মাইক্রোসফট ওয়ার্ড - ডিপ লার্নিং বনাম প্রথাগত মডেল_আব্দেল হাই_চূড়ান্ত। পর্ব 1

বিমূর্ত

ইলেকট্রনিক হেলথ রেকর্ড (EHR) ডেটার উপর ভিত্তি করে ডায়াবেটিস রোগীদের জন্য হাসপাতালে রিডমিশন রিস্ক ভবিষ্যদ্বাণী করার টুল প্রয়োজন।

মানুষের জীবনযাত্রার মান উন্নয়নের সাথে সাথে ডায়াবেটিস আমাদের দেশে একটি সাধারণ ক্রনিক রোগে পরিণত হয়েছে। ডায়াবেটিসে আক্রান্ত ব্যক্তিদের তাদের শরীরের ভালো যত্ন নিতে হবে এবং তাদের স্বাস্থ্য নিশ্চিত করতে তাদের খাদ্য ও জীবনযাপনের অভ্যাস নিয়মিত পর্যবেক্ষণ ও সমন্বয় করতে হবে। এসব দিক থেকেও স্মৃতির গুরুত্ব তুলে ধরা হয়েছে।

অনেক গবেষণা নিশ্চিত করেছে যে ডায়াবেটিস এবং স্মৃতি অবিচ্ছেদ্য। ডায়াবেটিস মস্তিষ্কের স্বাভাবিক কার্যকারিতা, বিশেষ করে স্মৃতিশক্তি, শেখার এবং জ্ঞানীয় ক্ষমতাকে প্রভাবিত করে। এটি পাওয়া গেছে যে ডায়াবেটিস রোগীদের সাধারণ মানুষের তুলনায় স্মৃতিশক্তি হ্রাস, শেখার ক্ষমতা হ্রাস এবং প্রতিক্রিয়া ক্ষমতা দুর্বল হওয়ার সম্ভাবনা বেশি।

যাইহোক, আমাদের হাল ছেড়ে দেওয়া উচিত নয়। ডায়াবেটিস কার্যকরভাবে নিয়ন্ত্রণ করা যায় এবং খাদ্যতালিকা এবং জীবনধারা পরিবর্তনের মাধ্যমে আমাদের শরীরে এর প্রভাব।

প্রথমত, খাদ্যতালিকাগত নিয়ন্ত্রণ খুবই গুরুত্বপূর্ণ। ডায়াবেটিসে আক্রান্ত ব্যক্তিদের সুষম খাদ্য গ্রহণ নিশ্চিত করতে তাদের সোডিয়াম (লবণ), চিনি এবং চর্বি সীমিত করতে হবে। একটি সুষম খাদ্য গ্রহণ শরীরের ঘুমের গুণমান, মানসিক স্বাস্থ্য, হরমোনের ভারসাম্য, বিপাক এবং আংশিক গ্রহন প্রতিরোধের জন্য উপকারী, এগুলি সবই স্মৃতিশক্তি এবং জ্ঞানীয় ক্ষমতা উন্নত করতে সাহায্য করতে পারে। দ্বিতীয়ত, কিছু ব্যায়াম যোগ করুন। ব্যায়াম শুধুমাত্র রক্তে শর্করার মাত্রা নিয়ন্ত্রণে সাহায্য করে না, এটি পেশীকে শক্তিশালী করে, মানসিক চাপ কমিয়ে এবং খারাপ মেজাজ থেকে মুক্তি দিয়ে স্মৃতিশক্তি এবং জ্ঞানীয় ক্ষমতা উন্নত করতে সাহায্য করে।

অবশেষে, সঠিক চিকিত্সা প্রয়োজন। স্থিতিশীল রক্তে শর্করার মাত্রা মস্তিষ্কের শেখার এবং স্মৃতিশক্তি উন্নত করতেও সাহায্য করে।

