istixana təsiri haqqında 1824-cü ildən, Joseph Fourier'in, atmosferin olmadığı təqdirdə Yerin daha soyuq olacağını hesabladığı vaxtdan bəri bilirlər. Bu təbii istixana təsiri Yer kürəsinin iqlimini yaşana bilən şeydir. Onsuz, Yer səthi orta hesabla 60 dərəcə Fahrenhayt (33 dərəcə Selsi) soyuducu olardı.

1895-ci ildə İsveçli kimyaçı Svante Arrhenius, insanların istixana qazı olan karbon dioksid edərək istixana təsirini gücləndirə biləcəyini kəşf etdi. Bizə qlobal istiləşmə haqqında mükəmməl bir anlayış qazandıran 100 illik iqlim tədqiqatlarına başladı.

İstixana qazlarının səviyyəsi Yer üzünün tarixi boyunca aşağı-yuxarı qalxdı, lakin son bir neçə min il ərzində kifayət qədər sabit idi. Qlobal orta temperatur da bu müddət ərzində - son 150 ilə qədər kifayət qədər sabit qalmışdı. Fosil yanacaqların yandırılması və xüsusilə son bir neçə on ildə çox miqdarda istixana qazı yayan digər fəaliyyətlər sayəsində insanlar indi istixana təsirini artırır və Yer kürəsini əhəmiyyətli dərəcədə istiləşdirirlər və bir çox təsiri vəd edən yollarla elm adamları xəbərdarlıq edirlər.


Giriş

Səhiyyə sənayesi tarixən qeydlərin aparılması, uyğunluq və # x00026 tənzimləmə tələblərinə və xəstələrə qulluq göstərilməsinə əsaslanan çox miqdarda məlumat yaratmışdır [1]. Əksər məlumatlar kağız şəklində saxlanılsa da, mövcud tendensiya bu böyük həcmli məlumatların sürətli rəqəmsallaşdırılmasına yönəlib. Məcburi tələblər və səhiyyə xidmətinin keyfiyyətini yaxşılaşdırmaq potensialı ilə maliyyələri azaldaraq, bu kütləvi məlumat miqdarı (& # x02018big data & # x02019 kimi tanınır) arasında da daxil olmaqla geniş bir sıra tibbi və səhiyyə funksiyalarını dəstəkləmək vədinə sahibdirlər. digərləri klinik qərar dəstəyi, xəstəlik nəzarəti və əhali sağlamlığı idarəsi [2 & # x020135]. Hesabatlarda yalnız ABŞ səhiyyə sistemindəki məlumatların 2011-ci ildə 150 ​​eksabayta çatdığı deyilir. Bu böyümə sürətində ABŞ səhiyyəsi üçün böyük məlumatlar tezliklə zettabayt (10 21 gigabayt) şkalasına və çox keçmədən yottabayta (10 24 gigabayt) çatacaqdır [6]. 9 milyondan çox üzvü olan Kaliforniyada yerləşən sağlamlıq şəbəkəsi olan Kaiser Permanente, EHR-lərdən şəkillər və şərhlər də daxil olmaqla 26,5 ilə 44 petabayt arasında potensial zəngin məlumatlara sahib olduğuna inanır [6].

Tərifə görə, səhiyyə sahəsindəki böyük məlumatlar, ənənəvi proqram və / və ya hardware ilə idarə edilməsi çətin (və ya qeyri-mümkün) olduğu və ya ənənəvi və ya ümumi məlumatların idarə edilməsi alətləri və metodları ilə asanlıqla idarə edilə bilməyəcəyi qədər böyük və mürəkkəb elektron sağlamlıq məlumat dəstlərinə aiddir. 7]. Səhiyyə sahəsindəki böyük məlumatlar təkcə həcminə görə deyil, həm də məlumat növlərinin müxtəlifliyinə və idarə olunma sürətinə görə çox böyükdür [7]. Xəstə sağlamlığı və rifahı ilə əlaqəli məlumatların ümumi sayı səhiyyə sənayesində & # x0201cbig məlumatları & # x0201d təşkil edir. CPOE və klinik qərar dəstək sistemlərindən (həkim və # yazılı qeydlər və reseptlər, tibbi görüntüləmə, laboratoriya, aptek, sığorta və digər inzibati məlumatlar) klinik məlumatları, elektron xəstə qeydlərində (EPR) yaradılan / sensor məlumatlarında olan xəstənin məlumatlarını əhatə edir. Twitter lentləri (sözdə tvitlər) [8], bloglar [9], Facebook və digər platformalardakı vəziyyət yeniləmələri və veb səhifələr və təcili yardım məlumatları daxil olmaqla xəstələrə daha az məlumat verən məlumatlar daxil olmaqla həyati əlamətləri izləməkdən, xəbər lentləri və tibbi jurnallarda məqalələr.

Böyük məlumat alimi üçün bu çox miqdarda və bir sıra məlumat arasında fürsət var. Birlikləri kəşf edərək məlumatların içindəki nümunələri və meylləri anlamaqla, böyük məlumat analitikası baxımını yaxşılaşdırmaq, həyatını xilas etmək və xərcləri azaltmaq potensialına sahibdir. Beləliklə, səhiyyə sahəsindəki böyük məlumat analitik tətbiqetmələri daha yaxşı məlumatlı qərarlar qəbul etmək üçün anlayışlar əldə etmək üçün məlumatdakı partlayışdan istifadə edir [10 & # x0201312] və tədqiqat kateqoriyası olaraq, burada sürpriz olmayan, səhiyyə sahəsindəki böyük məlumat analitikası deyilir [13 & # x0201315]. Böyük məlumatlar sintez edildikdə və təhlil edildikdə və yuxarıda göstərilən birliklər, qanunauyğunluqlar və tendensiyalar aşkar edildikdə və # səhiyyə təminatçıları və səhiyyə çatdırılması sistemindəki digər maraqlı tərəflər daha mükəmməl və dərindən diaqnoz və müalicə inkişaf etdirə bilər, nəticədə daha aşağı səviyyədə daha yüksək səviyyədə qulluq xərclər və ümumilikdə daha yaxşı nəticələrdə [12]. Səhiyyə sahəsindəki böyük məlumat analitikasının daha yaxşı nəticələrə gətirib çıxarmaq potensialı bir çox ssenarilərdə mövcuddur, məsələn: ən klinik və sərfəli müalicələri müəyyənləşdirmək və analiz və vasitələr təklif etmək üçün xəstənin xüsusiyyətlərini və baxım qiymətini və nəticələrini təhlil edərək provayderə təsir göstərmək profilaktik qayğıdan və ya həyat tərzindən faydalanacaq şəxsləri proaktiv olaraq müəyyənləşdirmək üçün xəstə profillərinə (məsələn, seqmentasiya və proqnozlaşdırma modelləşdirmə) inkişaf etmiş analitik tətbiq edən davranış, proqnozlaşdırıcı hadisələri müəyyənləşdirmək və tibbi prosedurlar barədə məlumatların toplanması və yayımlanması üçün profilaktika təşəbbüslərini dəstəkləmək üçün geniş miqyaslı xəstəlik profilinin dəyişdirilməsi; saxtakarlığı aşkarlamaq və iddiaların doğruluğunu və tutarlılığını yoxlamaq üçün qabaqcıl analitik sistemlər tətbiq edərək saxtakarlığı müəyyənləşdirmək, proqnozlaşdırmaq və minimuma endirmək baxımından ən yaxşı dəyəri təklif edən qayğı protokollarını və ya rejimlərini təyin edən xəstələr, e) üçüncü şəxslərə məlumat və xidmətlər təmin etmək üçün xəstələrin klinik qeydlərini və iddialar məlumat dəstlərini ümumiləşdirmək və sintez etməklə axınlar, məsələn, dərman şirkətlərinə xəstələrin klinik araşdırmalara daxil edilməsi üçün şəxslərin müəyyən edilməsində kömək üçün məlumatların lisenziyalaşdırılması. Bir çox ödəyicilər xəstələrin qayğılarını idarə etmək, təminatçıları tapmaq və sağlamlıqlarını yaxşılaşdırmağa kömək edən mobil tətbiqetmələr hazırlayır və tətbiq edirlər. Analitik vasitələrlə ödəyicilər dərman və müalicə rejimlərinə riayət etməyi izləyə və fərdi və əhalinin sağlamlıq faydalarına səbəb olan meylləri aşkar edə bilərlər [12, 16 & # x0201318].

