國立虎尾科技大學 |

Semiparametrische Regressionsmodelle in der Versorgungsplanung = Vorhersage von Inzidenzraten unter Berücksichtigung der demographischen Entwicklung /

Record Type:	Language materials, printed : Monograph/item
Title/Author:	Semiparametrische Regressionsmodelle in der Versorgungsplanung/ von Benjamin Säfken.
Reminder of title:	Vorhersage von Inzidenzraten unter Berücksichtigung der demographischen Entwicklung /
Author:	Säfken, Benjamin.
Description:	XVIII, 136 S. 62 Abb.online resource. :
Contained By:	Springer Nature eBook
Subject:	Probabilities. -
Online resource:	https://doi.org/10.1007/978-3-658-08786-9
ISBN:	9783658087869

Semiparametrische Regressionsmodelle in der Versorgungsplanung = Vorhersage von Inzidenzraten unter Berücksichtigung der demographischen Entwicklung /
Säfken, Benjamin.

Semiparametrische Regressionsmodelle in der VersorgungsplanungVorhersage von Inzidenzraten unter Berücksichtigung der demographischen Entwicklung /[electronic resource] :von Benjamin Säfken. - 1st ed. 2015. - XVIII, 136 S. 62 Abb.online resource. - BestMasters,2625-3577. - BestMasters,.

Daten in der Versorgungsforschung -- Methoden zur Schätzung semiparametrischer Regressionsmodelle -- Erweiterte Modelle zur Prognose von Inzidenzraten.

Benjamin Säfken entwickelt in seiner Arbeit fortgeschrittene statistische Verfahren, wie semiparametrische Regressionsmodelle, für kleinräumige Fallzahlprognosen für die Versorgungsplanung. Die beschriebenen Inferenzmethoden werden an Beispieldatensätzen, etwa zu Lungenkrebs in Nordrhein-Westfalen, unter Verwendung frei verfügbarer Software praktisch umgesetzt. Die demographische Entwicklung sowie zeitliche und räumliche Trends werden bei diesen quantitativ bewertbaren Modellen berücksichtigt. Dem Gesetzgeber bieten sich die Verfahren als Hilfestellung für die Rahmenplanung an. Des Weiteren können Leistungserbringer im Gesundheitsmarkt wie Krankenhäuser die entwickelten Verfahren nutzen, um ihr Leistungsangebot an den Prognosen auszurichten. Der Inhalt Daten in der Versorgungsforschung Methoden zur Schätzung semiparametrischer Regressionsmodelle Erweiterte Modelle zur Prognose von Inzidenzraten Die Zielgruppen Dozenten und Studenten der Mathematik mit den Schwerpunkten angewandte Statistik und Epidemiologie Epidemiologen und Praktiker aus den Bereichen Krankenhausmarktanalyse und Medizincontrolling Der Autor Benjamin Säfken verfasste seine Masterarbeit bei Prof. Dr. Thomas Kneib, Inhaber des Lehrstuhls für Statistik, an der Universität Göttingen und promoviert zurzeit am Graduiertenkolleg „Skalenprobleme in der Statistik“ an der Universität Göttingen. .

ISBN: 9783658087869

Standard No.: 10.1007/978-3-658-08786-9doiSubjects--Topical Terms:

527847
Probabilities.

LC Class. No.: QA273.A1-274.9

Dewey Class. No.: 519.2

Semiparametrische Regressionsmodelle in der Versorgungsplanung = Vorhersage von Inzidenzraten unter Berücksichtigung der demographischen Entwicklung /
LDR:02940nam a22003855i 4500 001 962992
003 DE-He213
005 20200713162634.0
007 cr nn 008mamaa
008 201211s2015 gw | s |||| 0|ger d
020 $a 9783658087869 $9 978-3-658-08786-9
024 7 $a 10.1007/978-3-658-08786-9 $2 doi
035 $a 978-3-658-08786-9
050 4 $a QA273.A1-274.9
050 4 $a QA274-274.9
072 7 $a PBT $2 bicssc
072 7 $a MAT029000 $2 bisacsh
072 7 $a PBT $2 thema
072 7 $a PBWL $2 thema
082 0 4 $a 519.2 $2 23
100 1 $a Säfken, Benjamin. $e author. $4 aut $4 http://id.loc.gov/vocabulary/relators/aut $3 1257924
245 1 0 $a Semiparametrische Regressionsmodelle in der Versorgungsplanung $h [electronic resource] : $b Vorhersage von Inzidenzraten unter Berücksichtigung der demographischen Entwicklung / $c von Benjamin Säfken.
250 $a 1st ed. 2015.
264 1 $a Wiesbaden : $b Springer Fachmedien Wiesbaden : $b Imprint: Springer Spektrum, $c 2015.
300 $a XVIII, 136 S. 62 Abb. $b online resource.
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
347 $a text file $b PDF $2 rda
490 1 $a BestMasters, $x 2625-3577
505 0 $a Daten in der Versorgungsforschung -- Methoden zur Schätzung semiparametrischer Regressionsmodelle -- Erweiterte Modelle zur Prognose von Inzidenzraten.
520 $a Benjamin Säfken entwickelt in seiner Arbeit fortgeschrittene statistische Verfahren, wie semiparametrische Regressionsmodelle, für kleinräumige Fallzahlprognosen für die Versorgungsplanung. Die beschriebenen Inferenzmethoden werden an Beispieldatensätzen, etwa zu Lungenkrebs in Nordrhein-Westfalen, unter Verwendung frei verfügbarer Software praktisch umgesetzt. Die demographische Entwicklung sowie zeitliche und räumliche Trends werden bei diesen quantitativ bewertbaren Modellen berücksichtigt. Dem Gesetzgeber bieten sich die Verfahren als Hilfestellung für die Rahmenplanung an. Des Weiteren können Leistungserbringer im Gesundheitsmarkt wie Krankenhäuser die entwickelten Verfahren nutzen, um ihr Leistungsangebot an den Prognosen auszurichten. Der Inhalt Daten in der Versorgungsforschung Methoden zur Schätzung semiparametrischer Regressionsmodelle Erweiterte Modelle zur Prognose von Inzidenzraten Die Zielgruppen Dozenten und Studenten der Mathematik mit den Schwerpunkten angewandte Statistik und Epidemiologie Epidemiologen und Praktiker aus den Bereichen Krankenhausmarktanalyse und Medizincontrolling Der Autor Benjamin Säfken verfasste seine Masterarbeit bei Prof. Dr. Thomas Kneib, Inhaber des Lehrstuhls für Statistik, an der Universität Göttingen und promoviert zurzeit am Graduiertenkolleg „Skalenprobleme in der Statistik“ an der Universität Göttingen. .
650 0 $a Probabilities. $3 527847
650 0 $a Cancer research. $3 1253664
650 0 $a Biomathematics. $3 527725
650 1 4 $a Probability Theory and Stochastic Processes. $3 593945
650 2 4 $a Cancer Research. $3 668358
650 2 4 $a Mathematical and Computational Biology. $3 786706
710 2 $a SpringerLink (Online service) $3 593884
773 0 $t Springer Nature eBook
776 0 8 $i Printed edition: $z 9783658087852
830 0 $a BestMasters, $x 2625-3577 $3 1253531
856 4 0 $u https://doi.org/10.1007/978-3-658-08786-9
912 $a ZDB-2-SNA
950 $a Life Science and Basic Disciplines (German Language) (SpringerNature-11777)