যদিও ডায়াবেটিসে আক্রান্ত ব্যক্তিরা স্মৃতিশক্তি হ্রাসের মতো বিভিন্ন সমস্যার সম্মুখীন হতে পারেন, তবে এটি ডায়াবেটিসে আক্রান্ত ব্যক্তিদের একটি স্বাস্থ্যকর এবং প্রাণবন্ত জীবন যাপন করতে বাধা দেবে না। আপনার খাদ্য এবং জীবনধারা নিরীক্ষণ করা, কিছু ব্যায়াম করা এবং একটি আশাবাদী মেজাজ বজায় রাখা স্বাস্থ্যের যত্নের জন্য খুবই কার্যকর। এটি আমাদের শরীর, স্মৃতি এবং জ্ঞানকে আরও ভালভাবে রক্ষা করতে পারে। আমাদের স্মৃতিশক্তি উন্নত করতে হবে, এবং Cistanche deserticola উল্লেখযোগ্যভাবে স্মৃতিশক্তি উন্নত করতে পারে কারণ Cistanche deserticola হল একটি ঐতিহ্যবাহী চীনা ঔষধি উপাদান যার অনেকগুলি অনন্য প্রভাব রয়েছে, যার মধ্যে একটি হল স্মৃতিশক্তি উন্নত করা। কিমা করা মাংসের কার্যকারিতা অ্যাসিড, পলিস্যাকারাইড, ফ্ল্যাভোনয়েড ইত্যাদি সহ বিভিন্ন সক্রিয় উপাদান থেকে আসে৷ এই উপাদানগুলি বিভিন্ন উপায়ে মস্তিষ্কের স্বাস্থ্যকে উন্নীত করতে পারে৷

মেমরি বাড়ানোর ১০টি উপায় জেনে নিন ক্লিক করুন

সর্বোত্তম মডেলিং পদ্ধতি, যদিও, অস্পষ্ট. 36,641 ডায়াবেটিস রোগীর সঙ্গে 2,836,569 এনকাউন্টারে, ডিপ লার্নিং (DL) লং শর্ট-টার্ম মেমরি (LSTM) মডেলগুলি যা পূর্বাভাস দেয় অপরিকল্পিত, সমস্ত কারণ, 30-দিন রিডমিশন তৈরি করা হয়েছিল এবং বেশ কিছু প্রথাগত মডেলের সাথে তুলনা করা হয়েছিল। মডেলগুলি একটি সাধারণ ডেটা মডেল দ্বারা সংজ্ঞায়িত EHR ডেটা ব্যবহার করে৷

রিসিভার অপারেটিং চারিত্রিক বক্ররেখার (AUROC) অধীনে LSTM মডেল এরিয়া পরবর্তী সেরা ঐতিহ্যবাহী মডেলের তুলনায় উল্লেখযোগ্যভাবে বড় ছিল [LSTM {{0}}.79 বনাম র্যান্ডম ফরেস্ট (RF) 0.72, p<0.0001]. Experiments showed that the performance of the LSTM models increased as the prior encounter number increased up to 30 encounters. 

16টি নির্বাচিত পরীক্ষাগার পরীক্ষা সহ একটি LSTM মডেল 981টি পরীক্ষাগার পরীক্ষা সহ একটি মডেলের সমতুল্য কর্মক্ষমতা প্রদান করেছে। এই নতুন ডিএল মডেলটি ডায়াবেটিস রোগীদের জন্য আরও দরকারী রিডমিশন ঝুঁকি ভবিষ্যদ্বাণী টুলের ভিত্তি প্রদান করতে পারে।

ভূমিকা

হাসপাতালে ভর্তি হওয়া রোগী এবং হাসপাতাল উভয়ের জন্যই একটি অবাঞ্ছিত, ব্যয়বহুল পরিণতি৷1 ডায়াবেটিস রোগীদের হাসপাতাল থেকে ছাড়ার 30 দিনের মধ্যে (30-দিনের রিডমিশন) ডায়াবেটিসবিহীন রোগীদের তুলনায় আরও বেশি ঝুঁকি থাকে৷

2-4 মার্কিন যুক্তরাষ্ট্রে বার্ষিক প্রায় 9 মিলিয়ন ডায়াবেটিস রোগীদের স্রাব করা হয়, 5 প্রায় 2 মিলিয়নই 30-দিনের রিডমিশন, যা অন্তত $20 বিলিয়ন হাসপাতালের খরচের অনুরূপ।

6, 7 ডায়াবেটিসের উচ্চ-ঝুঁকিপূর্ণ রোগীদের সনাক্ত করা খরচ-সুবিধা অনুপাতকে অনুকূল করে, সবচেয়ে বেশি প্রয়োজনে হস্তক্ষেপের লক্ষ্যমাত্রা সক্ষম করবে।

