l-曲线矩阵代码糖尿病再入院预测 2014年NITK CMU冬季学校的研究项目：糖尿病再入院率分析，用于有效的医院资源管理和提高初诊效率。 医院再入院率分析 A.引言 1.重要性和问题！ 在印度和许多其他国家/地区，我们可以观察到排队等候医生的病人以及在急诊病房死亡的许多病人，而在适当的时间没有医生在场。 此外，由于缺乏医疗设备，护士，化验室和救护车，许多患者失去了生命。 这要求有效的医院资源管理。 如果在初期就诊断出许多疾病，例如癌症，心脏病等，就可以治愈。 在大多数情况下，患者会因某些疾病而入院，医生可能会在初次诊断时错过实际的并发症，由于此原因患者后来会出现严重的并发症，并可能导致其死亡。 因此，需要提高初始诊断的效率。 另一方面，处理同一患者的再入院将在一定时间内消耗给定人群的资源，从而增加了整体医疗费用。 因此，降低与重新录取相关的成本对任何国家来说都是非常重要的。 2.我们在做什么？ 问题！ 敏锐地观察上述问题，我们可以确定它们与医院的再住院密切相关。 因此，通过预测患者是否会在一个月内再次入院，我们可以估算出再入院率，这有助于根据特定时间和地点所需的医生，医疗设备等的类型

本项目是一个基于Bmob后台的糖尿病用药跟踪软件。分为电子病历、提醒助手、锻炼管理、病友圈等部分。只是实现了简单的数据读写部分，测试账号1密码1。如果失效了可以自己尝试注册一个。

会员/管理员进入网站进行操作查看等功能，管理员拥有管理端进行所有的管理操作。 本网站功能按两种身份权限进行设计与实现，分别为会员、管理员，功能如下： 主页：食材信息（图片+名称+几句介绍） 会员： （1）注册：需要病人提供相关数据，如：用户名、密码、姓名、性别、年龄、身高、体重、糖化蛋白、出生年月日、联系电话、电子邮箱、职业类型等。通过该功能模块，注册成为病人会员。 （2）登录： （3）管理个人信息：增删改。 （4）推荐界面：通过该功能模块，可以查看当天早午晚饮食推荐，页面内显示早餐：食物名、重量；中餐：食物名、重量；晚餐：食物名、重量。（协同过滤算法） 管理员： （1）登录：用户名和密码早在数据库中设定好。 （2）病人信息管理：通过该功能模块，可对病人信息进行搜索、查看、删除的操作。 （3）食材信息管理：管理主页的食材信息（增删改查）

糖尿病视网膜图像数据集 ，只有526个样本，一半样本患有糖尿病视网膜病变，一半样本没有。数组的元数据在Binary Dataframe CSV中给出，图像在同一索引的数组上 糖尿病视网膜图像数据集 ，只有526个样本，一半样本患有糖尿病视网膜病变，一半样本没有。数组的元数据在Binary Dataframe CSV中给出，图像在同一索引的数组上

糖尿病性视网膜病变图像数据集，总图像= 2750张、正常(非DR) = 1000张、轻度DR = 370张、中等DR = 900张、增生性DR = 290张 糖尿病性视网膜病变图像数据集，总图像= 2750张、正常(非DR) = 1000张、轻度DR = 370张、中等DR = 900张、增生性DR = 290张

糖尿病足溃疡图片数据集，该数据集有四个类型的图片文件夹，共2673张图片。 糖尿病足溃疡图片数据集，该数据集有四个类型的图片文件夹，共2673张图片。 糖尿病足溃疡图片数据集，该数据集有四个类型的图片文件夹，共2673张图片。

内含脱敏体检数据，以及算法源码。

基于机器学习的糖尿病分析

该数据集代表了 10 年 (1999-2008) 在 130 家美国医院和综合交付网络中的临床护理。它包括代表患者和医院结果的 50 多个特征。从数据库中提取满足以下标准的遭遇信息。(1) 是住院就诊（入院）。(2) 这是一场糖尿病遭遇，也就是说，在此期间任何一种糖尿病都被输入系统作为诊断。（三）停留时间最少1天，最多14天。(4) 在遭遇期间进行了实验室测试。(5) 在遭遇期间进行了药物治疗。数据包含患者人数、种族、性别、年龄、入院类型、住院时间、入院医师的医学专业、进行的实验室检查次数、HbA1c 测试结果、诊断、用药次数、糖尿病用药次数、门诊人数等属性住院前一年的住院、急诊次数等。

糖尿病逻辑回归 使用Logistic回归预测一个人是否患有糖尿病。