数据挖掘医疗:技术的应用

Manaswini普拉丹
讲师,P。G的信息和通信技术,托钵僧Mohan大学Balasore Odisha、印度

文摘

卫生保健问题假设至关重要的社会,是社会发展的一个重要指标。健康显然不是仅仅缺乏疾病但授予个人或groupa年代免于疾病和能力实现onea年代的潜力。健康是最好理解为不可或缺的基础定义一个角色幸福感。卫生保健服务的提供因此承担更大的比例,在这个上下文信息和通信技术所扮演的角色无疑为其有效的交付机制有较大的贡献。数据挖掘的应用特别相关,它已经成功地应用于医疗需求的可靠的精度和迅速有益的结果。讨论了各种可用的应用程序技术和分析的目的。

关键字

这、诊断与治疗,电子病历(EMR)、卫生保健、医疗决策支持。

介绍

在印度医疗是通过公共部门和私营部门。医疗设施的公共医疗系统包括由中央和国家政府提供免费的服务或者补贴利率在城乡低收入群体。随着印度经济处于稳定增长,行业正走向增长阶段(m .罗陀,2011)。根据(杰弗里·m·Lackneret。2013)引入产品专利在印度有望提振行业通过鼓励跨国公司推出专门的拯救生命的药物。低成本等优势吸引着印度提供的生产和技术熟练的劳动力,这些公司正在寻求设立研发以及生产中心。健康和卫生保健需要区别彼此没有比这更好的理由前常常错误地视为一个后者的直接函数。希斯显然不只是没有疾病(IliasIakovidis, 1998)。健康所带来的对一个人或groupA¢年代免于疾病,意识到一个人的潜在的能力。健康是最好理解为不可或缺的基础定义一个人的幸福感。人口健康的公共政策是一个独特的关键问题话语在每一个成熟的社会常常决定部署巨大的社会。

卫生保健+的定义

医疗组织面临的主要挑战是提供优质的服务,以合理的费用。优质的服务意味着正确的诊断和管理病人的有效治疗方法。可怜的临床诊断可以导致灾难性的后果是不可接受(AlokBhargava et al ., 2005)。医院也必须减少临床试验的成本。根据HoosenCoovadiaet。(2009),它可以实现这些结果采用适当的以计算机为基础的信息和/或决策支持系统。卫生保健数据是巨大的,包括以病人为中心的数据资源管理数据和转换数据(Cheon-Pyo李et al . 2007年)。卫生保健组织必须有能力计算分析数据存储从数以百万计的患者治疗记录。因此,数据挖掘技术可以帮助回答几个重要和卫生保健相关的关键问题。

医疗行业增加了大小和内容。印度医疗花费€338亿在未来5年的国家,在经济高涨,目睹人口资料的变化伴随着生活方式疾病,增加医疗费用(帕特丽夏·皮特曼et al . 2007年)。医疗保健行业收入占国内生产总值(GDP)的5.2%,它雇佣超过400万人。皮特曼et al(2007)满足,到2012年,收入可以达到GDP的7.2%至6.5,直接和间接就业会加倍。根据印度et al。(2008),私人医疗保健将继续在2012年最大的组件,可能会双€264.1亿。它可以增加一个额外的€65亿如果健康保险覆盖延伸到富人和中产阶级。加上预期的增加在制药行业,整个医疗市场在这个国家可能会增加€39.22 - 540亿(占GDP的-8.5%至6.2)在接下来的五年。

医疗行业范围:的一些宏观因素对健康industryA¢年代增长如下:

一个¯·私营部门

新兴私营部门更关注三级,以及预防和诊断医疗和传感是一个巨大的未开发的机会在印度交付高质量的医疗保健质量(Leigh特纳et al . 2007年)。根据HarleenKauret。(2009),公共部门正在加速通过提供可访问性传染病的预防和消除农村群众基本医疗设施。全球私人股本和风险资本扮演了一个重要的不同角色在印度卫生保健供给增加当地的制药公司的全球足迹帮助快速增长的合同研究外包行业(帕特丽夏·皮特曼et al . 2007年)。

一个¯·医疗基础设施:

