TWI751453B - 穿戴裝置或行動裝置之風險評估方法 - Google Patents
穿戴裝置或行動裝置之風險評估方法 Download PDFInfo
- Publication number
- TWI751453B TWI751453B TW108142237A TW108142237A TWI751453B TW I751453 B TWI751453 B TW I751453B TW 108142237 A TW108142237 A TW 108142237A TW 108142237 A TW108142237 A TW 108142237A TW I751453 B TWI751453 B TW I751453B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- model
- mobile device
- wearable device
- customer
- Prior art date
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一種穿戴裝置或行動裝置之風險評估方法,除蒐集客戶穿戴裝置或行動裝置資料外,更結合錯誤型態偵測與外部資料介入來優化模型,可排除造假或是穿戴裝置或行動裝置錯誤資料,並透過蒐集健康相關新聞資訊以排除短期效應之誤判,達到提高模型判讀的精準度,並能提供後續業務往來相關建議。
Description
本發明係有關於一種穿戴裝置或行動裝置之風險評估方法,尤指涉及一種結合錯誤型態偵測與外部資料介入來優化模型,特別係指可排除造假或是穿戴裝置或行動裝置錯誤資料,並透過蒐集健康相關新聞資訊以排除短期效應之誤判,達到提高模型判讀的精準度,進而提供後續業務往來相關建議者。
國內外目前新型態人壽保險商品發展趨勢,已從過往依據人口統計資訊(年齡、性別、職業等)齊頭式評估保單風險,轉換成基於個人習慣提供浮動保險機制(Usage Based Insurance,UBI),例如生活習慣評估健康風險。此類商品在實務商品設計階段上需面對三項問題:(1)使用者資訊來源;(2)健康風險評估準則;以及(3)保險費用設計。
在健康風險評估準則中,目前市場上穿戴式裝置所包含的自動化量測生理、活動資訊的感測元件(如PPG、G-sensor)已可紀錄心跳、走路、運動與睡眠等多種生理/活動資訊,可長時間且持續性追蹤客戶身心壓力、生活型態與習慣,整體性評估健康風險。
然而,現有的追蹤技術雖可達成以上目的,但在分析的角度來說,理論上有一些行為是欺騙性假訊息,例如:感測元件每天都有紀錄到運動資訊,但事實上這資訊的來源可能並非源自受測者本人,因此無法有效排
除錯誤值。再者,以時間序列這種分析法而言,通常需加以考慮介入因子,例如:新聞報導走路相關資訊,導致某區間內多數客戶突然增加走路步數,使得模型接收到一大堆走路的資訊,但此事件的可信度,亦即該些客戶能不能持久的增加走路步數這件事將會影響模型的穩定度,假設只是一窩蜂稍微衝高,那其實它有可能只是短暫持續的假事件,此行為所產生的數值並不能代表該些客戶風險屬性的評估,致使系統無法獲取客戶更為優化之評估模型精確度,上述各項缺失將影響其模型與資料解讀性,無法對業務推廣與風險評估提供參考或行銷優惠,或針對特定族群提供限定商品活動。
是以,如何改善上述的問題,申請人有鑑於習知技術中所產生之缺失,經過悉心試驗與研究,並一本鍥而不捨之精神,終構思出本發明以解決習知技藝之缺點。
本發明之主要目的係在於,克服習知技藝所遭遇之上述問題並提供一種除蒐集客戶穿戴裝置或行動裝置資料外,更結合錯誤型態偵測與外部資料介入來優化模型,可排除造假或是穿戴裝置或行動裝置錯誤資料,並透過蒐集健康相關新聞資訊以排除短期效應之誤判,達到提高模型判讀的精準度,並能提供後續業務往來相關建議之穿戴裝置或行動裝置之風險評估方法。
為達以上之目的,本發明係一種穿戴裝置或行動裝置之風險評估方法,其至少包含下列步驟:步驟一:蒐集客戶基本資料與業務往來資料以及客戶所有相關資料並加以儲存;步驟二:經由客戶之穿戴裝置或行動裝
置蒐集客戶身體狀態相關數值以產生一身體感測資料並加以儲存;步驟三:針對健康相關新聞資訊蒐集外部資料並加以儲存;以及步驟四:針對所儲存之身體感測資料、客戶基本資料與業務往來資料以及客戶所有相關資料建立評估模型,並結合所儲存之外部資料建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或行動裝置錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集健康相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,進而優化該評估模型精準度,再將該評估模型之評估結果提供給後續業務往來相關建議。
於本發明上述實施例中,更包含一銀行主機單元、該連結該銀行主機單元之穿戴裝置或行動裝置、一連接全球網路之外部資料蒐集伺服器單元、以及一連結該銀行主機單元與該外部資料蒐集伺服器單元之分析伺服器單元。
於本發明上述實施例中,該銀行主機單元可儲存客戶基本資料與業務往來資料以及客戶所有相關資料,其包含既有業務往來所有基本資料、業務明細資料以及透過客戶授權蒐集之所有資料,該授權蒐集之所有資料包含網路行為以及透過該穿戴裝置或行動裝置蒐集之身體感測資料的相關資料內容。
於本發明上述實施例中,該穿戴裝置或行動裝置為手機、平板、手錶或眼鏡,可蒐集客戶身體狀態相關數值以產生一身體感測資料並回傳至該銀行主機單元儲存。
於本發明上述實施例中,該穿戴裝置或行動裝置蒐集之身體感
測資料,係包含該穿戴裝置或行動裝置可授權同意取得之心率、步行數以及睡眠品質之相關資料。