Bu məqalə, bir intizam olaraq ortaya çıxdığı üçün səhiyyədəki böyük məlumat analitikasına ümumi bir baxış təqdim edir. Birincisi, səhiyyə sahəsindəki böyük məlumat analitikasının müxtəlif üstünlüklərini və xüsusiyyətlərini müəyyənləşdiririk və müzakirə edirik. Sonra səhiyyə sahəsindəki böyük məlumat analitikasının memarlıq çərçivəsini təsvir edirik. Üçüncüsü, böyük məlumat analitikası tətbiqetmə inkişaf metodologiyası təsvir edilmişdir. Dördüncüsü, ədəbiyyatda bildirilən səhiyyə sahəsindəki böyük məlumat analitikası nümunələrini təqdim edirik. Beşincisi, çətinliklər müəyyənləşdirilir. Nəhayət, nəticələr və gələcək istiqamətlər təklif edirik.

Səhiyyə işində böyük məlumat analitikası

Sağlamlıq məlumatları həcminin önümüzdəki illərdə dramatik şəkildə böyüməsi gözlənilir [6]. Əlavə olaraq, səhiyyə ödəniş modelləri mənalı istifadəni dəyişdirir və performans üçün ödəmə günümüzün səhiyyə mühitində kritik yeni amillər kimi ortaya çıxır. Mənfəət əsas motivator olmasa da və olmamalı olsa da, səhiyyə təşkilatlarının böyük məlumatlardan səmərəli istifadə etmək üçün mövcud alətləri, infrastrukturu və texnikaları əldə etmələri çox vacibdir, əks təqdirdə milyonlarla dollar gəlir və mənfəət itirmək riski vardır [19].

Böyük məlumatlar dəqiq nədir? 2012-ci ilin avqust ayında ABŞ Konqresinə təqdim olunan bir hesabat, böyük məlumatları & # x0201büyük məlumat, məlumatın tutulmasına, saxlanmasına, paylanmasına, idarə olunmasına və analizinə imkan yaratmaq üçün inkişaf etmiş texnika və texnologiyalara ehtiyac duyan yüksək sürət, kompleks və dəyişkən məlumatların həcmləri kimi təyin edir & # x0201d [6]. Böyük məlumatlar müxtəliflik, sürət və xüsusən səhiyyə baxımından doğruluq kimi xüsusiyyətləri əhatə edir [20 & # x0201323].Mövcud analitik üsullar, nəticələri daha dərindən başa düşmək üçün mövcud (lakin hazırda təhlil olunmamış) xəstələrlə əlaqəli sağlamlıq və tibbi məlumatlara tətbiq oluna bilər, daha sonra qayğı nöqtəsində tətbiq oluna bilər. İdeal olaraq, fərdi və əhali məlumatları qərar qəbuletmə müddətində hər bir həkimə və xəstəsinə məlumat verəcək və bu xəstə üçün ən uyğun müalicə variantını təyin etməyə kömək edəcəkdir.

Səhiyyə xidmətinin üstünlükləri

Böyük məlumatları rəqəmsallaşdırmaq, birləşdirmək və səmərəli istifadə etməklə, tək həkimli ofislərdən və çox təminatlı qruplardan tutmuş böyük xəstəxana şəbəkələrinə və hesabatlı qayğı təşkilatlarına qədər olan səhiyyə təşkilatları əhəmiyyətli faydalar əldə etməlidirlər [2]. Potensial faydalar arasında xəstəliklərin daha asan və təsirli bir şəkildə müalicə oluna biləcəyi əvvəlki mərhələlərdə aşkarlanması, fərdi və əhali sağlamlığının idarə olunması və səhiyyə saxtakarlığının daha sürətli və daha effektiv tapılmasıdır. Çoxsaylı suallar böyük məlumat analitikası ilə həll edilə bilər. Müəyyən inkişaflar və nəticələr, çox sayda tarixi məlumatlara əsasən proqnozlaşdırıla bilər və / və ya ehtimal olunan cərrahi komplikasiyalardan faydalanmayacaq olan seçmə cərrahiyyə xəstələrini seçəcək olan xəstələrin qalma müddəti (LOS) xəstələri kimi sepsis, MRSA, C. difficile və ya digər xəstəxana yoluxmuş xəstəliklər / xəstəlik proqresiyası riski xəstələrdə irəliləməsi riski olan xəstəliklər / xəstəlik proqressiyasına səbəb olan səbəbləri və mümkün xəstəlikləri (EMC Consulting). McKinsey, böyük məlumat analitikasının ABŞ səhiyyəsində ildə 300 milyard dollardan çox qənaət təmin edə biləcəyini təxmin edir ki, bunun da üçdə ikisi milli səhiyyə xərclərində təxminən% 8 azalma ilə. Klinik əməliyyatlar və R & # x00026 D, 165 milyard dollar və 108 milyard dollar tullantı ilə potensial qənaət üçün ən böyük sahələrdən biridir [24]. McKinsey, böyük məlumatların aşağıdakı üç sahədə tullantıları və səmərəsizliyi azaltmağa kömək edə biləcəyinə inanır:

Klinik əməliyyatlar: Xəstələrin diaqnozu və müalicəsinin daha klinik cəhətdən əhəmiyyətli və qənaətli yollarını təyin etmək üçün müqayisəli effektivlik tədqiqatı.

Tədqiqat və # x00026 inkişafı: 1) aşınmayı azaltmaq və dərmanlarda və cihazlarda daha sürətli, daha hədəfli bir AR-GE boru kəməri istehsal etmək üçün proqnozlaşdırıcı modelləşdirmə; 2) klinik tədqiqat dizaynını yaxşılaşdırmaq üçün statistik alətlər və alqoritmlər və müalicələri ayrı-ayrı xəstələrə daha yaxşı uyğunlaşdırmaq üçün sınaq uğursuzluqlarının azaldılması və bazara yeni müalicələrin sürətləndirilməsi və 3) məhsulların bazara çatmazdan əvvəl göstəricilərinin müəyyənləşdirilməsi və mənfi təsirlərin aşkar edilməsi üçün klinik sınaqların və xəstə qeydlərinin təhlili.

Xalq sağlamlığı: 1) xəstəlik səhnələrini təhlil etmək və xalq sağlamlığına nəzarət və sürətli cavab tədbirlərini yaxşılaşdırmaq üçün xəstəliklərin baş verməsi və ötürülməsini izləmək; 2) daha dəqiq hədəflənmiş peyvəndlərin daha sürətli inkişafı, məsələn, illik qrip suşlarının seçilməsi və 3) böyük miqdarda məlumatların tətbiq edilə bilən məlumatlara çevrilməsi. ehtiyacları müəyyənləşdirmək, xidmətlər göstərmək və böhranları proqnozlaşdırmaq və qarşısını almaq üçün, xüsusən də əhalinin xeyrinə istifadə edilə bilər [24].

Bundan əlavə, [14] səhiyyə sahəsindəki böyük məlumat analitikinin də qatqı təmin edə biləcəyini təklif edir

Dəlil əsaslı tibbMüalicələri nəticələrlə uyğunlaşdırmaq, xəstəlik və ya yenidən qəbul riski olan xəstələri proqnozlaşdırmaq və daha səmərəli qulluq göstərmək üçün müxtəlif strukturlaşdırılmış və strukturlaşdırılmamış məlumatlar - EMR-ləri, maliyyə və əməliyyat məlumatlarını, klinik məlumatları və genomik məlumatları birləşdirin və analiz edin.

