Otimização Suave de Métodos de Tratamento para um Grupo de Doenças Neurológicas Utilizando Mineração de Dados
DOI:
https://doi.org/10.14571/brajets.v17.n1.302-316Palavras-chave:
otimização suave, métodos de tratamento, mineração de dados, previsão de doenças neurológicasResumo
A crescente indústria dos cuidados de saúde está a gerar grandes quantidades de dados úteis sobre dados demográficos dos pacientes, planos de tratamento, pagamentos e cobertura de seguros, atraindo a atenção tanto de médicos como de cientistas. O objetivo desta pesquisa é prever doenças do cérebro e dos nervos usando técnicas de mineração de dados. Nesta pesquisa, após a preparação dos dados, foi tentada a previsão de doenças usando métodos de matrizes grandes e técnicas de mineração de dados. Ao examinar o novo vetor, podemos descobrir quais das doenças da matriz estarão mais próximas desta nova doença com novos sintomas usando as linhas da matriz. A pesquisa realizada é do tipo descritivo-analítico e aplicado. Nesta pesquisa, utilizamos diferentes medidores como Manhattan, similaridade de cosseno, Pearson, Minkowski e K vizinho mais próximo e implementamos um programa para prever doenças neurológicas utilizando software Python. No algoritmo implementado pelo software Python, o médico insere os sintomas do paciente e a saída do programa de cada medidor mostra três doenças próximas aos sintomas de entrada e finalmente todos os medidores são comparados e cada vez que o medidor é executado, que tem um sinal mais fraco resultado é determinado. As vantagens de cada um desses medidores são explicadas a seguir.Referências
Berwick, D. M., & Hackbarth, A. D. (2012). Eliminating waste in US health care. Jama, 307(14), 1513-516.2012.362.http://doi.org/10.1001/jama.
CMS. (2017). Center for Medicare and Medicaid Services. Retrieved from https://www.cms.gov/Research-Statistics-Data-and-Systems/Statistics-Trends-andReports/NationalHealthExpendData/NationalHealthAccountsHistorical.html/
Cortada, J., Gordon, D., & Lenihan, B. (2012). The Value of Analytics in Healthcare. USA: IBM Institute for Business Value Armonk. NY.
Falk K. (2019), Practical Recommender Systems.1st ed.USA, 432.
Ghassemi, M., Celi, L. A., & Stone, D. J. (2015). State of the art review: the data revolution in critical care. Critical Care,19(1),9-1. http://doi.org/10.1186/s13054-015-0801-4.
Ghorbani, R., & Ghousi, R. (2019). Predictive data mining approaches in medical diagnosis: A review of some diseases prediction. 3(2), 70-47. http://doi.org/10.5267/j.ijdns.2019.1.003.
Islam, M. S., Hasan, M. M., Wang, X., Germack, H. D., Noor, E., & Alam, M. (2018). systematic review on healthcare analytics: application and theoretical perspective of data mining.Healthcare,6(2), 43-41http://doi.org/ 10.3390/healthcare6020054.
Michael, J., Aminoff Md DSc, F., & Andrew Josephson, S. (2021). Aminoff’s Neurology and General Medicine (6 ed.): Academic Press.
Makary, M. A., & Daniel, M. (2016). Medical error—the third leading cause of death in the US. 33, i2139. http://doi.org/10.1136/bmj.i2139.
Prokosch, H. U., & Ganslandt, T. (2009). Perspectives for medical informatics. Methods of information in medicine, 48(01), 44-38.
Simpao, A. F., Ahumada, L. M., Gálvez, J. A., & Rehman, M. A. (2014). A review of analytics and clinical informatics in health care. Journal of medical systems, 38(4), 7-1.
Yang, J., Li, J., Mulder, J., Wang, Y., Chen, S., Wu, H., & et al. (2015). Emerging information technologies for enhanced healthcare. Computers in industry, 69, 11-13.
Zacharski, R. (2021). A prorammers Gui to Data Mining: the ancient Art of the Numeriati. 395.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2024 Shabnam Zarghami, Gholam Hassan Shirdel , Mojtaba Ghanbari
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License. A revista segue a política para Periódicos de Acesso Livre, oferecendo acesso livre, imediato e gratuito ao seu conteúdo, seguindo o princípio de que disponibilizar gratuitamente o conhecimento científico ao público proporciona mais democratização internacional do conhecimento. Por isso, não se aplica taxas, sejam elas para submissão, avaliação, publicação, visualização ou downloads dos artigos. Além disso, a revista segue a licença Creative Common (CC BY) permitindo qualquer divulgação do artigo, desde que sejam referenciados o artigo original. Neste sentido, os autores que publicam nesta revista concordam com os seguintes termos: A) Os autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License (CC BY), permitindo o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista. B) Autores têm autorização para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional e não institucional, bem como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista. C) Autores sãoo estimulados a publicar e distribuir seu trabalho online (ex.: repositórios online ou na sua página pessoal), bem como aumentar o impacto e a citação do trabalho publicado.