於本發明上述實施例中,該外部資料蒐集伺服器單元可針對健康相關新聞資訊蒐集外部資料並儲存,該外部資料蒐集伺服器單元至少包括有一分析模組及一資料區模組。
於本發明上述實施例中,該分析模組可提供非結構化資料處理,該資料區模組可針對健康相關新聞資訊蒐集外部資料並儲存。
於本發明上述實施例中,該分析伺服器單元可針對該銀行主機單元儲存之身體感測資料、客戶基本資料與業務往來資料以及客戶所有相關資料建立評估模型,並結合該外部資料蒐集伺服器單元蒐集之外部資料建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或行動裝置錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集健康相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,進而優化該評估模型精準度,再將該評估模型之評估結果回傳至該銀行主機單元,並提供後續業務往來相關建議,該分析伺服器單元至少包括有一模型建立模組、一優化模組及一建議模組。
於本發明上述實施例中,該模型建立模組可針對身體感測資料、客戶基本資料與業務往來資料以及客戶所有相關資料,透過分類相關統計模型建立,定期檢視並比較各統計模型以建立評估模型,該優化模組可建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或
行動裝置錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,該建議模組可提供後續業務往來相關建議,包含針對模型分析之風險程度,對於業務推廣與風險評估提供參考或行銷優惠,或針對特定族群提供限定商品活動。
於本發明上述實施例中,該評估模型經過優化後係可提升5~10%模型正確率,並降低10~30分鐘模型運算時間。
1‧‧‧銀行主機單元
2‧‧‧穿戴裝置或行動裝置
3‧‧‧外部資料蒐集伺服器單元
31‧‧‧分析模組
32‧‧‧資料區模組
4‧‧‧分析伺服器單元
41‧‧‧模型建立模組
42‧‧‧優化模組
43‧‧‧建議模組
5‧‧‧全球網路
s1~s4‧‧‧步驟一~步驟四
第1圖,係本發明之流程示意圖。
第2圖,係本發明之方塊示意圖。
第3圖,係本發明之另一方塊示意圖。
請參閱『第1圖~第3圖』所示,係分別為本發明之流程示意圖、本發明之方塊示意圖及本發明之另一方塊示意圖。如圖所示:本發明係一種穿戴裝置或行動裝置之風險評估方法,其包含下列步驟:
步驟一s1:蒐集客戶基本資料與業務往來資料以及客戶所有相關資料並加以儲存。
步驟二s2:經由客戶之穿戴裝置或行動裝置蒐集客戶身體狀態相關數值以產生一身體感測資料並加以儲存。
步驟三s3:針對健康相關新聞資訊蒐集外部資料並加以儲存。
步驟四s4:針對所儲存之身體感測資料、客戶基本資料與業務往來資料以及客戶所有相關資料建立評估模型,並結合所儲存之外部資料建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或行動裝置錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集健康相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,進而優化該評估模型精準度,再將該評估模型之評估結果提供給後續業務往來相關建議。如是,藉由上述揭露之流程構成一全新之穿戴裝置或行動裝置之風險評估方法。
於本發明之一較佳具體實施例中,係經由一穿戴裝置或行動裝置之風險評估裝置進行上述流程,該裝置包含有一銀行主機單元1、一穿戴裝置或行動裝置2、一外部資料蒐集伺服器單元3以及一分析伺服器單元4所構成。
上述所提之銀行主機單元1係儲存客戶基本資料與業務往來資料以及客戶所有相關資料,包含既有業務往來所有基本資料、業務明細資料以及透過客戶授權蒐集之所有資料,該授權蒐集之所有資料包含網路行為以及透過該穿戴裝置或行動裝置2蒐集之身體感測資料的相關資料內容。
該穿戴裝置或行動裝置2係連結該銀行主機單元1之手機、平板、手錶或眼鏡,其蒐集客戶身體狀態相關數值以產生該身體感測資料並回傳至該銀行主機單元1儲存,其中該身體感測資料係包含該穿戴裝置或行動裝置2可授權同意取得之心率、步行數以及睡眠品質之相關資料。
該外部資料蒐集伺服器單元3係連接全球網路5,針對健康相關新聞資
訊蒐集外部資料並儲存。
該分析伺服器單元4係連結該銀行主機單元1與該外部資料蒐集伺服器單元3,針對該銀行主機單元1儲存之身體感測資料、客戶基本資料與業務往來資料以及客戶所有相關資料建立評估模型,並結合該外部資料蒐集伺服器單元3蒐集之外部資料建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或行動裝置2錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集健康相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,進而優化該評估模型精準度,再將該評估模型之評估結果回傳至該銀行主機單元1,並提供後續業務往來相關建議。如是,藉由上述揭露之裝置構成一全新之穿戴裝置或行動裝置之風險評估裝置。
當本發明於運用時,當與客戶有新業務往來之時,客戶可提供以穿戴裝置或行動裝置2蒐集其身體狀態相關數值所產生的身體感測資料至該銀行主機單元1,該分析伺服器單元4可依照該客戶於該銀行主機單元1所儲存的客戶基本資料與業務往來資料以及客戶所有相關資料,還有回傳的身體感測資料,透過分類相關統計模型建立,定期檢視並比較各統計模型以建立評估模型,並建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或行動裝置2錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,有效提升5~10%的模型正確率,
