کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
553287 873470 2011 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Using data mining techniques to predict hospitalization of hemodialysis patients
ترجمه فارسی عنوان
استفاده از تکنیک های داده کاوی برای پیش بینی بستری شدن بیماران همودیالیزی
کلمات کلیدی
همودیالیز - انتزاع موقتی - داده کاوی - کیفیت بهداشت و درمان
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1. مقدمه
2. مواد و روش ها
2.1 همودیالیز
2.2. مفهوم زماني
شکل 1. اپراتور زماني
شکل 2: طرح کلی سیستم تجزیه و تحلیل اطلاعات هوشمند
2.3 درخت تصمیم گیری 
شکل 3. جریان تجزیه و تحلیل داده ها بیماران همودیالیزی.
2.4. قوانین استخراج شده وابسته به حداقل چندین معیار پشتیبانی
3. توسعه سیستم پشتیبان تصمیم گیری
شکل 4 نمودار پیش پردازش اطلاعات.
3.1 جمع آوری داده ها
شکل 5. جریان مفهوم زمانی
3.2 پیش پردازش اطلاعات
جدول 1. مقادیر آستانه آیتم های بیوشیمیایی مورد آزمایش برای تبدیل  TA
3.3 تبدیل به مفهوم زمانی
3.3.1 تبدیل به TA پایه
3.3.2 تبدیل به TA پیچیده
 شکل 6. TA پایه 
 شکل 7. نمودار شماتیک مفهوم زمانی.
3.4 استخراج  قانون بستری شدن
 3.4.1 مجموع قوانین استخراج با حداقل حمایت چندگانه
3.4.2 درخت تصمیم گیری
جدول 2. داده های جزئی پس از اجرای تحولات پیچیده TA برای مجموع قانون معادله استخراج.
جدول 3. داده های جزئی پس از اجرای تبدیل TA پیچیده  برای درخت تصمیم گیری.
4. نتایج محاسباتی
4.1 پارامترهایTA 
4.2 نتایج داده کاوی
4.2.1 قوانین درخت تصمیم گیری
جدول 4. فرمول های ارزیابی عملکرد.
جدول 5. مقررات بالقوه معنی دار بستری بیماران HD از DT
4.2.2 قوانین الگوریتم  MSapriori
جدول 6. از نظر بالینی معنی دار بودن قوانین بستری بیماران HD از الگوریتم  MSApriori  
4.3 خلاصه
5. نتیجه گیری 
ترجمه چکیده
بیماران همودیالیزی ممکن است از رفتارهای مراقبت ناخوشایند یا درمانهای طولانی مدت دیالیز رنج ببرند و لازم است در بیمارستان بستری شوند. اگر مقدار بستری شدن در مراکز همودیالیزی بالا باشد، کیفیت خدمات آن پایین خواهد آمد. بنابراین، کاهش میزان بستری شدن در بیمارستان ها یک مشکل اساسی برای مراکز درمانی است. این مطالعه مفهوم زمانی را با تکنیک های داده کاوی برای تحلیل داده های بیوشیمیایی بیماران دیالیز برای ایجاد یک سیستم پشتیبانی تصمیم گیری ترکیب می کند. الگوهای زمانی معین برای پزشکان جهت پیشگیری از بستری شدن بیماران همودیالیز مفید هستند و درمان های فوری برای جلوگیری از بستری شدن را توصیه می کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
چکیده انگلیسی
Hemodialysis patients might suffer from unhealthy care behaviors or long-term dialysis treatments and need to be hospitalized. If the hospitalization rate of a hemodialysis center is high, its service quality will be low. Therefore, decreasing hospitalization rate is a crucial problem for health care centers. This study combines temporal abstraction with data mining techniques for analyzing dialysis patients' biochemical data to develop a decision support system. The mined temporal patterns are helpful for clinicians to predict hospitalization of hemodialysis patients and to suggest immediate treatments to avoid hospitalization.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Decision Support Systems - Volume 50, Issue 2, January 2011, Pages 439–448
نویسندگان
, , ,