আমরা পূর্বে ডায়াবেটিস আর্লি রিডমিশন রিস্ক ইন্ডিকেটর (DERRITM), একটি লজিস্টিক রিগ্রেশন (LR) মডেলের বিকাশ এবং বৈধতা প্রকাশ করেছি যা ডায়াবেটিস রোগীদের মধ্যে সমস্ত কারণের 30-দিন রিডমিশনের ঝুঁকির পূর্বাভাস দেয়৷

8 DERRITM 10টি বিষয়ের ব্যবহারকারীর ইনপুটের ভিত্তিতে যত্নের স্থানে ব্যবহারের জন্য ডিজাইন করা হয়েছে। বিভক্ত নমুনা অভ্যন্তরীণ বৈধতায়, কর্মক্ষমতা ছিল বিনয়ী (রিসিভার অপারেটিং চারিত্রিক বক্ররেখার অধীনে এলাকা, AUROC 0.69)।

বাহ্যিক বৈধতা অধ্যয়নে, DERRITM AUROC ছিল {{0}}.63 এবং 0.80.9, 10 পরিবর্তনশীল ভবিষ্যদ্বাণীমূলক কর্মক্ষমতা ছাড়াও, DERRITM-এর প্রয়োগের জন্য ম্যানুয়াল ডেটা সংগ্রহ এবং এন্ট্রি প্রয়োজন, যা এর ব্যবহারের ক্ষেত্রে প্রধান বাধা ক্লিনিকাল প্র্যাক্টিস.

অন্যান্য প্রকাশিত কাজে, আমরা দেখিয়েছি যে DERRITM-এ ভেরিয়েবল যোগ করা হলে তা যথেষ্ট পরিমাণে 0.82.11-এর একটি AUROC-এর ভবিষ্যদ্বাণীমূলক নির্ভুলতাকে উন্নত করে। যা নিয়মিতভাবে ইলেকট্রনিক হেলথ রেকর্ডস (EHRs) এ নথিভুক্ত করা হয় না।

অতএব, এই মডেলটি সরাসরি একটি স্বয়ংক্রিয়, EHR- ইন্টিগ্রেটেড টুলে অনুবাদ করা যাবে না। ডায়াবেটিস রোগীদের জন্য রিডমিশন রিস্ক ভবিষ্যদ্বাণী করার জন্য একটি অপূরণীয় প্রয়োজন রয়েছে যা সঠিক এবং ব্যবহার করা সহজ।

গত কয়েক বছরে, ডায়াবেটিস রোগীদের {{0}}দিনের রিডমিশন ঝুঁকির পূর্বাভাসের জন্য একাধিক মেশিন লার্নিং (এমএল) মডেল প্রকাশিত হয়েছে। বেশ কিছু ঐতিহ্যগত ML মডেলিং পদ্ধতির অনুসন্ধান করা হয়েছে, যার মধ্যে রয়েছে র্যান্ডম ফরেস্ট (RF), k-নিকটবর্তী নিকটতম প্রতিবেশী, naïve Bayes, support vector machine (SVM), AdaBoost, and multilayer perceptron (MLP), বিস্তৃত কর্মক্ষমতা সহ (AUROC {{5) }}৷{3}}.99, নির্ভুলতা 0৷{6}}.99)৷

{{0}} ডায়াবেটিস রোগীদের রিডমিশন ঝুঁকি ভবিষ্যদ্বাণী করার জন্য ডিপলার্নিং (ডিএল) মডেলগুলিও তৈরি করা হয়েছে, এছাড়াও পরিবর্তনশীল কর্মক্ষমতা সহ (AUROC 0.61-0.97, সঠিকতা 0{{{0}} 5}}.95), যার কোনটিই সেরা ঐতিহ্যবাহী এমএলমডেলকে অতিক্রম করেনি। DL পন্থা.

25, 27 এই সমস্ত অধ্যয়ন জুড়ে মডেল পারফরম্যান্সের তুলনা, তবে, পারফরম্যান্স বৈশিষ্ট্যগুলির প্রমিত রিপোর্টিং এবং পরীক্ষার জন্য পরিবর্তনশীল পদ্ধতির অভাব দ্বারা সীমাবদ্ধ।

অতএব, এটি অস্পষ্ট রয়ে গেছে যে ডিএল মডেলগুলি ডায়াবেটিস রোগীদের জন্য রিডমিশন ঝুঁকির পূর্বাভাস দেওয়ার ক্ষেত্রে প্রথাগত এমএল মডেলগুলিকে ছাড়িয়ে যায় কিনা।