並降低10~30分鐘的模型運算時間。如此依照評估模型判讀客戶是否高風險,若其健康狀況優良則提供低風險優惠。
於本發明之一較佳具體實施例中,該外部資料蒐集伺服器單元3至少包括有一分析模組31及一資料區模組32。該分析模組31可提供非結構化資料處理,該資料區模組32可針對健康相關新聞資訊蒐集外部資料並儲存。如此,可提供外部資訊的收集,並以其優化模型。
於本發明之一較佳具體實施例中,該分析伺服器單元4至少包括有一模型建立模組41、一優化模組42及一建議模組43。該模型建立模組41可針對身體感測資料、客戶基本資料與業務往來資料以及客戶所有相關資料,透過分類相關統計模型建立,定期檢視並比較各統計模型以建立評估模型,該優化模組42可建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或行動裝置2錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,該建議模組43可提供後續業務往來相關建議,包含針對模型分析之風險程度,對於業務推廣與風險評估提供參考或行銷優惠,或針對特定族群提供限定商品活動。如此,可使模型建置考量外部因素介入,以排除短期效應之誤判。
綜上所述,本發明係一種穿戴裝置或行動裝置之風險評估方法,可有效改善習用之種種缺點,除蒐集客戶穿戴裝置或行動裝置資料外,更結合錯誤型態偵測與外部資料介入來優化模型,可排除造假或是穿戴裝置或行動裝置錯誤資料,並透過蒐集健康相關新聞資訊以排除短期效應之誤
判,達到提高模型判讀的精準度,並能提供後續業務往來相關建議,進而使本發明之產生能更進步、更實用、更符合使用者之所須,確已符合發明專利申請之要件,爰依法提出專利申請。
惟以上所述者,僅為本發明之較佳實施例而已,當不能以此限定本發明實施之範圍;故,凡依本發明申請專利範圍及發明說明書內容所作之簡單的等效變化與修飾,皆應仍屬本發明專利涵蓋之範圍內。
1‧‧‧銀行主機單元
2‧‧‧穿戴裝置或行動裝置
3‧‧‧外部資料蒐集伺服器單元
31‧‧‧分析模組
32‧‧‧資料區模組
4‧‧‧分析伺服器單元
41‧‧‧模型建立模組
42‧‧‧優化模組
43‧‧‧建議模組
5‧‧‧全球網路
Claims (8)
- 一種穿戴裝置或行動裝置之風險評估方法,應用於一穿戴裝置或行動裝置之風險評估裝置並且對該穿戴裝置或行動裝置之風險評估裝置中一銀行主機單元、一連結該銀行主機單元之穿戴裝置或行動裝置、一連接全球網路之外部資料蒐集伺服器單元、以及一連結該銀行主機單元與該外部資料蒐集伺服器單元之分析伺服器單元進行執行,該方法至少包含下列步驟:步驟一:該銀行主機單元可蒐集客戶基本資料與業務往來資料以及客戶所有相關資料並加以儲存;步驟二:經由客戶之該穿戴裝置或行動裝置蒐集客戶身體狀態相關數值以產生一身體感測資料並回傳至該銀行主機單元儲存;步驟三:該外部資料蒐集伺服器單元可針對健康相關新聞資訊蒐集外部資料並加以儲存;以及步驟四:該分析伺服器單元可針對該銀行主機單元所儲存之身體感測資料、客戶基本資料與業務往來資料以及客戶所有相關資料建立評估模型,並結合該外部資料蒐集伺服器單元所儲存之外部資料建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或行動裝置錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集健康相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,進而優化該評估模型精準 度,再將該評估模型之評估結果回傳至該銀行主機單元,並提供給後續業務往來相關建議,其中該分析伺服器單元至少包括有一模型建立模組、一優化模組及一建議模組。
- 依申請專利範圍第1項所述之穿戴裝置或行動裝置之風險評估方法,其中,該銀行主機單元所儲存客戶基本資料與業務往來資料以及客戶所有相關資料,係包含既有業務往來所有基本資料、業務明細資料以及透過客戶授權蒐集之所有資料,該授權蒐集之所有資料包含網路行為以及透過該穿戴裝置或行動裝置蒐集之身體感測資料的相關資料內容。
- 依申請專利範圍第1項所述之穿戴裝置或行動裝置之風險評估方法,其中,該穿戴裝置或行動裝置為手機、平板、手錶或眼鏡。
- 依申請專利範圍第3項所述之穿戴裝置或行動裝置之風險評估方法,其中,該穿戴裝置或行動裝置蒐集之身體感測資料,係包含該穿戴裝置或行動裝置可授權同意取得之心率、步行數以及睡眠品質之相關資料。
- 依申請專利範圍第1項所述之穿戴裝置或行動裝置之風險評估方法,其中,該外部資料蒐集伺服器單元至少包括有一分析模組及一資料區模組。
- 依申請專利範圍第5項所述之穿戴裝置或行動裝置之風險評估方法,其中,該分析模組可提供非結構化資料處理,該資料區模組可針對健康相關新聞資訊蒐集外部資料並儲存。
- 依申請專利範圍第1項所述之穿戴裝置或行動裝置之風險評估 方法,其中,該模型建立模組可針對身體感測資料、客戶基本資料與業務往來資料以及客戶所有相關資料,透過分類相關統計模型建立,定期檢視並比較各統計模型以建立評估模型,該優化模組可建立模型優化機制以優化該評估模型,該優化機制含錯誤型態偵測與外部資料介入,該錯誤型態偵測為直接比較客戶間資料,針對造假或是該穿戴裝置或行動裝置錯誤資料進行排除並回覆提醒訊息,該外部資料介入為透過蒐集相關新聞資訊,以判讀是否為短期性效應,藉此修正模型正確率,並同時加強模型與資料解讀性,該建議模組可提供後續業務往來相關建議,包含針對模型分析之風險程度,對於業務推廣與風險評估提供參考或行銷優惠,或針對特定族群提供限定商品活動。