Genomik analitik: Genlərin sıralanmasını daha səmərəli və sərfəli şəkildə həyata keçirin və genomik təhlili müntəzəm tibbi yardım qərarı prosesinin və böyüməkdə olan xəstələrin tibbi qeydlərinin bir hissəsi halına gətirin [25]

Qərardan əvvəl saxtakarlıq təhlili: Dələduzluq, israf və sui-istifadəni azaltmaq üçün çox sayda iddia tələbini sürətlə təhlil edin

Cihaz / uzaqdan izləmə: Təhlükəsizlik monitorinqi və mənfi hadisələrin proqnozlaşdırılması üçün xəstəxanada və evdə olan cihazlardan çox miqdarda sürətli hərəkət edən məlumatları real vaxt rejimində əldə edin və analiz edin.

Xəstə profili analitikası: Proaktiv qayğıdan və ya həyat tərzindəki dəyişikliklərdən faydalanacaq şəxsləri, məsələn, qoruyucu xəstəliklərdən (məsələn, diabet) inkişaf riski olan xəstələri müəyyənləşdirmək üçün xəstə profillərinə (məsələn, seqmentasiya və proqnozlaşdırıcı modelləşdirmə) inkişaf etmiş analitik tətbiq edin. qayğı [14].

[16] görə inkişaf etmiş məlumatlar və analitiklərin ən böyük nəticələr verdiyi sahələrə aşağıdakılar daxildir: sağlamlıq qaynaqlarının ən çox istehlakçısı olan və ya mənfi nəticələr üçün ən böyük riskə sahib olan xəstələri dəqiqləşdirmək, fərdlərə məlumatlı qərarlar vermək üçün lazım olan məlumatları vermək risklərini artıran və ya mənfi hadisələri tətikləyən ətraf mühit və ya həyat tərzi faktorlarını müəyyənləşdirərək nümayiş olunan fayda gətirməyən və ya oxunuşun azaldılmasına səbəb olan müalicələri, proqramları və prosesləri müəyyənləşdirən daha sağlam davranışları daha asanlıqla mənimsəmə və izləmək [26] və xəstəliklərin baş verməsi və ya fəlakətlər zamanı xəstələrin populyasiyasındakı zəiflikləri aşkar edərək əhali sağlamlığını idarə edən ev şəraitində sağlamlıq nəzarətçilərinin həyati vəziyyətini araşdıraraq və nəticələrdən yaxşılaşdıran müalicə planlarını tənzimləmək; mənbələrdən istifadəni məhsuldar və real vaxtda analiz etmək üçün klinik, maliyyə və əməliyyat məlumatlarını bir araya gətirmək [16] .

Səhiyyə işində 4 & # x0201cVs & # x0201d böyük məlumat analitikası

Səhiyyə sahəsindəki böyük məlumatlar kimi, böyük məlumatlarla əlaqəli analitik də üç əsas xüsusiyyət ilə təsvir olunur: həcm, sürət və müxtəliflik (http://www-01.ibm.com/software/data/bigdata/). Zamanla sağlamlıqla əlaqəli məlumatlar davamlı olaraq yaradılacaq və toplanacaq, nəticədə inanılmaz bir nəticə verəcəkdir həcm məlumatların. Mövcud səhiyyə məlumatlarının onsuz da qorxunc həcmi fərdi tibbi qeydlər, radiologiya şəkilləri, klinik tədqiqat məlumatları FDA təqdimatları, insan genetikası və populyasiya məlumatlarının genomik ardıcıllığı və s. Daxildir. 3D görüntüləmə, genomik və biometrik sensor oxumaları kimi daha böyük məlumatların yeni formaları həm də bu artan böyüməyə təkan verir.

Xoşbəxtlikdən, məlumatların idarəedilməsindəki inkişaflar, xüsusən də virtualizasiya və bulud hesablama, böyük həcmli məlumatların daha təsirli şəkildə toplanması, saxlanması və manipulyasiyası üçün platformaların inkişafını asanlaşdırır [4]. Məlumat real vaxtda və sürətlə yığılır və ya sürət. Misilsiz dərəcələrdə toplanan yeni məlumatların daimi axını yeni problemlər gətirir. Toplanılan və saxlanılan məlumatların həcmi və çeşidi dəyişdiyi kimi, əldə edildiyi sürət də dəyişdi və nəticəyə əsasən qərarların alınması, təhlili, müqayisəsi və qərar qəbul edilməsi üçün zəruridir.

Əksər sağlamlıq məlumatları ənənəvi olaraq statik və # x02014 kağız sənədləri, rentgen filmləri və ssenarilərdir. Quraşdırma məlumatlarının sürəti gündəlik çox diabetik qlükoza ölçmələri (və ya insulin pompaları ilə daha davamlı nəzarət), qan təzyiqi göstəriciləri və EKGs kimi müntəzəm monitorinqi təmsil edən məlumatlarla artır. Bu vaxt, bir çox tibbi vəziyyətdə, daimi real vaxt məlumatları (qan təzyiqi üçün travma monitorinqi, anesteziya üçün əməliyyat otağı monitorları, yataq otağı ürək monitorları və s.) Həyatla ölüm arasındakı fərqi ifadə edə bilər.

Gələcəkdə real vaxt məlumatlarının tətbiq edilməsi, məsələn infeksiyaların mümkün qədər erkən aşkarlanması, sürətlə müəyyən edilməsi və düzgün müalicələrin tətbiqi (yalnız geniş spektrli antibiotiklər deyil) xəstələrin xəstələnmə və ölüm səviyyələrini azalda bilər və hətta xəstəxanalarda baş verən xəstəliklərin qarşısını alır. Onsuz da, real vaxt axın məlumatları ICU-da yenidoğulmuşları izləyir və həyati təhlükəsi olan infeksiyaları daha tez tutur [6]. Hərəkətdə və bütün ixtisaslar üzrə bu cür yüksək həcmli məlumatlara qarşı real vaxt analitikası aparmaq bacarığı səhiyyədə inqilab yaradacaqdır [4]. Yalan var müxtəliflik.

Sağlamlıq məlumatlarının təbiəti inkişaf etdikcə analitik üsulları da yerləşdirmək üçün lazım olan kompleks və inkişaf etmiş analitiklərə qədər genişləndirilmişdir. həcm, sürətmüxtəliflik. Yalnız elektron sağlamlıq qeydlərində və digər strukturlaşdırılmış formatlarda toplanan məlumat günləri keçdi. Getdikcə məlumatlar multimedia formatındadır və strukturlaşdırılmamışdır. Çox böyükdür müxtəliflik məlumatların & # x02014yapılaşdırılmış, strukturlaşdırılmamış və yarı quruluşlu & # x02014, səhiyyə məlumatlarını həm maraqlı, həm də çətin edən bir ölçüdür.

Strukturlaşdırılmış məlumatlar asanlıqla saxlanıla bilən, sorğu edilən, geri çağırılan, analiz edilən və maşınla manipulyasiya edilə bilən məlumatlardır. Tarixən səhiyyə işində strukturlaşdırılmış və yarı quruluşlu məlumatlar, alət qeydlərini və kağız qeydlərinin elektron sağlamlıq və tibbi qeydlərə çevrilməsindən yaranan məlumatları əhatə edir. Tarixən baxım baxımından yapılandırılmamış məlumatlar meydana gəldi: ofis tibbi qeydləri, əl yazısı ilə tibb bacısı və həkim qeydləri, xəstəxanaya giriş və evdən çıxma qeydləri, kağız reseptləri, rentgenoqrafiya filmləri, MRI, KT və digər şəkillər.

Onsuz da yeni məlumat axınları & # x02014 strukturlaşdırılmış və yapılandırılmamış & # x02014 fitness cihazları, genetik və genomik, sosial media araşdırmaları və digər mənbələrdən səhiyyə aləminə daxil olur. Lakin bu məlumatların nisbətən az hissəsi hazırda ələ keçirilə, saxlanıla və təşkil edilə bilər ki, kompüterlər tərəfindən idarə olunsun və faydalı məlumatlar üçün analiz edilsin. Xüsusilə səhiyyə tətbiqləri, strukturlaşdırılmış məlumatdan strukturlaşdırılmamış məlumatlara çevrilmənin avtomatlaşdırılması da daxil olmaqla məlumat növlərini birləşdirmək və çevirmək üçün daha səmərəli yollara ehtiyac duyur.

