Resumen de Servicios Clínicos de minería de datos

Los datos clínicos se pueden obtener de diversas fuentes, tales como archivo de transcripción médica y registros médicos electrónicos (EMR). ¿Podemos tener una nueva base de datos clínicos que grandes cantidades de información de los pacientes y de las condiciones médicas que utilizan estas dos fuentes se acumulan? Las relaciones y patrones en estos datos podrían proporcionar nuevos conocimientos médicos.

Importancia de la Clínica de minería de datos

1. En 2010 más de 30 millones de personas fueron tratadas por enfermedades mortales. El cáncer y las enfermedades del corazón son pocos. Identificación de los primeros signos de cáncer y enfermedades del corazón es posible y puede salvar miles de vidas. El análisis de una base de datos de miles de pacientes puede proporcionar información valiosa sobre las posibles causas, la naturaleza de la progresión, etc., puede ayudar a los sistemas que identificar la enfermedad en la primera muestra de la acción para el desarrollo conduce a técnicas de tratamiento y prevención oportunas.

2. Cada año emitió nuevas directrices sobre el uso y la dosis de diferentes drogas. A veces directrices proporcionan un número de fármacos utilizados en combinación puede producir efectos secundarios. El ejemplo más reciente de que:

8 de junio de 2011 la FDA salió con nuevas directrices para el uso de simvastatina, en particular, combinaciones específicas de fármacos que ahora se definen como "contras" de cada dosis de . simvastatina

El uso de este conocimiento, los pacientes que toman estos medicamentos no están de acuerdo

Enfoque clínico de la minería de datos:.

El proceso de minería de datos se divide en cuatro fases: i) la recopilación de información ii) antes del tratamiento iii) Análisis de los datos iv) Aplicación de los conocimientos
Clinical Data Mining

1. La recogida de datos: los datos clínicos de un paciente se almacenan en dos formatos diferentes. i) el archivo médico de la transcripción (que contiene del 25 al 30% de la información) ii), DME (en el 75-80% de la información). En esta fase, cada información de los pacientes sobre el archivo transcrito y EMR asignada.

2. Pretratamiento: Para una potencia exacta del analizador, el documento de entrada Clinical Document Architecture (CDA) es. Así que en los documentos de entrada pre-procesamiento se convertirán en formato CDA.

3. Análisis de datos: Los datos de pre-procesado se analiza en un formato estructurado único. Aquí está la negación, códigos SNOMED, ​​códigos Norm Rx, códigos CIE-9, mediciones; se detectan las dosis de los medicamentos, las alergias y el tabaquismo.

4. KT: El uso de este conocimiento, tenemos una nueva base de datos y consulta de la base de datos puede ser útil en la investigación médica y mejorar la salud del paciente Francia El proceso de manera sistemática y automáticamente de ser.. En este estudio, un "marco de la preparación de datos llamado" modelo para la preparación de datos. En el modelo propuesto, los datos de los datos de origen en un especialista de verificación mesa plana, un conjunto de datos se pueden hacer apropiado para el aprendizaje posterior de la máquina.

La validación del modelo propuesto, una serie de experimentos. , Aprendizaje de máquina, el rendimiento, curva ROC utilizando el área a la relevancia clínica de las variables seleccionadas evaluados por los médicos para evaluar dos tipos de mediciones se evaluaron como indicadores de desempeño.

Los resultados muestran mejoras significativas de rendimiento en cada uno de los tres principios de tratamiento pre-procesamiento, indicados por los dos tipos a los datos correctos y reglas heurísticas para guiar el trabajo puede ayudar a reducir la demanda, y así hacer posible el desarrollo. < . br>