- 依申請專利範圍第1項所述之穿戴裝置或行動裝置之風險評估方法,其中,該評估模型經過優化後係可提升5~10%模型正確率,並降低10~30分鐘模型運算時間。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108142237A TWI751453B (zh) | 2019-11-19 | 2019-11-19 | 穿戴裝置或行動裝置之風險評估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108142237A TWI751453B (zh) | 2019-11-19 | 2019-11-19 | 穿戴裝置或行動裝置之風險評估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202121434A TW202121434A (zh) | 2021-06-01 |
TWI751453B true TWI751453B (zh) | 2022-01-01 |
Family
ID=77517018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108142237A TWI751453B (zh) | 2019-11-19 | 2019-11-19 | 穿戴裝置或行動裝置之風險評估方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI751453B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682427A (zh) * | 2016-12-29 | 2017-05-17 | 平安科技(深圳)有限公司 | 基于位置服务的个人健康状态评估方法及装置 |
US20190109723A1 (en) * | 2005-06-09 | 2019-04-11 | Whirlpool Corporation | Methods and apparatus for communicatively coupling internal components within appliances, and appliances with external components and accessories |
CN109615537A (zh) * | 2018-12-13 | 2019-04-12 | 中国平安人寿保险股份有限公司 | 基于智能穿戴设备的核保方法、装置及存储介质 |
CN110136005A (zh) * | 2019-04-02 | 2019-08-16 | 阿里巴巴集团控股有限公司 | 互助项目成员审核方法、装置、电子设备及存储介质 |
US20190320987A1 (en) * | 2008-05-12 | 2019-10-24 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
TWM596444U (zh) * | 2019-11-19 | 2020-06-01 | 臺灣銀行股份有限公司 | 穿戴裝置或行動裝置之風險評估裝置 |
-
2019
- 2019-11-19 TW TW108142237A patent/TWI751453B/zh active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190109723A1 (en) * | 2005-06-09 | 2019-04-11 | Whirlpool Corporation | Methods and apparatus for communicatively coupling internal components within appliances, and appliances with external components and accessories |
US20190320987A1 (en) * | 2008-05-12 | 2019-10-24 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
CN106682427A (zh) * | 2016-12-29 | 2017-05-17 | 平安科技(深圳)有限公司 | 基于位置服务的个人健康状态评估方法及装置 |
CN109615537A (zh) * | 2018-12-13 | 2019-04-12 | 中国平安人寿保险股份有限公司 | 基于智能穿戴设备的核保方法、装置及存储介质 |
CN110136005A (zh) * | 2019-04-02 | 2019-08-16 | 阿里巴巴集团控股有限公司 | 互助项目成员审核方法、装置、电子设备及存储介质 |
TWM596444U (zh) * | 2019-11-19 | 2020-06-01 | 臺灣銀行股份有限公司 | 穿戴裝置或行動裝置之風險評估裝置 |
Also Published As
Publication number | Publication date |
---|---|
TW202121434A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bauder et al. | A survey on the state of healthcare upcoding fraud analysis and detection | |