মজার বিষয় হল, এই সমস্ত পূর্ববর্তী মডেলগুলি একই ডেটাসেটে বিকশিত হয়েছিল, DERRITM এবং DERRIplus ছাড়া। এই সর্বজনীনভাবে উপলব্ধ ডেটাসেটে 1999 থেকে 2008 সালের মধ্যে মার্কিন যুক্তরাষ্ট্রের 130টি হাসপাতালের মধ্যে একটিতে ডায়াবেটিস নির্ণয় এবং 1 থেকে 14 দিনের মধ্যে থাকার জন্য হাসপাতালের সাক্ষাৎ রয়েছে৷

রোগের মাত্র 3টি আন্তর্জাতিক শ্রেণিবিন্যাস, প্রতি এনকাউন্টারে নবম সংশোধন (ICD-9) ডায়াগনস্টিক কোড, এবং শুধুমাত্র 2টি পরীক্ষাগার মান (রক্তের গ্লুকোজ এবংHbA1c) রেকর্ড করা হয়েছে।

পরিশেষে, পরিকল্পিত এবং অপরিকল্পিত রিডমিশনের মধ্যে কোন পার্থক্য নেই। এইভাবে, এই মডেলগুলির মধ্যে সেরাটিও আজকের রোগীদের মধ্যে ভাল কাজ করতে পারে না। আরো বর্তমান, সাধারণীকরণযোগ্য মডেল প্রয়োজন.

অতএব, এই ফাঁকগুলি সমাধান করার জন্য, বর্তমান গবেষণার লক্ষ্যগুলি নিম্নরূপ ছিল: 1) অপরিকল্পিত, সর্বজনীন 30-দিন রিডমিশনের পূর্বাভাসের জন্য ডিএল মডেলগুলি বিকাশ করা, 2) ডিএল মডেলগুলির কার্যকারিতার সাথে তুলনা করা ঐতিহ্যগত এমএল মডেল, 3)

মডেল ডেভেলপমেন্টে অন্তর্ভুক্ত থাকা 1 থেকে 100 পর্যন্ত পূর্ববর্তী EHR এনকাউন্টারের একটি পরিসর জুড়ে মডেলের কর্মক্ষমতা অন্বেষণ করা এবং 4) ডোমেইন নলেজ দ্বারা নির্বাচিত ল্যাবরেটরি পরীক্ষার একটি উপসেট ব্যবহার করে বিকশিত একটি DL মডেলের তুলনা করা সমস্ত উপলব্ধ ল্যাবরেটরি পরীক্ষা ব্যবহার করে বিকশিত একটি DL মডেলের সাথে।

ন্যাশনাল পেশেন্ট-সেন্টারড ক্লিনিকাল রিসার্চ নেটওয়ার্ক (DamontadelClinical) নেটওয়ার্ক দ্বারা সংজ্ঞায়িত জনসংখ্যা, অত্যাবশ্যক লক্ষণ, ডায়াগনস্টিক এবং পদ্ধতি কোড, ওষুধ, পরীক্ষাগার পরীক্ষা এবং প্রশাসনিক ডেটা ব্যবহার করে 36,641 জন ডায়াবেটিস রোগীর 2,836,569 এনকাউন্টারের ডেটাসেটে সমস্ত মডেল তৈরি ও পরীক্ষা করা হয়েছে। (সিডিএম) ২৯

উপকরণ এবং পদ্ধতিসমূহ

রোগীর গোষ্ঠীর সংজ্ঞা

অন্তর্ভুক্তির মানদণ্ড হল 1লা জুলাই, 2010 এবং 31শে ডিসেম্বর, 2020-এর মধ্যে ফিলাডেলফিয়া, PA-এর তিনটি টেম্পল ইউনিভার্সিটি হেলথ সিস্টেম হসপিটাল থেকে যে কোনও একটি থেকে অন্তত একটি স্রাব এবং ডায়াবেটিস নিম্নলিখিতগুলির মধ্যে অন্তত একটি দ্বারা সংজ্ঞায়িত: ডায়াবেটিস নির্ণয় ( ICD-9: 249. xx বা 250. xx বা ICD-10: E08.xxx থেকে E13.xxx); হিমোগ্লোবিন A1c (HbA1c) স্তর 6.5% এর চেয়ে বেশি বা সমান, বা ডায়াবেটিস-নির্দিষ্ট ওষুধের জন্য একটি অর্ডার।

এনকাউন্টারগুলি বয়স্ক রোগীদের জন্য বাদ দেওয়া হয়েছিল<18 years, discharged by transfer to another hospital, inpatient death, a diagnosis of gestational diabetes (ICD-9: 648.0x or ICD-10: O24.4x), a diagnosis of prediabetes (ICD-9: 790.29 or ICD-10: R73.03), or pregnancy (positive beta-human chorionic gonadotropin laboratory test within 90 days before or after the encounter).