EMR və EHR-lərdəki strukturlaşdırılmış məlumatlara xəstənin adı, doğum məlumatları, ünvan, həkim və # x02019 adları, xəstəxana adı və ünvanı, müalicə ödəniş kodları və avtomatik verilənlər bazaları tərəfindən asanlıqla kodlanmış və idarə olunan digər məlumatlar kimi tanış giriş qeydləri sahələri daxildir. Elektron işləmə baxımından sahə kodu məlumatlarına ehtiyac, əl yazısı qeydlərinin təmin etdiyi təbii dildə giriş və anlaşma asanlığını itirən həkimlər və tibb bacıları tərəfindən EMR qəbul edilməsində böyük bir maneədir. Digər tərəfdən, əksər provayderlər resept səhvlərini azaltmanın asan yolunun əlyazma ssenarilərdən çox rəqəmsal girişlərdən istifadə etmək olduğunu qəbul edirlər.

Səhiyyə sahəsindəki böyük məlumatların potensialı, həm fərdi olaraq, həm də əhali səviyyəsində ənənəvi məlumatların yeni məlumat formaları ilə birləşdirilməsindədir. Artıq çox sayda mənbədən məlumat dəstlərini daha sürətli və daha etibarlı tədqiqat və kəşfi dəstəklədiyini görürük. Məsələn, əczaçılıq inkişaf etdiriciləri populyasiyanın klinik məlumat dəstlərini genomik məlumatları ilə birləşdirə bilsəydi, bu inkişaf həmin inkişaf etdiricilərin keçmişə nisbətən daha çox və daha yaxşı dərman müalicələri üçün təsdiq almasını asanlaşdıra bilər. daha da əhəmiyyətlisi doğru xəstələrə paylanmasını sürətləndirmək [4]. Səhiyyə işinin bütün sahələri üçün perspektivlər sonsuzdur.

Bəzi praktiklər və tədqiqatçılar dördüncü bir xüsusiyyət təqdim etdilər, doğruluq, və ya & # x02018data zəmanəti & # x02019. Yəni böyük məlumatlar, analitiklər və nəticələr səhvsiz və etibarlıdır. Əlbəttə, doğruluq hədəfdir, reallıq deyil (hələ). Məlumat keyfiyyəti problemləri iki səbəbdən səhiyyədə kəskin narahatlıq doğurur: həyat və ya ölüm qərarları dəqiq məlumatlara sahib olmaqdan asılıdır və səhiyyə məlumatlarının keyfiyyəti, xüsusən də strukturlaşdırılmamış məlumatlar olduqca dəyişkəndir və çox vaxt səhvdir. (Reçetelerdeki zəif əlyazmaların səhv və # x0201ctranslations & # x0201d bəlkə də ən bədnam nümunəsidir).

Doğruluq, böyük məlumatların tələblərinə uyğun arxitekturaların və platformaların, alqoritmlərin, metodologiyaların və alətlərin həcmini və performansını eyni vaxtda genişləndirməyi nəzərdə tutur. Analitik arxitektura və strukturlaşdırılmış və strukturlaşdırılmamış böyük məlumatlar üçün alətlər ənənəvi işgüzar zəmanət (BI) alətlərindən çox fərqlidir. Bunlar mütləq sənaye gücünə malikdirlər. Məsələn, səhiyyə sahəsindəki böyük məlumat analitikası, paralel hesablama paradiqması və & # x02018 bölün və proses & # x02019 yanaşmasından istifadə edərək bir neçə server (& # x0201cnodes & # x0201d) arasında paylanmış emalda icra ediləcəkdir. Eynilə, modellər və texnika & # x02014, eyni zamanda, məlumatların çıxarılması və statistik yanaşmalar, alqoritmlər, vizuallaşdırma texnikaları və # x02014 böyük məlumat analitikinin xüsusiyyətlərini nəzərə almağa ehtiyac duyur. Ənənəvi məlumatların idarə edilməsi, anbarda olan məlumatların müəyyən, təmiz və dəqiq olduğunu düşünür.

Səhiyyə məlumatlarında doğruluq, xüsusən ödəyici tərəfdə, maliyyə məlumatları ilə eyni problemlərin çoxu ilə qarşılaşır: Bu doğru xəstə / xəstəxana / ödəyici / geri ödəmə kodu / dollar məbləğidir? Digər həqiqət məsələləri səhiyyə üçün özünəməxsusdur: Diaqnozlar / müalicələr / reseptlər / prosedurlar / nəticələr düzgün tutulubmu?

Baxım koordinasiyasını yaxşılaşdırmaq, səhvlərdən qaçınmaq və xərcləri azaltmaq, yüksək keyfiyyətli məlumatlardan, dərman təhlükəsizliyi və effektivliyindəki irəliləyişlərdən, diaqnostik dəqiqlikdən və müalicə üsulları ilə xəstəlik proseslərinin daha dəqiq hədəflənməsindən asılıdır. Lakin artan müxtəliflik və yüksək sürət, məlumatları təhlil etmədən və qərarlar qəbul etmədən əvvəl məlumatları təmizləmək qabiliyyətini əngəlləyir, məlumat məsələsini böyütdürür & # x0201ctrust & # x0201d [4].

& # X020184V & # x02019, səhiyyədəki böyük məlumat analitikası ilə bağlı müzakirə üçün uyğun bir başlanğıc nöqtəsidir. Ancaq arxitektura və platformaların sayı və alətlərin mövcudluğunda açıq mənbə paradiqmasının üstünlük təşkil etməsi kimi digər məsələlər də var. Metodologiyaların inkişaf etdirilməsinin çətinliyini və istifadəçi dostu interfeyslərə ehtiyacını da nəzərdən keçirin. Təchizat və proqramın ümumi dəyəri azalarkən, bu məsələlər səhiyyə sahəsindəki böyük məlumat analitikasının potensialından istifadə etmək və həll etmək üçün həll edilməlidir.

Memarlıq çərçivəsi

Səhiyyə sahəsindəki böyük bir məlumat analitik layihəsi üçün konseptual çərçivə ənənəvi bir sağlamlıq məlumatı və ya analitik layihəsinə bənzəyir. Əsas fərq, emalın necə həyata keçirilməsindədir. Adi bir sağlamlıq analitik layihəsində analiz masa üstü və ya noutbuk kimi müstəqil bir sistemə quraşdırılmış bir iş zəkası vasitəsi ilə aparıla bilər. Böyük məlumatlar tərifə görə böyük olduğundan, emal bölünür və bir çox qovşaqda icra olunur. Paylanmış emal konsepsiyası on illərdir mövcuddur. Nisbətən yenisi, səhiyyə təminatçıları daha yaxşı məlumatlı səhiyyə ilə bağlı qərarlar qəbul etmək üçün geniş məlumat anbarlarına daxil olmağa başladıqları üçün çox böyük məlumat dəstlərini təhlil etməkdə istifadəsidir. Bundan əlavə, buludda mövcud olan Hadoop / MapReduce kimi açıq mənbəli platformalar səhiyyə işində böyük məlumat analitikasının tətbiqini təşviq etdi.

Alqoritmlər və modellər oxşar olsa da, ənənəvi analitik alətlərin istifadəçi interfeysləri və böyük məlumatlar üçün istifadə edilənlər tamamilə fərqli ənənəvi sağlamlıq analitik alətləri olduqca istifadəçi dostu və şəffaf hala gəldi. Böyük məlumat analitik vasitələri isə son dərəcə mürəkkəbdir, proqramlaşdırma intensivdir və müxtəlif bacarıqların tətbiq olunmasını tələb edir. Xüsusi olaraq açıq mənbəli inkişaf vasitələri və platformaları kimi xüsusi bir şəkildə ortaya çıxdılar və bu səbəbdən satıcıların idarə etdikləri mülkiyyət alətlərinin dəstəyindən və istifadəçi dostluğundan məhrum oldular. Şəkil & # x000a0 1 də göstərildiyi kimi, mürəkkəblik məlumatların özündən başlayır.

Böyük məlumat analitikasının tətbiqi konseptual memarlığı.