US11599953B1 (en) | Insurance risk scoring based on credit utilization ratio | |
US10896381B2 (en) | Behavioral misalignment detection within entity hard segmentation utilizing archetype-clustering | |
Sullivan et al. | The burden of adult asthma in the United States: evidence from the Medical Expenditure Panel Survey | |
Begg et al. | Burden of disease and injury in Australia in the new millennium: measuring health loss from diseases, injuries and risk factors | |
US7246069B1 (en) | Method and apparatus for online health monitoring | |
CN109545317B (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
US20100169108A1 (en) | Distributed networks used for health-based data collection | |
US10546099B2 (en) | Method of personalizing, individualizing, and automating the management of healthcare fraud-waste-abuse to unique individual healthcare providers | |
US20090326981A1 (en) | Universal health data collector and advisor for people | |
US11392953B2 (en) | Data analysis systems and methods for identifying recurring payment programs | |
Hand et al. | Performance criteria for plastic card fraud detection tools | |
Cano Martín et al. | Economic impact assessment from the use of a mobile app for the self-management of heart diseases by patients with heart failure in a Spanish region | |
US10847266B1 (en) | Systems and methods for tracking goals | |
Meyerhoefer et al. | New estimates of the demand for physical and mental health treatment | |
Carls et al. | The impact of weight gain or loss on health care costs for employees at the Johnson & Johnson Family of Companies | |
WO2021202151A1 (en) | Systems and methods for advanced velocity profile preparation and analysis | |
Pascale et al. | Assessing the accuracy of survey reports of health insurance coverage using enrollment data | |
KR101817089B1 (ko) | 사용자의 소비 습관에 대한 분석 정보 제공 서버 | |
Svolba | Data quality for analytics using SAS | |
Strickland et al. | The impact of financial strain on medication non-adherence: Influence of psychiatric medication use | |
TWI751453B (zh) | 穿戴裝置或行動裝置之風險評估方法 | |
TWM596444U (zh) | 穿戴裝置或行動裝置之風險評估裝置 | |
Engelhard et al. | Predicting smoking events with a time-varying semi-parametric Hawkes process model | |
Liu et al. | Population health management outcomes obtained through a hospital-based and telehealth informatics-enabled telecare service |