রোগীদের রিডমিশন স্ট্যাটাস অনুসারে 2টি গ্রুপের একটিতে বাছাই করা হয়েছিল: যাদের কমপক্ষে এক 30-দিন রিডমিশন ছিল এবং যারা করেননি। যে রোগীদের রিডমিশন হয়েছিল তাদের মধ্যে, একটি ভর্তি-রিডমিশন জোড়া বিশ্লেষণের জন্য এলোমেলোভাবে নির্বাচিত হয়েছিল। যে সমস্ত রোগীদের রিডমিশন হয়নি তাদের মধ্যে একজন ভর্তিকে এলোমেলোভাবে বিশ্লেষণের জন্য নির্বাচিত করা হয়েছিল।

ভেরিয়েবলের সংজ্ঞা এবং ডেটা প্রিপ্রসেসিং

নিম্নলিখিত প্রতিটি ডোমেনের জন্য সিডিএম থেকে টেবিলগুলি বের করা হয়েছিল: এনকাউন্টার, জনসংখ্যা, রোগ নির্ণয়, পরীক্ষাগার পরীক্ষা, ওষুধের আদেশ, পদ্ধতি এবং গুরুত্বপূর্ণ লক্ষণ। যেহেতু একটি প্রদত্ত এনকাউন্টারের বৈশিষ্ট্যগুলি একাধিক টেবিলে বিদ্যমান ছিল, তাই টেবিলগুলি একটি অনন্য শনাক্তকারী দ্বারা একত্রিত হয়েছিল৷ নিষ্কাশিত টেবিলগুলিকে একত্রিত করার ফলে একটি প্রদত্ত এনকাউন্টারের জন্য সমস্ত রেকর্ড সমন্বিত একটি নমুনা তৈরি হয়৷

এই যথেষ্ট অনুপস্থিত ফলে. সুতরাং, অনুপস্থিততা একটি পৃথক বৈশিষ্ট্য হিসাবে ব্যবহৃত হয়েছিল। অবিচ্ছিন্ন বৈশিষ্ট্যগুলির জন্য, অনুপস্থিত ডেটা 0 দিয়ে প্রতিস্থাপিত হয়েছিল, যেখানে স্বতন্ত্র বৈশিষ্ট্যগুলিকে অনন্য বিভাগ দিয়ে প্রতিস্থাপিত হয়েছিল।

মডেলগুলিতে ইনপুট হিসাবে মোট 23টি বৈশিষ্ট্য ব্যবহার করা হয়েছিল: 14টি সিডিএম থেকে বের করা হয়েছিল এবং 9টি একত্রিত করা হয়েছিল৷ নিষ্কাশিত বৈশিষ্ট্যগুলি হল: 1) এনকাউন্টার টাইপ (ইনপেশেন্ট, ইমার্জেন্সি ডিপার্টমেন্ট, অবজারভেশন স্টে, অ্যাম্বুল্যাটরি ভিজিট, অন্যান্য অ্যাম্বুলেট্রি ভিজিট, টেলিহেলথ এবং অন্যান্য; 2) ডিসচার্জ স্ট্যাটাস (সহায়তাপূর্ণ জীবনযাত্রার সুবিধা, চিকিৎসা পরামর্শের বিপরীতে, মেয়াদ শেষ, হোম হেলথ, হোম/সেল্ফ কেয়ার, হসপিস, নার্সিং হোম, পুনর্বাসন সুবিধা, দক্ষ নার্সিং সুবিধা; 3)লিঙ্গ; 4) হিস্পানিক; 5) জাতি (আমেরিকান ভারতীয়/আলাস্কা নেটিভ, এশিয়ান, কালো, প্রশান্ত মহাসাগরীয় দ্বীপবাসী, সাদা, অন্যান্য/কোন তথ্য); 6) তামাক (বর্তমান ব্যবহারকারী, কখনও ব্যবহারকারী নয়, প্রাক্তন ব্যবহারকারী, প্যাসিভ এক্সপোজার, অন্যান্য/কোন তথ্য নেই); 7) বয়স; 8)

