公共文化服务平台

搜索到911篇“ 公共卫生领域“的相关文章

2003—2023年国内重大突发公共卫生领域研究热点及趋势可视化分析: 2025年; 目的分析我国重大突发公共卫生领域的研究热点和趋势,为相关研究提供参考依据。方法收集2003年1月1日—2023年6月28日在中国知网、万方数据知识服务平台以及维普网中关于重大突发公共卫生领域的文献,运用CiteSpace软件对期刊、机构、作者和关键词等进行可视化分析。结果共获得有效文献4868篇,2020年重大突发公共卫生领域研究增多,作者和机构合作网络呈局部分布。2003—2023年研究热点领域主要集中在传染病、网络舆情、公共卫生。根据研究热点演化趋势及其他因素可以划分为3个阶段,即初期(2003—2008年)、平稳期(2009—2019年)和暴发期(2020—2023年)。重大传染病发生后出现新热点研究领域,包括社区治理、多元主体、护士、信息疫情、高校以及隐私权等。结论重大突发公共卫生事件仍然是研究热点,但受重大传染病疫情影响较大,作者和机构的合作交流程度低,对特殊人群的研究以及研究向社会化、法制化以及信息化发展可能是未来研究的发展趋势。; 井立鹏刘晓明杨茜文曾雪姣贺盼盼张祉薇胡晓斌; 关键词：重大突发公共卫生事件突发公共卫生文献计量学 CITESPACE

复杂网络在公共卫生领域中的研究与应用: 2025年; 本文综述了近15年来复杂网络在公共卫生领域的应用现状和发展趋势,重点介绍了复杂网络的理论基础、社会网络、生物学网络、人体复杂网络及复杂网络分析技术在公共卫生领域的应用。经过梳理以往研究发现,复杂网络作为一种多学科交叉的研究工具,其在疾病传播模型建立、疾病控制、健康政策制定等方面具有重要意义;然而复杂网络在公共卫生领域应用仍面临诸多挑战,如存在跨学科合作不足、复杂模型参数控制等问题;但是复杂网络在公共卫生领域拥有广阔的应用前景,相信伴随着复杂网络理论的不断完善,其可为公共卫生与医疗领域提供解决问题的新视角与新方法,促进全球公共卫生的进步与发展。; 董德文刘洋; 关键词：复杂网络公共卫生社会网络

高光谱成像技术在公共卫生领域中的应用与展望: 2025年; 高光谱技术将二维成像技术与光谱获取技术相结合。其能够获得图像的多维信息,包括图像的空间信息和每个像素数百个连续波段的光谱信息,具有图谱合一的重要特性。空间信息可以反映样本的形状、大小等外在的物质特征,连续的光谱信息能够反映样本内部的化学成分或者物理结构的差别。由于上述特点,HSI技术被广泛应用于生物医疗、军事防御、农业检测等领域。然而,HSI技术在公共卫生领域仍属于新兴技术并有广泛的应用前景。本文介绍了HSI的成像技术原理、数据处理方法,总结了近年来HSI技术在公共卫生领域的发展和应用现状,并探讨了HSI技术在此领域的未来发展方向。; 闵博阳袁宇; 关键词：公共卫生污染病毒

国内外数字公共卫生领域研究热点与前沿探究: 2024年; 目的全面客观阐述数字公共卫生学科的发展历程、研究热点及趋势,为未来数字公共卫生研究提供参考。方法通过检索中国知网(CNKI)与Web of science(WOS)核心数据库收录的数字公共卫生相关研究文献,检索时间范围为1990年1月至2023年6月,纳入CNKI文献6437篇、WOS文献5344篇,运用文献计量分析软件CiteSpace,对检索到的所有文献进行可视化分析、关键词共现、聚类分析,时间线分析以及突现分析。结果从2013年起,公共卫生学科进入快速发展阶段。国内外研究共同关注传染病和慢性病监测与预测、大数据和人工智能等新兴技术在公共卫生领域广泛运用。中文关键词共现知识图谱中共有728个节点、2286个连接,中文关键词中共形成56个聚类,国内研究重点集中在医疗体系建设,研究热点包括信息化和电子病历的管理;英文关键词共现知识图谱中共有980个节点、3824个连接,英文关键词形成67个聚类,国际研究注重疾病干预手段,研究热点包括社交媒体和数字心理健康。结论数字公共卫生学科正处于高速发展期,研究内容与趋势与数字技术的发展创新及重大公共卫生事件紧密关联。个性化数字健康服务将成为未来研究热点,数字公共卫生学科拥有广阔前景。; 康力王慧; 关键词：公共卫生数字化可视化分析

机器学习在公共卫生领域的应用现状: 2024年; 公共卫生问题与人们的健康状况和生命质量密切相关。近年来随着人工智能的发展,机器学习在公共卫生领域得到了更为广泛的应用,机器学习技术可以处理大量的数据,并从中发现模式和趋势,从而帮助公共卫生部门更好地了解公共卫生问题。本文综述了近年来机器学习在公共卫生领域的应用,包括在流行病学研究、公共卫生监测、健康信息处理、公共卫生决策、心理健康等方面中的应用。; 宋源龙张态; 关键词：公共卫生流行病学人工智能