Səhiyyə işindəki böyük məlumatlar daxili (məsələn, elektron sağlamlıq qeydləri, klinik qərar dəstək sistemləri, CPOE və s.) Və xarici mənbələrdən (dövlət mənbələri, laboratoriyalar, apteklər, sığorta şirkətləri və # x00026 HMO'lar və s.), Çox vaxt çox sayda ola bilər. formatlar (düz sənədlər, .csv, əlaqəli cədvəllər, ASCII / mətn və s.) və bir çox yerdə (coğrafi və fərqli səhiyyə təminatçıları və # x02019 saytlarında) çoxsaylı irs və digər tətbiqlərdə (əməliyyat işləmə tətbiqləri, verilənlər bazaları və s.) .). Mənbələr və məlumat növləri bunlardır:

Veb və sosial media məlumatları: Facebook, Twitter, LinkedIn, bloglar və bənzərlərindən Clickstream və qarşılıqlı əlaqə məlumatları. Buraya sağlamlıq planı veb saytları, smartfon tətbiqetmələri və s. Də daxil edilə bilər [6].

Maşın-maşın məlumatları: uzaq sensorlardan, sayğaclardan və digər həyati işarə cihazlarından oxumalar [6].

Böyük əməliyyat məlumatları: səhiyyə iddiaları və digər faturalandırma qeydləri getdikcə yarı quruluşlu və yapılandırılmamış formatda mövcuddur [6].

Biyometrik məlumatlar: barmaq izləri, genetik, əl yazısı, retina taramaları, rentgen və digər tibbi şəkillər, qan təzyiqi, nəbz və nəbz-oksimetriya oxumaları və digər oxşar məlumatlar [6].

İnsan tərəfindən yaradılan məlumatlar: EMR, həkim qeydləri, e-poçt və sənəd sənədləri kimi yapılandırılmamış və yarı strukturlaşdırılmış məlumatlar [6].

Böyük məlumat analitikası üçün bu məlumatlar bir yerə toplanmalıdır. İkinci komponentdə məlumatlar & # x02018raw & # x02019 vəziyyətindədir və işlənməli və ya dəyişdirilməlidir, bu zaman bir neçə seçim mövcuddur. Veb xidmətləri (orta proqram) ilə birləşdirilmiş xidmət yönümlü bir memarlıq yanaşması bir ehtimaldır [27]. Verilər xam qalır və xidmətlər zəng etmək, almaq və işləmək üçün istifadə olunur. Digər bir yanaşma, məlumatların real vaxt rejimində olmasına baxmayaraq, müxtəlif mənbələrdən alınan məlumatların toplandığı və işlənməyə hazır olduğu məlumatların anbarlaşdırılmasıdır. Çıxarma, çevirmə və yükləmə (ETL) addımları ilə müxtəlif mənbələrdən alınan məlumatlar təmizlənir və hazırlanır. Verilərin strukturlaşdırılmış və ya strukturlaşdırılmamış olmasından asılı olaraq, böyük məlumat analitik platformasına bir neçə məlumat formatı daxil edilə bilər.

Konseptual çərçivədəki bu növbəti komponentdə məlumat daxiletmə yanaşması, paylanmış dizayn, alət seçimi və analitik modellərlə bağlı bir neçə qərar qəbul edilir. Nəhayət, sağ tərəfdə, səhiyyə sahəsindəki böyük məlumat analitikinin dörd tipik tətbiqi göstərilir. Bunlara sorğular, hesabatlar, OLAP və məlumatların çıxarılması daxildir. Vizualizasiya dörd tətbiqetmə arasında geniş bir mövzudur. Statistika, kompüter elmləri, tətbiqi riyaziyyat və iqtisadiyyat kimi sahələrdən nəticə çıxarıb çoxsaylı texnika və texnologiyalar inkişaf etdirildi və səhiyyə sahəsindəki böyük məlumatları toplamaq, idarə etmək, təhlil etmək və görüntüləmək üçün uyğunlaşdırıldı.

Böyük məlumat analitikası üçün ən əhəmiyyətli platform, əvvəlcə veb axtarış indekslərini toplamaq kimi gündəlik funksiyalar üçün hazırlanmış açıq mənbəli paylanmış məlumat işləmə platforması Hadoop (Apache platforması). & # X0201cNoSQL & # x0201d texnologiyaları & # x02014 sinifinə aiddir; digərlərinə CouchDB və MongoDB & # x02014, bunlar məlumatları özünəməxsus şəkildə toplamaq üçün inkişaf etmişdir. Hadoop, əsasən bölünmüş məlumat dəstlərini çoxsaylı serverlərə (qovşaqlara) ayıraraq son dərəcə böyük məlumatları işləmə potensialına malikdir, bunların hər biri daha böyük problemin fərqli hissələrini həll edir və son nəticə üçün onları birləşdirir [28 & # x0201331]. Hadoop, məlumat təşkilatçısı və analitik alətinin əkiz rollarına xidmət edə bilər. Müəssisələrə bu günə qədər idarə edilməsi və təhlili çətin olan məlumatları istifadə etməyə imkan vermək üçün böyük potensial təklif edir. Konkret olaraq, Hadoop, son dərəcə böyük həcmli məlumatları müxtəlif strukturlarla və ya heç bir quruluşla işləmək imkanı verir. Ancaq Hadoop'u qurmaq, konfiqurasiya etmək və idarə etmək çətin ola bilər və Hadoop bacarıqlarına sahib şəxslər asanlıqla tapılmır.Bundan əlavə, bu səbəblərdən, təşkilatların Hadoop'u tamamilə qəbul etməyə hazır olmadığı görünür. Ətrafdakı əlavə platformaların və alətlərin ekosistemi, Hadoop paylanmış platformasını dəstəkləyir [30, 31]. Bunlar Cədvəl & # x000a0 1-də xülasə edilmişdir.

Cədvəl 1

Səhiyyədə böyük məlumat analitikası üçün platformalar və # x00026 alətləri

Platforma / alətTəsvir
Hadoop paylanmış fayl sistemi (HDFS)HDFS, Hadoop klasterinin əsas yaddaşını təmin edir. Veriləri daha kiçik hissələrə bölüb müxtəlif serverlər / qovşaqlar arasında paylayır.
MapReduceMapReduce alt tapşırıqların paylanması və nəticələrin toplanması üçün interfeys təmin edir. Tapşırıqlar yerinə yetirildikdə, MapReduce hər bir server / düyünün işlənməsini izləyir.
Donuz və Donuz Latın (Donuz və Donuz Latın)Donuz proqramlaşdırma dili hər növ məlumatları assimilyasiya etmək üçün konfiqurasiya edilmişdir (strukturlaşdırılmış / strukturlaşdırılmamış və s.). İki əsas moduldan ibarətdir: PigLatin adlanan dilin özü və PigLatin kodunun icra olunduğu işləmə versiyası.
Arı şanıHive, Hadoop platforması ilə Struktur Sorgu Dilini (SQL) istifadə edən bir iş vaxtı Hadoop dəstək arxitekturasıdır. SQL proqramçılarına tipik SQL ifadələrinə oxşar Hive Query Language (HQL) ifadələrini inkişaf etdirməyə icazə verir.
CaqlJaql, böyük məlumat dəstlərini işləmək üçün hazırlanmış funksional, deklarativ bir sorğu dilidir. Paralel işlənməni asanlaşdırmaq üçün Jaql & # x0201c & # x02018yüksək səviyyəli & # x02019 sorğularını MapReduce tapşırıqlarından ibarət olan & # x02018low-level & # x02019 sorguları & # x0201d-ə çevirir.
ZooceperZookeeper, müxtəlif xidmətlər ilə mərkəzləşdirilmiş bir infrastruktura imkan verir və bir qrup server arasında sinxronizasiya təmin edir. Böyük məlumat analitik tətbiqetmələri bu xidmətlərdən böyük qruplar arasında paralel işlənməni əlaqələndirmək üçün istifadə edir.
HBaseHBase, HDFS-in üstündə oturan sütun yönümlü bir verilənlər bazası idarəetmə sistemidir. SQL olmayan bir yanaşma istifadə edir.
KassandraCassandra eyni zamanda paylanmış bir verilənlər bazası sistemidir. Bir çox kommunal serverdə paylanan böyük məlumatları idarə etmək üçün modelləşdirilmiş ən yüksək səviyyəli bir layihə olaraq təyin edilmişdir. Ayrıca, müəyyən bir uğursuzluq nöqtəsi olmayan etibarlı bir xidmət təqdim edir (http://en.wikipedia.org/wiki/Apache_Cassandra) və NoSQL sistemidir.
OozieAçıq mənbəli bir layihə olan Oozie, iş axını və vəzifələr arasında koordinasiyanı asanlaşdırır.
LuceneLucene layihəsi mətn analitikası / axtarışları üçün geniş istifadə olunur və bir neçə açıq mənbəli layihəyə daxil edilmişdir. Onun əhatə dairəsinə bir Java tətbiqi daxilində istifadə üçün tam mətn indeksləşdirilməsi və kitabxana axtarışı daxildir.
AvroAvro, məlumatların serializasiya xidmətlərini asanlaşdırır. Versiyonlaşdırma və versiya nəzarəti əlavə faydalı xüsusiyyətlərdir.
MahoutMahout, Hadoop platformasında böyük məlumat analitiklərini dəstəkləyən paylanmış və ölçeklenebilir maşın öyrənmə alqoritmlərinin pulsuz tətbiqetmələrini yaratmaq olan başqa bir Apache layihəsidir.

