Un Enfoque Eficiente de Minería de Datos en Salud Usando el Algoritmo Apriori: Un Estudio de Caso de Trastornos Oculares en Adultos Jóvenes
Autores: Gulzar, Kanza; Ayoob Memon, Muhammad; Mohsin, Syed Muhammad; Aslam, Sheraz; Akber, Syed Muhammad Abrar; Nadeem, Muhammad Asghar
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un Enfoque Eficiente de Minería de Datos en Salud Usando el Algoritmo Apriori: Un Estudio de Caso de Trastornos Oculares en Adultos Jóvenes
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Minería de datos
Atención médica
Diagnóstico
Pacientes
Sistema de gestión de información
Algoritmo Apriori
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
En el sector de la salud pública y en el campo de la medicina, la popularidad de la minería de datos y su uso en el descubrimiento de conocimiento y bases de datos (KDD) están en aumento. La creciente popularidad de la minería de datos ha descubierto vínculos innovadores en la atención médica para apoyar la toma de decisiones. Por esta razón, hay una gran posibilidad de diagnosticar mejor las enfermedades de los pacientes y mantener la calidad de los servicios de salud en los hospitales. Por lo tanto, hay una necesidad urgente de hacer posible el diagnóstico de enfermedades al descubrir los patrones ocultos de la información histórica de los pacientes en los países en desarrollo. Este trabajo es un paso hacia cómo utilizar el conocimiento extraído para mejorar la calidad de las instalaciones de atención médica. En este documento, hemos propuesto un sistema de gestión de información hospitalaria (HIMS) centrado en la web que identifica patrones frecuentes de los datos de pacientes con trastornos oculares utilizando la técnica de minería de datos basada en reglas de asociación Apriori. El marco propuesto tiene la capacidad de superar todos los problemas y cuestiones clave en el actual sistema de gestión de información hospitalaria en lo que respecta al análisis de datos y los servicios de informes. Para este propósito, se recopilaron datos de más de 1000 estudiantes universitarios (ciudadanos chinos) tanto en línea como manualmente (cuestionario impreso). Después de aplicar el algoritmo Apriori a los datos recopilados, revelamos que casi 140 individuos de 1035 tenían miopía (trastorno de la visión de cerca), a la edad actual de 22 años, y que no se encontraron pacientes masculinos con miopía. Concluimos que su relevancia clínica y utilidad pueden generar resultados favorables a partir de estudios clínicos prospectivos al mapear los hábitos o estilos de vida que potencialmente conducen a enfermedades fatales. En el futuro, planeamos extender este trabajo para automatizar completamente el HIMS para ayudar a los profesionales a diagnosticar las razones de varias enfermedades extrayendo patrones de estilo de vida de los pacientes.
Descripción
En el sector de la salud pública y en el campo de la medicina, la popularidad de la minería de datos y su uso en el descubrimiento de conocimiento y bases de datos (KDD) están en aumento. La creciente popularidad de la minería de datos ha descubierto vínculos innovadores en la atención médica para apoyar la toma de decisiones. Por esta razón, hay una gran posibilidad de diagnosticar mejor las enfermedades de los pacientes y mantener la calidad de los servicios de salud en los hospitales. Por lo tanto, hay una necesidad urgente de hacer posible el diagnóstico de enfermedades al descubrir los patrones ocultos de la información histórica de los pacientes en los países en desarrollo. Este trabajo es un paso hacia cómo utilizar el conocimiento extraído para mejorar la calidad de las instalaciones de atención médica. En este documento, hemos propuesto un sistema de gestión de información hospitalaria (HIMS) centrado en la web que identifica patrones frecuentes de los datos de pacientes con trastornos oculares utilizando la técnica de minería de datos basada en reglas de asociación Apriori. El marco propuesto tiene la capacidad de superar todos los problemas y cuestiones clave en el actual sistema de gestión de información hospitalaria en lo que respecta al análisis de datos y los servicios de informes. Para este propósito, se recopilaron datos de más de 1000 estudiantes universitarios (ciudadanos chinos) tanto en línea como manualmente (cuestionario impreso). Después de aplicar el algoritmo Apriori a los datos recopilados, revelamos que casi 140 individuos de 1035 tenían miopía (trastorno de la visión de cerca), a la edad actual de 22 años, y que no se encontraron pacientes masculinos con miopía. Concluimos que su relevancia clínica y utilidad pueden generar resultados favorables a partir de estudios clínicos prospectivos al mapear los hábitos o estilos de vida que potencialmente conducen a enfermedades fatales. En el futuro, planeamos extender este trabajo para automatizar completamente el HIMS para ayudar a los profesionales a diagnosticar las razones de varias enfermedades extrayendo patrones de estilo de vida de los pacientes.