开发一个高性能网络计算的大双方网络数据的酒精使用障碍治疗转介
Muhammad Tuan Amith1,2, Sharon Andrews3, Angela Heads4
1Department of Biostatistics and Data Science, University of Texas Medical Branch, Galveston, TX USA.
Proceedings. IEEE International Conference on Semantic Computing
|July 2, 2025
概括
这项研究引入了一个新的C语言软件库,用于从电子健康记录中分析大型社交网络数据集. 这有助于人们更好地了解饮酒障碍转诊和患者参与策略.
科学领域:
- 公共卫生 公共卫生
- 数据科学数据科学数据科学
- 网络分析 网络分析
背景情况:
- 电子健康记录 (EHR) 为公共卫生提供了有价值的大数据.
- 电子健康数据中的社交网络数据可以揭示酒精使用障碍 (AUD) 转诊的模式.
- 了解社交网络是提高AUD患者参与度的关键.
研究的目的:
- 开发一个可扩展的软件库,用于分析大规模的社交网络数据.
- 为解决公共卫生研究处理大量网络数据的局限性.
- 加强对AUD患者群体中网络暴露和归属暴露的分析.
主要方法:
- 开发了一个C软件库,能够计算大容量,随机生成的网络图形 (500-10,000个节点).
- 该库解决了可扩展性问题,处理高达4000万个边缘.
- 与现有工作的整合,以管理大网络数据.
主要成果:
- 成功创建了一个C库,以高效处理大型网络图形.
- 证明能够处理以前无法管理的网络数据量.
- 为未来的集成与先进的网络曝光模型奠定了基础.
结论:
- 新的图书馆显著提高了分析来自EHR的大型网络数据的能力.
- 这一进步支持对酒精使用障碍患者的更好理解和参与策略.
- 未来的工作将扩大对各种网络模型和大数据分析接口的支持.