AWS, Cloudera, Hortonworks və MapR Technologies daxil olmaqla çoxsaylı satıcılar və # x02014 açıq mənbəli Hadoop platformalarını payladılar [29]. IBM & # x02019s BigInsights kimi bir çox xüsusi seçim də mövcuddur. Bundan əlavə, bu platformaların çoxu bulud versiyalarıdır və onları geniş yayımda saxlayır. Yuxarıda təsvir olunan Cassandra, HBase və MongoDB verilənlər bazası komponenti üçün geniş istifadə olunur. Mövcud çərçivələr və alətlər daha çox açıq mənbəylə və Hadoop və əlaqəli platformaların ətrafına bürünsə də, səhiyyə sahəsindəki böyük məlumat analitiklərinin inkişaf etdiricilərinin və istifadəçilərinin düşünmələri lazım olan çoxsaylı mübadilə var. Bu alətlər açıq mənbəli və pulsuz olduğundan inkişaf xərcləri daha aşağı ola bilər, mənfi cəhətlər texniki dəstək olmaması və minimal təhlükəsizlikdir. Səhiyyə sənayesində bunlar, əlbəttə ki, əhəmiyyətli çatışmazlıqlardır və bu səbəbdən qarşılıqlı əlaqələr həll edilməlidir. Əlavə olaraq, bu platformalar / alətlər çox sayda proqramlaşdırma tələb edir, səhiyyə işində tipik son istifadəçinin sahib ola bilməyəcəyi bacarıqları. Bundan əlavə, səhiyyə sahəsindəki böyük məlumat analitikasının son zamanlarda ortaya çıxdığını nəzərə alsaq, mülkiyyət, gizlilik, təhlükəsizlik və standartlar da daxil olmaqla idarəetmə məsələləri hələ həll edilməyib. Növbəti hissədə səhiyyə təminatçıları üçün böyük bir məlumat layihəsi hazırlamaq və həyata keçirmək üçün səhiyyə metodologiyasında tətbiq olunan böyük bir məlumat analitikasını təqdim edirik.

Metodologiya

Bu sürətlə inkişaf etməkdə olan bir intizamda bir neçə fərqli metodologiya hazırlanarkən, burada praktik və praktik bir üsulu təsvir edirik. Cədvəl & # x000a0 2 metodologiyanın əsas mərhələlərini göstərir. İldə Addım 1, səhiyyə qrupundakı fənlərarası böyük məlumat analitik bir & # x02018konsept açıqlaması & # x02019 inkişaf etdirir. Bu, belə bir proyektə ehtiyacın yaranması üçün ilk kəsilmədir. Konsepsiya ifadəsindən sonra layihənin və # x02019-un əhəmiyyətinin təsviri verilir. Səhiyyə təşkilatı alternativ seçimlər, xərclər, ölçeklenebilirlik və s. Baxımdan qarşıdurmaların olduğunu qeyd edəcəkdir. Konsepsiya bəyanatı təsdiqləndikdən sonra, komanda Addım 2, təklif inkişaf mərhələsi. Burada daha ətraflı məlumat doldurulur. Konsepsiya ifadəsinə əsasən bir neçə sual həll olunur: Hansı problem həll olunur? Niyə səhiyyə işçisi üçün vacib və maraqlıdır? & # X02018big data & # x02019 analitik yanaşması nədir? (Böyük məlumat analitikasının mürəkkəbliyi və dəyəri ənənəvi analitik yanaşmalarla müqayisədə əhəmiyyətli dərəcədə yüksək olduğundan, onların istifadəsini əsaslandırmaq vacibdir). Layihə qrupu, eyni zamanda bu sahə ilə əlaqədar əvvəlki layihələr və araşdırmalarla əlaqəli problem sahəsi haqqında məlumat verməlidir.

Cədvəl 2

Səhiyyə metodologiyasındakı böyük məlumat analitikasının xülasəsi

Addım 1Konsepsiya bəyanatı
& # x02022 & # x0201c4Vs & # x0201d-yə əsaslanaraq səhiyyədə böyük məlumat analitik layihəsinə ehtiyac yaratmaq.
Addım 2Təklif
& # x02022 Hansı problem həll olunur?
& # x02022 Niyə vacib və maraqlıdır?
& # x02022 Niyə böyük data analitikası yaxınlaşır?
& # x02022 Arxa plan materialı
Addım 3Metodologiya
& # x02022 Təkliflər
& # x02022 Dəyişən seçim
& # x02022 Məlumat toplanması
& # x02022 ETL və məlumatların çevrilməsi
& # x02022 Platforma / alət seçimi
& # x02022 Konseptual model
& # x02022 Analitik texnika
-Birləşmə, qruplaşma, təsnif və s.
& # x02022 Nəticələr & # x00026 anlayış
Addım 4Yerləşdirmə
& # x02022 Qiymətləndirmə & # x00026 doğrulama
& # x02022 Test

Mənbə: [Raghupathi & # x00026 Raghupathi, [9]] dan uyğundur.

Sonra, içində Addım 3, metodologiyadakı addımlar hazırlanır və həyata keçirilir. Konsepsiya ifadəsi bir sıra təkliflərə bölünür. (Qeyd edək ki, bunlar statistik yanaşmalarda olduğu kimi sərt deyil. Əksinə, böyük məlumat analitik prosesi istiqamətləndirmək üçün hazırlanmışdır). Eyni zamanda, müstəqil və asılı dəyişənlər və ya göstəricilər müəyyən edilir. Şəkil & # x000a0 1-də göstərildiyi kimi məlumat mənbələri, analitik üçün hazırlanarkən məlumatların toplandığı, təsvir edildiyi və çevrildiyi də müəyyən edilir. Bu nöqtədə çox vacib bir addım platforma / alət qiymətləndirmə və seçimdir. Daha əvvəl göstərildiyi kimi AWS Hadoop, Cloudera və IBM BigInsights daxil olmaqla bir neçə seçim mövcuddur. Növbəti addım, müxtəlif böyük məlumat analitik üsullarını məlumatlara tətbiq etməkdir. Bu proses təkrarlanan analitikdən yalnız texnikanın böyük məlumat dəstlərinə qədər miqyaslanması ilə fərqlənir. Bir sıra təkrarlamalar və nə olarsa analizlər sayəsində böyük məlumat analitikindən anlayış əldə edilir. Bəsirətdən məlumatlı qərarlar qəbul edilə bilər. İldə Addım 4, modellər və onların tapıntıları yoxlanılır və təsdiqlənir və fəaliyyət üçün maraqlı tərəflərə təqdim olunur. Tətbiqetmə, uğursuzluq riskini minimuma endirmək üçün hər mərhələdə quraşdırılmış geribildirim döngələri ilə mərhələli bir yanaşmadır.

