Sommario delle cliniche Servizi Data Mining

I dati clinici possono essere ottenute da varie fonti, come ad esempio file di trascrizione medica e Electronic Medical Records (EMR). Possiamo avere un nuovo database clinico che grandi quantità di informazioni sui pazienti e di condizioni mediche che utilizzano queste due fonti si accumulano? Relazioni e modelli in questi dati potrebbero fornire nuove conoscenze mediche.

L'importanza of Clinical Data Mining

1. Nel 2010 oltre 30 milioni di persone sono state trattate per malattie mortali. Cancro e malattie cardiache sono pochi. Identificazione dei primi segni di cancro e malattie cardiache è possibile e può salvare migliaia di vite. L'analisi di un database di migliaia di pazienti in grado di fornire preziose informazioni sulle possibili cause, la natura di progressione, ecc, può aiutare i sistemi che individuare la malattia al primo segno di azione per lo sviluppo porta alla prevenzione e trattamento tempestivo delle tecniche.

2. Ogni anno ha pubblicato nuove linee guida per l'uso e il dosaggio di farmaci diversi. A volte le linee guida forniscono una serie di farmaci usati in combinazione può produrre effetti collaterali. L'esempio più recente di quella:

8 GIUGNO 2011, la FDA è uscito con nuove linee guida per l'uso di simvastatina, in particolare, specifiche combinazioni di farmaci che sono ora definiti come "contro" di ogni dose di . simvastatina

Usando questa conoscenza, noi pazienti che assumono questi farmaci per disaccordo

Approccio clinico al data mining:.

Il processo di data mining si articola in quattro fasi: i) la raccolta di informazioni ii) prima del trattamento iii) analisi dei dati iv) Applicazione delle conoscenze
Clinical Data Mining

1. La raccolta dei dati: i dati clinici di un paziente sono memorizzati in due formati differenti. i) File Trascrizione Medical (contenente dal 25 al 30% delle informazioni) ii), DME (75-80% delle informazioni). In questa fase, ogni paziente le informazioni sul file trascritto e EMR mappato.

2. Il pre-trattamento: per una potenza esatta dell'analizzatore, il documento di input Clinical Document Architecture (CDA) è. Così nei documenti di ingresso pre-processing saranno convertiti in formato CDA.

3. Analisi dei dati: i dati pre-elaborati viene analizzata in un formato strutturato unico. Ecco la negazione, codici SNOMED, ​​Rx codici Norm, codici ICD-9, misurazioni; vengono rilevati dosaggi di farmaci, allergie e il fumo.

4. KT: L'uso di questa conoscenza, abbiamo un nuovo database e interrogare il database può essere utile nella ricerca medica e migliorare la salute del paziente
Il processo di sistematico e automatico per essere.. In questo studio, un "quadro di preparazione dei dati chiamato" modello per la preparazione dei dati. Nel modello proposto, i dati provenienti dai dati di origine in uno specialista di verifica tavola piana, un insieme di dati può essere fatto suscettibili di apprendimento automatico.

La validazione del modello proposto, una serie di esperimenti. , Machine learning, le prestazioni, curva ROC utilizzando l'area per la rilevanza clinica delle variabili selezionate valutate dai medici per valutare i due tipi di misure sono stati valutati come indicatori di performance.

I risultati mostrano miglioramenti significativi delle prestazioni in ciascuno dei tre principi di trattamento pre-elaborazione, indicati da entrambi i tipi ai dati giusti e regole euristiche per guidare il lavoro può contribuire a ridurre la domanda, e quindi rendere possibile sviluppare. < . br>