5. ConclusionsThe purpose of this r

5. Conclusions
The purpose of this review was to distinguish CDSSs
applied to patients suffering from pain, in relation to
N. Pombo et al. / Applied computer technologies in clinical decision support systems for pain management 2421
their computer technologies. Thirty-nine studies were
examined and the main findings are summarised as
follows:
(RQ1) the computer technologies that have been
applied in CDSSs include machine learning and content
processing. Machine learning encompasses rule based
algorithms (RBA), artificial neural networks (ANN),
rough and fuzzy sets (RFS), and statistical learning
algorithms (SLA). Content processing comprises terminologies,
questionnaires, and scores.
(RQ2) The ANN presented the higher median accuracy
(87.5%), and thus outperformed RFS (77%), SLA
(74%) and RBA (57%). Moreover, the Bayesian network,
logistic regression and fuzzy logic presented the

ผลลัพธ์ (ไทย) 1:

5. บทสรุปวัตถุประสงค์ของรีวิวนี้คือการ แยก CDSSsใช้กับผู้ป่วยที่ทุกข์ทรมานจากความเจ็บปวด ความสัมพันธ์กับN. Pombo et al. / ใช้เทคโนโลยีคอมพิวเตอร์ในระบบสนับสนุนการตัดสินใจทางคลินิกสำหรับการจัดการอาการปวด 2421เทคโนโลยีของคอมพิวเตอร์ ถูกศึกษาสามสิบเก้าตรวจสอบ และสรุปเป็นประเด็นหลักต่อไปนี้:(RQ1) เทคโนโลยีคอมพิวเตอร์ที่ได้รับนำไปใช้ใน CDSSs รวมถึงการเรียนรู้ของเครื่องและเนื้อหาการประมวลผล เครื่องจักรการเรียนรู้ครอบคลุมตามกฎอัลกอริทึม (RBA), เครือข่ายประสาทเทียม (แอน),ชุดหยาบ และเลือน (โรงพยาบาลเอกชล), และการเรียนรู้ทางสถิติอัลกอริทึม (SLA) ประกอบด้วยเนื้อหาประมวลองค์กรณ์แบบสอบถาม และคะแนน(RQ2) แอนที่แสดงความแม่นยำเฉลี่ยสูงกว่า(87.5%), และดังนั้น กรรมการโรงพยาบาลเอกชล (77%), SLA(74%) และ RBA (57%) นอกจากนี้ เครือข่ายทฤษฎีถดถอยโลจิสติกและตรรกศาสตร์แสดงการ

ผลลัพธ์ (ไทย) 2:

5. สรุป
วัตถุประสงค์ของการตรวจสอบนี้คือการแยกแยะความแตกต่าง CDSSs
นำไปใช้กับผู้ป่วยที่ทุกข์ทรมานจากความเจ็บปวดในความสัมพันธ์กับ
เอ็น Pombo et al, เทคโนโลยี / คอมพิวเตอร์ประยุกต์ในระบบสนับสนุนการตัดสินใจทางคลินิกสำหรับการจัดการความเจ็บปวด 2421
เทคโนโลยีคอมพิวเตอร์ สามสิบเก้าการศึกษาได้รับการ
ตรวจสอบและผลการวิจัยที่สำคัญสรุปได้
ดังนี้
(RQ1) เทคโนโลยีคอมพิวเตอร์ที่ได้รับ
นำไปใช้ใน CDSSs รวมถึงการเรียนรู้เครื่องและเนื้อหา
ในการประมวลผล การเรียนรู้เครื่องบนโลกไซเบอร์ตามกฎ
อัลกอริทึม (RBA) เครือข่ายประสาทเทียม (ANN)
หยาบและเลือนชุด (RFS) และการเรียนรู้ทางสถิติ
อัลกอริทึม (SLA) การประมวลผลเนื้อหาประกอบด้วยคำศัพท์,
แบบสอบถามและคะแนน.
(RQ2) แอนนำเสนอความถูกต้องเฉลี่ยที่สูงขึ้น
(87.5%) และทำให้เฮง RFS (77%), SLA
(74%) และ RBA (57%) นอกจากนี้ยังมีเครือข่ายคชกรรม
ถดถอยโลจิสติกและตรรกศาสตร์ที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

5 . สรุปวัตถุประสงค์ของการทบทวนนี้เพื่อแยกแยะ cdsssใช้กับผู้ป่วยทุกข์ทรมานจากความเจ็บปวดในความสัมพันธ์กับ. pombo et al . / การใช้เทคโนโลยีคอมพิวเตอร์ในระบบสนับสนุนการตัดสินใจสำหรับการจัดการอาการปวดข้อมูลทางคลินิกเทคโนโลยีคอมพิวเตอร์ของพวกเขา สามสิบเก้าศึกษาตรวจสอบและสรุปเป็นข้อมูลหลักดังนี้ :( rq1 ) เทคโนโลยีคอมพิวเตอร์ ที่ได้รับที่ใช้ใน cdsss รวมการเรียนรู้ของเครื่องและเนื้อหาการประมวลผล เครื่องจักรการเรียนรู้ครอบคลุมใช้กฎขั้นตอนวิธี ( RBA ) , โครงข่ายประสาทเทียม ( ANN )หยาบและฟัซซี่ชุด ( rfs ) และการเรียนรู้ทางสถิติขั้นตอนวิธี ( SLA ) เนื้อหาประกอบด้วยคำศัพท์การประมวลผล ,แบบสอบถาม และคะแนน( rq2 ) แอนนำเสนอความถูกต้องสูงกว่าค่ามัธยฐาน( ร้อยละ 87.5 ) , และดังนั้นเมื่อ rfs ( 77 เปอร์เซ็นต์ ) , SLA( 74% ) และ RBA ( 57 ) นอกจากนี้เครือข่ายเบย์ถดถอยโลจิสติกและฟัซซีลอจิกนำเสนอ