因果推断在公共卫生领域的研究进展与应用: 2024年; 探究因果关系在公共卫生领域中起的核心作用。回顾潜在结果框架和结构因果模型,介绍这两类框架下常用的因果推断方法,例如倾向得分匹配、工具变量法、断点回归和双重差分、基于机器学习的因果推断方法等,阐述这些因果推断方法的适用条件与优缺点及其在公共卫生领域的应用。; 梁胤豪周鼒方亚; 关键词：因果推断公共卫生

中美公共卫生领域学术合作的文献分析被引量：2: 2024年; 目的:分析中美公共卫生领域学术合作发文的特点及变化趋势,为进一步促进两国的卫生学术合作提出循证证据和参考依据。方法:在Web of Science核心合集数据库,检索中美在公共卫生领域学术合作发表的文献,依据美国总统任期划分为5个阶段,基于文献计量分析的方法,对各阶段发文的数量、研究热点、国家主导率以及机构合作特点进行分析。结果:共检索12103篇文献,各阶段的年均发文数量持续增长,拜登政府时期达到最高值1372篇。中国在中美公共卫生学术合作中的主导率不断上升,至奥巴马政府时期超过美国,达到53.92%,在特朗普政府时期最高,为63.57%。5个阶段发文量前10的机构中,中国机构从6个增加到9个,但中介中心性值≥0.1的中国机构数量逐渐减少。结论:中国在中美公共卫生学术合作中的主导地位不断上升,合作的研究热点趋于多样化,但中国机构的学术影响力仍有待提高。; 彭佳方晢伊黄葭燕; 关键词：公共卫生文献计量分析

贵州省公共卫生领域卫生健康标准宣贯效果评价: 2024年; 目的通过在贵州省卫生系统中开展公共卫生领域卫生健康标准的宣贯培训及实施效果评价,了解其对卫生标准的知晓、使用和需求情况等内容。方法使用描述性方法对贵州省卫生系统工作人员进行卫生健康标准宣贯培训前后问卷调查的结果进行分析。结果经宣贯培训后,卫生系统人员对卫生标准知晓率(听说过卫生标准)由92.66%提高至96.37%,对卫生标准的需求率由97.57%提高至98.54%,差异均有统计学意义(P均<0.001);卫生系统人员的卫生标准知晓渠道主要为宣传资料、文件和各地疾控中心或市场监督管理局官网查询,其中标准培训班占51.35%;宣贯培训后,疾控机构、卫生监督机构、医疗机构人员卫生标准知晓率在95%以上,需要卫生标准规范和推荐工作的人员均在97%以上;市州级卫生机构健康标准知晓率(96.88%)高于县区级,但差异无统计学意义(P>0.05),而县区级卫生机构卫生标准使用率(94.73%)高于市州级卫生机构,差异有统计学意义(P<0.001)。结论卫生健康标准的宣贯培训提高了贵州省卫生系统工作人员对于卫生标准的知晓率和需求率,不同卫生机构工作人员对卫生健康标准的需求均较高,但需加强县区级卫生系统卫生健康标准的宣贯培训和市州级卫生系统卫生健康标准的宣贯实施,提升县区级卫生系统公共卫生领域卫生健康标准知晓率和市州级卫生系统公共卫生领域卫生健康标准使用率。; 涂英蒋昔希陈川川杨蕊; 关键词：公共卫生

国内外公共卫生领域胜任力模型研究的实践与展望: 2024年; 近年来,随着我国对突发公共卫生事件中公共卫生人员的角色愈发重视、要求不断提高,胜任力作为评价公共卫生人员能否胜任该职业的重要标准,对提升公共卫生队伍质量具有重要参考价值。因此,如何构建科学合理的构建公共卫生领域的胜任力模型,对公共卫生人员改善自身多方面能力和成长为可以独立行医的合格医生具有十分重要的意义。本文通过查阅大量国内外公共卫生领域的胜任力模型文献,总结国内外胜任力模型的研究成果与实践,为公共卫生人员胜任力模型构建的方法和评价指标的确定提供依据。通过研究发现,目前国外公共卫生领域的胜任力模型研究已趋成熟,但是国内的相关研究仍处于起步和发展阶段,而由于国外公共卫生人员的岗位职责和工作内容与我国公共卫生人员存在诸多不同,其胜任力模型不能直接套用在我国公共卫生领域的实践中。; 张兆文刘念; 关键词：公共卫生胜任力胜任力模型

面向公共卫生领域的语言模型预训练: 2024年; 公共卫生事件的突发性、变化性及不确定性加大了公共卫生信息处理与监测的难度,而构建领域预训练模型则可提升其下游任务的效果。目前国内外已有一些专注于社交媒体和医学领域的增强式公共卫生领域预训练模型,但是这些模型的训练语料规模小、来源单一、文本长度短小,缺乏包含丰富语义信息的长文本无监督语料。为了解决这一问题,该文采用基础BERT模型对获取的大规模公共卫生领域新闻语料进行自适应预训练,并构建了一个适用深度语义学习的领域预训练模型PHD-News-BERT,以更好地进行该领域相关任务的学习。通过在5种下游任务的8个数据集上与5种基线模型进行实验比较,结果显示,PHD-News-BERT在大多数任务中取得了显著的性能,表明其具有良好的泛化性和鲁棒性。预期可为公共卫生领域的未来工作引入新的基准。; 王连喜胡冠锋; 关键词：公共卫生自然语言处理

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