Növbəti hissədə səhiyyədəki bir neçə böyük məlumat analitik tətbiqi təsvir edilmişdir. Satıcı saytları daxil olmaqla çoxsaylı mənbələrdən əldə olunan kütləvi məlumatlardan istifadə edirik. Bu yeni ortaya çıxan intizamda istinad etmək üçün çox az müstəqil tədqiqat yoxdur. Bu nümunələr ikinci dərəcəli mənbələrdəndir. Buna baxmayaraq, bunlar səhiyyə sahəsindəki böyük məlumat analitikasının potensialının təsviridir.

Nümunələr

ABŞ-ın səhiyyə alyans şəbəkəsi olan Premier, 2.700-dən çox üzvə, xəstəxana və sağlamlıq sisteminə, 90.000 kəskin olmayan müəssisəyə və 400.000 həkimə sahibdir və xəstəxanalardan çıxarılan təxminən dördüncü xəstədən birinin məlumatlarına sahib olduğu bildirilir. Təbii olaraq, şəbəkə geniş bir klinik, maliyyə, xəstə və tədarük zənciri məlumatları bazası yığdı, bununla da şəbəkə hərtərəfli və müqayisə edilə bilən klinik nəticə tədbirləri, mənbələrdən istifadə hesabatları və əməliyyat səviyyəsi xərcləri məlumatlarını yaratdı. Bu nəticələr qərar qəbul etməyi məlumatlandırdı və təxminən 330 xəstəxanadakı səhiyyə proseslərini yaxşılaşdırdı, təxminən 29.000 insanın həyatına qənaət etdi və səhiyyə xərclərini təxminən 7 milyard dollar azaldıb [16]. Kanadanın Toronto şəhərindəki 450 yataqlı bir icma tədris xəstəxanası olan Şimali York Ümumi Xəstəxanası, xəstələrin nəticələrini yaxşılaşdırmaq və səhiyyə çatdırılma əməliyyatları ilə əlaqədar daha çox məlumat əldə etmək üçün real vaxt analizlərindən istifadə etdiyini bildirdi. Şimali Yorkun klinik, inzibati və maliyyə daxil olmaqla bir çox perspektiv təmin etmək üçün ölçeklenebilir bir real-time analitik tətbiqetmə tətbiq etdiyi bildirilir [16]. IBM tərəfindən bildirilən başqa bir nümunə, maliyyələrin azaldılması və xəstələrə xidmətin yaxşılaşdırılması məqsədi ilə elektron tibbi qeydlər (EMR) sistemindəki məlumatları analiz edən, adı açıqlanmayan böyük bir tibb işçisidir. (EMR-dəki məlumatlara həkim qeydlərindən, patoloji hesabatlarından və digər mənbələrdən yapılandırılmamış məlumatlar daxildir). Böyük məlumat analitikası, baxış protokollarını və iş yollarını inkişaf etdirmək və baxıcılara xüsusi sorğuların yerinə yetirilməsində kömək etmək üçün istifadə olunur [16]. Səhiyyə sahəsindəki böyük məlumat analitikasına başqa bir nümunə Columbia Universiteti Tibb Mərkəzi və beyin zədəsi olan xəstələrlə əlaqəli fizioloji məlumat axınlarının & # x0201ccompleks korrelyasiyaları və # x02019s təhlili. Məqsəd, komplikasiyaları aqressiv şəkildə müalicə etmək üçün tibb mütəxəssislərinə kritik və vaxtında məlumat verməkdir. Qabaqcıl analitikanın, beyin anevrizmasının qopması nəticəsində qanaxma vuruşu keçirmiş xəstələrdə əvvəllər olduğundan 48 saat əvvəl ciddi fəsadlar təyin etdiyi bildirilir [16]. İtaliyanın Bologna şəhərindəki Rizzoli Ortopediya İnstitutunun, fərdi xəstələrin simptomlarının şiddətində həddindən artıq fərqlər nümayiş etdirdikləri ailələrdə klinik dəyişiklikləri daha çox & # x0201cranular anlayış və əldə etmək üçün inkişaf etmiş analitikdən istifadə etdiyi bildirilir. Bu düşüncənin illik xəstəxanaya yerləşdirilməsini% 30 və görüntüləmə testlərinin sayını% 60 azaltdığı bildirilir. Uzunmüddətli perspektivdə İnstitut, müalicələrin inkişafı üçün genetik faktorların rolu haqqında bir fikir əldə etməyi gözləyir [16]. Torontodakı Xəstə Uşaqlar Xəstəxanası (Xəstə Uşaqlar) həyati təhlükəsi olan və # x0201cnosocomial infeksiyalara meylli körpələr üçün nəticələri yaxşılaşdırmaq üçün analitik istifadə edir. Xəstə Uşaqların əvvəlki metodlardan 24 saat əvvəl potensial əlamətlərin infeksiyasını müəyyənləşdirmək üçün yataq başı monitorinq cihazlarından toplanan həyati işarə məlumatlarına inkişaf etmiş analitik tətbiq etdiyi bildirilir [6, 16]. Əlavə nümunələr aşağıda bildirilir.

Bu yaxınlarda New Yorker MD Atul Gawande tərəfindən dərc olunan məqalə, Bostondakı Brigham and Women & # x02019s Xəstəxanasında ortopedik cərrahların sistematik olaraq standartlaşdırmaq üçün oynaq əvəzetmə əməliyyatının müvəffəqiyyəti üçün çox vacib amillərə əsaslanan məlumatlar üzərində aparılan araşdırmalardan fərdi təcrübəyə necə etibar etdiyini izah etdi. diz ekleminin dəyişdirilməsi əməliyyatı. Nəticə: daha az xərclə yaxşılaşdırılmış nəticələr. Michigan Universiteti Sağlamlıq Sistemi analitiklərdən istifadə edərək qan köçürülməsinin tətbiqini standartlaşdırdı və təcrübəni böyük məlumat analitik tədqiqatları ilə birləşdirdi. Bu, qan köçürülməsində% 31 azalma və aylıq xərclərdə 200.000 dollar azalma ilə nəticələndi ([6] -da bildirilir). Digər bir nümunə, Böyük Britaniyanın Milli Sağlamlıq və Klinik Mükəmməllik İnstitutu (NICE) və # x02019s Milli Səhiyyə Xidmətidir. NICE-in yeni dərmanların və / və ya klinik müalicələrin istifadəsində klinik və maliyet faktorlarının effektivliyini araşdırmaq üçün geniş klinik məlumat dəstlərinin analitikasında lider olduğu bildirilir. İtalyan Dərman Agentliyinin ayrıca, bir ölkə səviyyəsində xərc effektivliyi proqramında bir məqsəd kimi bahalı yeni dərmanların istifadəsinə dair klinik məlumatları topladığı və təhlil etdiyi bildirilir [6]. Səhiyyə işində böyük məlumat analitikasının digər aparıcı nümunəsi, Veteranlar İşləri Departamenti & # x0201c performansa əsaslanan hesabatlılıq çərçivəsinə və xəstəliklərin idarə olunması praktikasına uyğunlaşmaq üçün çox böyük məlumat dəstində tətbiqetmələrin istifadəsidir [6] ]. Çox məşhur bir nümunədə, Kaliforniya mərkəzli Kaiser Permanente, kliniki məlumatları əsas məlumatlar dəsti yaratmaq üçün maliyet məlumatları ilə əlaqələndirdi, analitikləri mənfi dərman təsirlərinin aşkarlanmasına və Vioxx-in bazardan çəkilməsinə səbəb oldu [6]. Johns Hopkins Tibb Məktəbinin tədqiqatçıları, CDC-nin xəbərdarlıqlarından ən az bir həftə əvvəl qriplə əlaqəli təcili yardım ziyarətlərinin qəfil artacağını proqnozlaşdırmaq üçün Google Flu Trends məlumatlarını istifadə edə biləcəklərini kəşf etdilər. Eynilə, Twitter yeniləmələrinin təhlili, 2010-cu ilin yanvar zəlzələsindən sonra Haitidə vəba xəstəliyinin yayılmasını izləyən rəsmi hesabatlar kimi (və iki həftə əvvəl) dəqiq idi [6]. IBM tərəfindən hazırlanan, xəstələri istifadə edən diabet xəstələrinin ehtimal olunan nəticələrini və həkimlərlə əlaqəli panel məlumatlarını, idarəetmə protokollarını və əhali sağlamlığı idarəetmə ortalamaları ilə ümumi əlaqəni proqnozlaşdıran bir tətbiq də bildirilmişdir [6]. Digər bir diabet tətbiqində, Harvard Tibb Fakültəsi və Harvard Pilgrim Səhiyyə Xidmətinin həkimləri bu yaxınlarda diabet xəstələrini xalq sağlamlığı nəzarəti üçün müəyyənləşdirmək və qruplaşdırmaq üçün EHR məlumatlarına analitik tətbiqetmə potensialını nümayiş etdirdilər. Bir çox mənbədən çoxsaylı göstəricilərə əsaslanan dörd illik məlumatlardan istifadə edilmişdir. Analitik tətbiqetmə həmçinin Tip 1 və Tip II diabet arasında fərq qoymuşdur [6, 26]. Nəhayət, Massachusettsin Blue Cross Blue Shield (BCBSMA) şirkətində qərar qəbul edənlərin maliyyə və tibbi məlumatlarla tanış olmalarına və daha təşəbbüskar olmasına kömək etmək üçün analitikləri iş proseslərinə yerləşdirmək lazım idi. Bir neçə fayda bildirildi. Birincisi, analitik tibb müdirlərinə yüksək riskli xəstəlik qruplarını müəyyənləşdirməyə və riski minimuma endirmək və xəstənin nəticələrini yaxşılaşdırmaq üçün hərəkət etməyə imkan verdi. Məsələn, yüksək xolesterolu olan xəstə qrupları arasında yeni profilaktik müalicə protokolları tətbiq oluna bilər və bununla ürək problemlərini aradan qaldırır. Ayrıca, BCBSMA xidmət müştərilərinə daha təsirli kömək edən kompleks sağlamlıq məlumat hesabatları əvvəlkindən 300% daha sürətli hazırlandı [6].