ডায়াগনসিস ক্লিনিকাল ক্লাসিফিকেশন সিস্টেম (সিসিএস) কোড;29 9) পদ্ধতি সিসিএস কোড;29 10) ল্যাবরেটরি ফলাফল; 11)প্রতিটি মুখোমুখি হওয়ার আগে 1 বছরের মধ্যে ওষুধের অর্ডার; 12) ডায়াস্টোলিক রক্তচাপ; 13) সিস্টোলিক রক্তচাপ; এবং 14) বডি মাস ইনডেক্স (BMI)।

সমষ্টিগত বৈশিষ্ট্যগুলি ছিল: 1) এলিক্সহাউজার শর্ত: একটি বাইনারি বৈশিষ্ট্য যা প্রতিটি শর্তের উপস্থিতি বা অনুপস্থিতি নির্দেশ করে;30 2) ভর্তির সময়কাল (দিনে থাকার দৈর্ঘ্য); 3) CCS কোডে রূপান্তরের আগে বেশ কিছু পদ্ধতি কোড; 4) CCS কোডে রূপান্তর করার আগে বেশ কয়েকটি ডায়াগনসিস কোড; 5) এনকাউন্টারের ধরন নির্বিশেষে পূর্বের এনকাউন্টার থেকে দিন সংখ্যা; 6) পূর্বে ভর্তি রোগী, পর্যবেক্ষক বা জরুরী বিভাগের মুখোমুখি হওয়ার পর থেকে বেশ কয়েক দিন; 7) অন্যান্য (অ-হাসপাতাল) এনকাউন্টার টাইপের পূর্বের মুখোমুখি হওয়ার পর থেকে বেশ কয়েক দিন; 8) বর্তমান এনকাউন্টারের আগে বেশ কয়েকটি ইনপেশেন্ট, পর্যবেক্ষণ, এবং জরুরী বিভাগের মুখোমুখি; এবং 9) বর্তমান এনকাউন্টারের আগে বেশ কিছু অন্যান্য (অ-হাসপাতাল) এনকাউন্টার।

কোড বিন্যাসকে একীভূত করতে ICD-9 কোডগুলিকে ICD-10 কোডে রূপান্তরিত করা হয়েছিল৷ ICD-10 কোড এবং পদ্ধতি কোডগুলিকে CCS কোডে রূপান্তরিত করা হয়েছিল৷ ডোমেন জ্ঞানের উপর ভিত্তি করে, ডায়াবেটিসের সাথে প্রাসঙ্গিক ওষুধগুলিকে নিম্নরূপ শ্রেণীবদ্ধ করা হয়েছে: শ্রেণী অনুসারে ডায়াবেটিসের ওষুধ, কোলেস্টেরল, কর্টিকোস্টেরয়েড, রেনিন-এনজিওটেনসিন সিস্টেম (RAAS) রক্তচাপ এজেন্ট এবং নন-RAS রক্তচাপ এজেন্ট। অন্যান্য ওষুধ উপেক্ষা করা হয়েছিল।

যে বৈশিষ্ট্যগুলি নির্ভরযোগ্য নয়, বেশিরভাগ অনুপস্থিত বা পারস্পরিক সম্পর্কযুক্ত বলে পাওয়া গেছে তা সরানো হয়েছে। তারিখ, ফলাফল, উচ্চতা, ওজন, BMI, এবং রক্তচাপ (সিস্টোলিক এবং ডায়াস্টোলিক) এর মতো বহিরাগত বৈশিষ্ট্যগুলি ডেটা বিতরণ, শতাংশ এবং ডোমেন জ্ঞান পর্যবেক্ষণ করে সরানো হয়েছিল। অনুপস্থিত মানগুলিকে অন্য বিভাগ হিসাবে বিবেচনা করা হয়েছিল যা নির্দেশ করে যে এনকাউন্টার সম্পর্কে একটি প্যারামিটার সংগ্রহ করা হয়নি।

মডেল ভবিষ্যদ্বাণী (�) এর প্রাথমিক ফলাফলটি ছিল অপরিকল্পিত, সমস্ত কারণে ইনপেশেন্ট এনকাউন্টার ডিসচার্জের 30 দিনের মধ্যে মেডিকেয়ার অ্যান্ড মেডিকেড সার্ভিসেস (CMS) দ্বারা সংজ্ঞায়িত। দিন বিশ্লেষণ করা হয়েছিল।

For more information:1950477648nn@gmail.com