Our goal was to identify an interpr

Our goal was to identify an interpretable set of environmental
risk factors of asthma distributed geographically. Other studies
have combined environmental variables and EHR data, spatial statistics
and disease, and spatial statistics and sparsity. Our main
contribution is the addition of sparsity to spatial statistics. As
applied to geographically distributed EHR and environmental
datasets, we describe this methodology as Sparse Spatial
Environmental Analysis (SASEA).

ผลลัพธ์ (ไทย) 1:

เป้าหมายของเราคือการ ระบุการตั้งค่า interpretable ของสิ่งแวดล้อมปัจจัยเสี่ยงของโรคหอบหืดในการกระจายทางภูมิศาสตร์ การศึกษาอื่น ๆได้รวมตัวแปรสิ่งแวดล้อม และข้อมูล EHR สถิติเชิงพื้นที่และ โรค และสถิติเชิงพื้นที่ และ sparsity หลักของเราผลงานของ sparsity สถิติเชิงพื้นที่ได้ เป็นใช้ EHR กระจายทางภูมิศาสตร์ และสิ่งแวดล้อมชุดข้อมูล เราอธิบายวิธีการนี้เป็นเชิงพื้นที่ห่างการวิเคราะห์สิ่งแวดล้อม (SASEA)

ผลลัพธ์ (ไทย) 2:

เป้าหมายของเราคือการระบุชุด interpretable สิ่งแวดล้อม
ปัจจัยเสี่ยงของโรคหอบหืดกระจายทางภูมิศาสตร์ การศึกษาอื่น ๆ
ได้รวมตัวแปรด้านสิ่งแวดล้อมและ EHR ข้อมูลสถิติเชิงพื้นที่
และโรคและสถิติเชิงพื้นที่และ sparsity หลักของเรา
มีส่วนร่วมคือนอกเหนือจาก sparsity สถิติเชิงพื้นที่ ในฐานะที่
นำไปใช้กับ EHR กระจายทางภูมิศาสตร์และสิ่งแวดล้อม
ชุดข้อมูลที่เราจะอธิบายวิธีการนี้เช่นเบาบางเชิงพื้นที่
การวิเคราะห์สิ่งแวดล้อม (SASEA)

ผลลัพธ์ (ไทย) 3:

เป้าหมายของเราคือเพื่อระบุการตั้งค่า interpretable ของสิ่งแวดล้อมปัจจัยเสี่ยงของโรคหอบหืด การกระจายทางภูมิศาสตร์ การศึกษาอื่น ๆได้ผสมผสานสิ่งแวดล้อมและข้อมูล EHR , สถิติเชิงพื้นที่และโรคและสถิติเชิงพื้นที่และ sparsity . หลักของเราผลงานคือการเพิ่มของ sparsity สถิติเชิงพื้นที่ เป็นใช้กับภูมิศาสตร์และกระจายบทความสิ่งแวดล้อมข้อมูล เราจะได้อธิบายวิธีการนี้เป็นป่าโปร่ง พื้นที่การวิเคราะห์สภาพแวดล้อม ( sasea )