54.166.123.247,您好!
查詢符號(半形) 查詢符號意義說明
空格 表示為「AND」兩個查詢詞之交集
雙引號 ( " " ) 片語以雙引號標示開始及結束,而且只尋找出現順序相同的字詞,例 : " image process "
? 表示一個字母切截,輸入兩個?表兩個字母,依此類推,例:輸入「Appl?」,查得結果應為appl e , appl y … ( 常用於英文字查詢 )
* 表示不限字母切截,由0~n. 例:輸入「appl*」,查得結果應為appl e , appl es , appl y , appl ied , appl ication … ( 常用於英文字查詢 )
AND、OR、NOT

布林邏輯組合關鍵字,用來擴大或縮小查詢範圍的技巧。
(1) AND :縮小查詢範圍
(2) OR :擴大查詢範圍 (3) NOT:排除不相關的範圍

close

DOI 是數位物件識別碼 ( D igital O bject I dentifier ) 的簡稱,
為物件在網路上的唯一識別碼,可用於永久連結並引用目標物件。

使用DOI作為永久連結

每個DOI號前面加上 「 http://dx.doi.org/ 」 便成為永久網址。
如以DOI號為 10.5297/ser.1201.002 的文獻為例,此文獻的永久連結便是: http://dx.doi.org/ 10.5297/ser.1201.002
日後不論出版單位如何更動此文獻位置,永久連結所指向的位置皆會即時更新,不再錯失重要的研究。

引用含有DOI的文獻

有DOI的文獻在引用時皆應同時引用DOI。若使用APA、Chicago以外未規範DOI的引用格式,可引用DOI永久連結。

DOI可強化引用精確性、增強學術圈連結,並給予使用者跨平台的良好使用經驗,目前在全世界已有超過五千萬個物件申請DOI。 如想對DOI的使用與概念有進一步了解,請參考 華藝DOI註冊中心doi.airiti.com ) 。

關閉

ACI:

數據來源:Academic Citation Index,簡稱ACI
臺灣地區最大的引用文獻資料庫,目前收錄臺灣地區所出版的人文學、社會學領域學術期刊,穩定出刊中的期刊總量約400種,若包含已收錄但後續停刊的期刊,總期刊量超過500種,每年定期公布收錄期刊的影響係數(Impact Factor)等指標給大眾,並可提供專家學者免費進行學術研究使用。

影響指數(Impact Factor):某一期刊前兩年產出的論文,在統計年平均被引用的次數。
公式:(前兩年發表論文在統計年的被引用次數)÷(前兩年論文產出論文總篇數)
例如:2010年之影響係數(2011年呈現)
2009年A期刊產出論文15篇,2009年A期刊產出論文在2009年被引用20次
2008年A期刊產出論文16篇,2008年A期刊產出論文在2009年被引用30次
→ 2010年的影響係數 =(20+30)÷(15+16)≒1.61

關閉

什麼是預刊文章?

為提供讀者最前線之學術資訊,於期刊文獻獲同意刊登後、紙本印製完成前,率先於網路線上發表之文章即為預刊文章。預刊文章尚未有卷期、頁次及出版日期資訊,但可藉由DOI號識別。DOI號是文獻的數位身份證字號,不論預刊或正式出版皆不會改變,讀者可點擊DOI連結,或於DOI號前面加上 「 http://dx.doi.org/ 」 連結到文獻目前最新版本。

如何引用預刊文章?

請使用預刊文章的線上發表日期及DOI號來引用該篇文獻。

引用範例(視不同引文格式規範可能有所差異):