Növbəti hissədə səhiyyə sahəsindəki böyük məlumat analitikasındakı bəzi əsas problemlər qısa olaraq müəyyən edilir.

Çağırışlar

Ən azı, səhiyyə sahəsindəki böyük bir məlumat analitik platforması, məlumatların işlənməsi üçün lazım olan əsas funksiyaları dəstəkləməlidir. Platforma qiymətləndirmə kriteriyaları mövcudluğu, davamlılığı, istifadənin asanlığını, miqyaslı ola biləcəyini, müxtəlif həssaslıq səviyyələrində manipulyasiya etmə qabiliyyətini, məxfilik və təhlükəsizlik imkanlarını və keyfiyyət təminatını əhatə edə bilər [6, 29, 32]. Bundan əlavə, hazırda mövcud olan platformaların çoxu açıq mənbə olsa da, açıq mənbə platformalarının tipik üstünlükləri və məhdudiyyətləri tətbiq olunur. Uğur qazanmaq üçün səhiyyə sahəsindəki böyük məlumat analitikasının menyu idarəedici, istifadəçi dostu və şəffaf olması üçün paketlənməlidir. Həqiqi vaxtda böyük məlumat analitikliyi səhiyyədə əsas tələbdir. Məlumatların toplanması və işlənməsi arasındakı gecikmə aradan qaldırılmalıdır. Aşağı açılan bir menyuda çoxsaylı analitik alqoritmlərin, modellərin və metodların dinamik mövcudluğu da geniş miqyaslı qəbul üçün lazımdır. Mülkiyyət, idarəetmə və standartların vacib idarəetmə məsələləri nəzərə alınmalıdır. Və bu məsələlərlə toxunan, davamlı məlumat toplama və məlumatların təmizlənməsi məsələləridir. Səhiyyə məlumatları nadir hallarda standartlaşdırılır, tez-tez parçalanır və ya uyğun olmayan formatlarla köhnə İT sistemlərində yaradılır [6]. Bu böyük problemin də həll edilməsi lazımdır.


Mündəricat

Hidroloji modelləşdirmə sahəsində analiz ümumiyyətlə mövcud hidroloji sahələrin seçilməsi və ölçülməsi ilə başlayır. Tədqiqatın bu mərhələsində ölçmələrin miqyası və dəqiqliyi əsas məsələlərdir. [1] Məlumat ya bu sahədə, ya da onlayn araşdırma yolu ilə toplana bilər. Amerika Birləşmiş Ştatları Geoloji Araşdırması (USGS) uzaqdan hiss olunan hidroloji məlumatların ictimaiyyətə açıq mənbəyidir. Tarixi və real vaxt axını məlumatları, İnternet vasitəsilə Milli Hava Xidməti (NWS) və Amerika Birləşmiş Ştatları Ətraf Mühitin Mühafizəsi Agentliyi (EPA) kimi mənbələrdən də əldə edilə bilər. Hidroloji modelləşdirmə üçün CİS proqram təminatlarının istifadəsinin bir faydası, rəqəmsal vizual görüntülərin real vaxt məlumatları ilə əlaqələndirilməsidir. CİS mürəkkəb hesablama hidroloji modelləri üçün kurasiya, manipulyasiya və girişdə inqilab yaratdı [2] [3] Səth sularının modelləşdirilməsi üçün rəqəmsal yüksəklik modeli çox vaxt su hövzəsinin sərhədlərini müəyyənləşdirmək üçün hidroqrafik məlumatlarla laylanır. [4] Bu sərhədləri anlamaq yağış axınının hara axacağını anlamaq üçün ayrılmaz bir şeydir. Məsələn, qar əriməsi halında, qar yağışının miqdarı axın boyunca gedəcək suyun miqdarını proqnozlaşdırmaq üçün CİS-ə daxil edilə bilər. [5] Bu məlumatların yerli idarəetmə aktiv idarəçiliyi, kənd təsərrüfatı və ətraf mühit elmləri ilə əlaqəli tətbiqləri vardır. GIS üçün bir başqa faydalı tətbiq daşqın riskinin qiymətləndirilməsinə aiddir. Rəqəmsal yüksəklik modellərinin pik axıdılması məlumatları ilə birləşdirilərək yağış miqdarından asılı olaraq selin hansı sahələrinin su altında qalacağını təxmin edə bilərsiniz. İllinoys çayı su hövzəsi ilə bağlı bir işdə Rabie (2014) [6], yalnız DEM və axın ölçmə məlumatları istifadə edilərək düzgün bir daşqın riski xəritəsinin yaradıla biləcəyini tapdı. Yalnız bu iki parametrə əsaslanan təhlillər yollar və ya drenaj sistemləri daxil olmaqla süni inkişafları nəzərə almır və bu səbəbdən hərtərəfli bir nəticə hesab edilməməlidir.

Yeraltı suların analizində CİS istifadəsi hidrogeologiya sahəsinə düşür. Yer üzündə mövcud şirin suyun 98% -i yeraltı su olduğundan [7], bu mənbələrin səmərəli modelləşdirilməsinə və idarə olunmasına ehtiyac duyulur. Dünyada artan əhali ilə yeraltı sulara tələb artmaqda davam etdiyi üçün bu qaynaqların düzgün idarə edilməsi vacibdir. Həqiqətən, yeraltı suyun istifadəsi yetərincə izlənilmədikdə, ABŞ-da Ogallala sulu qatında meydana gəldiyi kimi sulu təbəqələrin zədələnməsinə və ya yeraltı sularla əlaqəli çökməyə səbəb ola bilər. Bəzi hallarda, GIS, yeraltı suların doldurulması üçün uyğun sahələr seçmək üçün drenaj və yeraltı su məlumatlarını təhlil etmək üçün istifadə edilə bilər. [8]


Videoya baxın: Sabir Eliyev mugam popuri canli ifa -5-de 5 2016 (Oktyabr 2021).