权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Infrastructure and Services - Capacity Building

基础设施和服务 - 能力建设

基本信息

批准号：
HDR-23005
负责人：
Sarah Cadman
金额：
$ 647.26万
依托单位：
Health Data Research UK
依托单位国家：
英国
项目类别：
Intramural
财政年份：
2023
资助国家：
英国
起止时间：
2023 至无数据
项目状态：
未结题

来源：
https://gtr.ukri.org/projects?ref=HDR-23005
关键词：
Infrastructure Services Capacity Building

项目摘要

To make the best use of the rich UK health-related data that is available needs a skilled workforce, ranging from those responsible for managing data, to expertise in governance and privacy and security and working witht he public and patients, to those who make the data available where allowed in ways that is useful , through to the researchers, doctors and policy makerswho will use that data to make new discoveries that can improve lifelong health and wellbeing. This programme will work to understand what the UK workforce needs are and create a variety of different training resources to ensure those needs are met and the UK public can benefit from the opportunities to improve lives through working with health related data at scale.

为了最好地利用现有的丰富的英国健康相关数据，需要一支熟练的劳动力队伍，从负责管理数据的人，到治理、隐私和安全方面的专业知识，以及与公众和患者合作的人，到那些以有用的方式在允许的地方提供数据的人，直到将使用这些数据进行新发现的研究人员、医生和政策制定者，这些人将利用这些数据做出新的发现，从而改善终身健康和福祉。该计划将致力于了解英国劳动力的需求，并创建各种不同的培训资源，以确保这些需求得到满足，英国公众可以受益于通过大规模使用与健康相关的数据来改善生活的机会。

项目成果

期刊论文数量（10）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Adaptive mixed FEM combined with the method of characteristics for stationary convection-diffusion-reaction problems

自适应混合有限元结合特征法求解平稳对流扩散反应问题

DOI：
10.1016/j.finel.2023.104045
发表时间：
2023
期刊：
Finite Elements in Analysis and Design
影响因子：
3.1
作者：
Antony Oliver M
通讯作者：
Antony Oliver M

Evidence-driven spatiotemporal COVID-19 hospitalization prediction with Ising dynamics.

DOI：
10.1038/s41467-023-38756-3
发表时间：
2023-05-29
期刊：
NATURE COMMUNICATIONS
影响因子：
16.6
作者：
Gao, Junyi;Heintz, Joerg;Mack, Christina;Glass, Lucas;Cross, Adam;Sun, Jimeng
通讯作者：
Sun, Jimeng

P045 Development and evaluation of machine learning algorithms for the prediction of opioid-related deaths among UK patients with non-cancer pain

P045 用于预测英国非癌性疼痛患者阿片类药物相关死亡的机器学习算法的开发和评估