作者姓名。文章篇名。期刊名稱。YYYY/MM/DD線上預先發表。

doi:DOI 號

1 個人覺得 這篇文章 推薦
中文摘要 〈TOP〉
Abstract 〈TOP〉
參考文獻 ( 29 ) 〈TOP〉
  1. 7Andreu-Perez J, Poon CCY, Merrifield RD, et al: Big data for health. IEEE J Biomed Health Inform 2015; 19:1193-208.
    連結:
  2. Fang R, Pouyanfar S, Yang Y, et al: Computational health informatics in the big data age: a survey. ACM Comput Surv 2016;49:12.
    連結:
  3. Goldstein BA, Navar AM, Pencina MJ, et al: Opportunities and challenges in developing risk prediction models with electronic health records data: a systematic review. J Am Med Inform Assoc 2016 May 17. pii: ocw042.
    連結:
  4. Hong KJ, Shin SD, Ro YS, et al: Development and validation of the excess mortality ratio-based Emergency Severity Index. Am J Emerg Med 2012;30:1491-500.
    連結:
  5. Kennedy EH, Wiitala WL, Hayward RA, et al: Improved cardiovascular risk prediction using nonparametric regression and electronic health record data. Med Care 2013;51:251-8.
    連結:
  6. Kourou K, Exarchosa TP, Exarchosa KP, et al: Machine learning applications in cancer prognosis and prediction. Comput Struct Biotechnol J 2015;13:8-17.
    連結:
  7. Singh SK, Malik A, Firoz A, et al: CDKD: a clinical database of kidney diseases. BMC Nephrol 2012; 13:23.
    連結:
  8. Stubbs A, Kotfila C, Xu H, et al: Identifying risk factors for heart disease over time: overview of 2014 i2b2/UTHealth Shared Task Track 2. J Biomed Inform 2015;58:S67-77.
    連結:
  9. Tabak YP, Sun X, Nunez CM, et al: Using electronic health record data to develop inpatient mortality predictive model: Acute Laboratory Risk of Mortality Score (ALaRMS). J Am Med Inform Assoc 2014; 21:455-63.
    連結:
  10. Liu V, Kipnis P, Gould MK, et al: Length of stay predictions: improvements through the use of automated laboratory and comorbidity variables. Med Care 2010;48:739-44.
    連結:
  11. Carter EM, Potts HWW: Predicting length of stay from an electronic patient record system: a primary total knee replacement example. BMC Med Inform Decis Mak 2014;14:26.
    連結:
  12. Iyer G, Hanrahan AJ, Milowsky MI, et al: Genome sequencing identifies a basis for everolimus sensitivity. Science 2012;338:221.
    連結:
  13. Zlotta AR: Words of wisdom: Re: Genome sequencing identifies a basis for everolimus sensitivity. Eur. Urol 2013;64:516.
    連結:
  14. Feinberg DA, Moeller S, Smith SM, et al: Multiplexed echo planar imaging for sub-second whole brain FMRI and fast diffusion imaging. PLoS One 2010;5:e15710.
    連結:
  15. Van Horn JD, Toga AW: Human neuroimaging as a “Big Data” science. Brain Imaging Behav 2014; 8:323-31.
    連結:
  16. Arnal Barbedo JG: Digital image processing techniques for detecting, quantifying and classifying plant diseases. SpringerPlus 2013;2: 660.
    連結:
  17. Zhang X, Xing F, Su H, et al: High-throughput histopathological image analysis via robust cell segmentation and hashing. Med Image Anal 2015;26:306-15.
    連結:
  18. De Choudhury M, Counts S, Horvitz E: Social media as a measurement tool of depression in populations. In: Proceedings of the 5th Annual ACM Web Science Conference. Paris, France, 2013:47-56.
    連結:
  19. Burnap P, Colombo W, Scourfield J: Machine classification and analysis of suicide-related communication on Twitter. In: Proceedings of the 26th ACM Conference on Hypertext & Social Media. New York, NY, USA, 2015:75-84.
    連結:
  20. Feldman B, Martin EM, Skotnes T: Big data in healthcare hype and hope. Dr. Bonnie 360o. 2012. http://www.west-info.eu/files/big-data-in- healthcare.pdf./ Accessed August 4, 2016.
  21. Kieseberg P, Schantl J, Fruhwirt P, et al: Witnesses for the doctor in the loop. In: Brain Informatics and Health. Springer 2015;369-78.
  22. Huang HH, Lee CC, Chen HH: Mining professional knowledge from medical records. In: Brain Inform Health. Springer 2014;152-63.
  23. QResearch: QRESEARCH. 2012. http://www. qresearch.org./ Accessed August 4, 2016.
  24. Cholleti S, Post A, Gao J, et al: Leveraging derived data elements in data analytic models for understanding and predicting hospital readmissions. In: Proc AMIA Symp, 2012. Chicago, IL, USA, 2012:103-11.
  25. SIGKDD: KDD Cup 2008: breast cancer. 2008. http://www.kdd.org/kdd-cup/view/kdd-cup-2008./ Accessed August 4, 2016.
  26. Andoni A, Indyk P: Near-optimal hashing algorithms for approximate nearest neighbor in high dimensions. IEEE Trans Inf Technol Biomed 2012;16:758-69.
  27. Ventola CL: Social media and health care professionals: benefits, risks, and best practices. Pharmacy and Therapeutics 2014;39: 491-520.
  28. Akay A, Dragomir A, Erlandsson BE: Mining social media big data for health. IEEE Pulse 2015. http://pulse.embs.org/november-2015/ mining-social-media-big-data-for-health./ Accessed August 4, 2016.
  29. Centers for Disease Control and Prevention: CDC competition encourages use of social media to predict flu. 2013. http://www.cdc.gov/ flu/news/predict-flu-challenge.htm./ Accessed August 4, 2016.
E-mail :
文章公開取用時,將寄通知信至您填寫的信箱地址
E-mail :

close

close