它占医疗保健行业最大的部分。床上的可用性比率每千人口对印度站在平均1.03与4.3在像中国这样的国家,韩国和泰国。因此,尽管医疗基础设施显著增长,印度很可能达到床thousand-population比率为1.85,或在最好的情况下,比2 (LathaParthibanet。2008)。床上超过100万需要添加的达成率1.85‰,其中约896500个床位将由私营部门增加总投资€510亿在未来六年。根据Varun Kumar et al。(2008)的收益是相称的资本密集型行业,因为私立医院所产生的收入在2012年将的€265亿年15%的速度增长。尽管这些投资,床上几千人口比率将远离相比其他类似的发展中国家。

一个¯·远程医疗:

它甚至允许内部访问医疗质量,同时极大地提高了医务人员的生产力。在一个超过11亿人口的国家,医疗体系必须创新双其现有资源的利用率,达到一个阶段可以在发展中国家(Aqueel Ahmed et al . 2012年)。根据莫妮卡Chiarini Tremblay et al。(2009)“远程医疗就是这样一种创新技术”,和“如果有效利用会加倍利用稀缺的人力资源”(Leigh特纳et al . 2007年)。如果远程医疗的模型集成的医疗模式,这种模式将成为可行。然而,独立的远程医疗模型可能不是可行的,远程医疗的成功的一个重要原因是它可以增加病人基础(VikramJeet辛格et al . 2013年),这反过来会增加入住率综合医院的远程医疗模式。

二世。数据挖掘

数据挖掘可以被认为是相对近期的开发方法和技术,进入突出(k . r . Lakshmi et al . 2013年)。它旨在识别有效,小说,可能有用的,可以理解的相关性和数据中的模式通过梳理大量数据集嗅出模式太微妙的或复杂的人类来检测。根据Jinn-Yi Yehet。(2011),数据挖掘技术可以大致分类基于他们所能做的,即:(a)描述和可视化;(b)协会和聚类;和(c)分类和评估;因此可以预测建模。

目标

目前的研究论文的目标如下:

1。枚举当前使用和突出数据挖掘在卫生保健的重要性;

2。发现使用数据挖掘技术在其他领域,也可以应用于卫生部门;

3所示。识别问题和挑战在数据挖掘应用于医疗实践;和

4所示。来概述发现一些建议在电子数据库通过数据挖掘知识。

在医疗数据挖掘应用

数据挖掘技术已经被许多组织使用密集和广泛。在医疗领域,数据挖掘是逐渐增加人气,如果不是在任何情况下,变得越来越重要。数据挖掘应用程序可以大大受益各方参与医疗行业(PetrHajeket半岛,2010)。例如,数据挖掘可以帮助医疗保险公司检测欺诈和滥用;医疗组织可以使客户关系管理决策;医生可以确定有效的治疗方法和最佳实践;和病人得到更好、更负担得起的医疗保健服务。数据挖掘可以被定义为“的过程中发现未知的模式和趋势在数据库和使用这些信息来建立预测模型”(E.W.T.Ngaiet al . 2011年)。另外,它可以被定义为数据选择的过程,探索和构建模型使用巨大的数据存储发现未知的模式。

为什么数据挖掘有助于医疗保健

在医疗保健中,数据挖掘是变得越来越流行,如果不是这样,越来越重要。几个因素有动机在医疗数据挖掘应用程序的使用。根据Chao-Hui李et al。(2010)医疗保险欺诈和滥用的存在,例如,导致了“许多医疗保险公司试图减少他们的损失,利用数据挖掘工具来帮助他们发现和追踪罪犯”(Aqueel Ahmed et al . 2012年)。根据莫妮卡Chiarini Tremblay et al。(2009),欺诈检测使用数据挖掘应用程序是普遍的在商业领域,例如,“欺诈检测的信用卡交易”(R.S.桑托斯et al . 20010年)。最近,许多情况下成功的数据挖掘应用在医疗保险欺诈和滥用检测并报告。因此,它可以指出,数据挖掘可以导致以下交货:

•医疗insurerA¢年代欺诈和滥用检测;

•医疗组织¢s为客户关系管理决策;

•PhysicianA¢年代可以确定有效的治疗方法和最佳实践;和

•PatientA¢s得到更好、更负担得起的医疗保健服务。

回顾文献与数据挖掘在医疗行业应用

在本节中,试图全面、系统地回顾文献对医疗行业和分类数据挖掘的应用。根据莫妮卡Chiarini Tremblay et al。(2009),它可以很容易地理解和应用。为此,周围几百论文三大期刊分布在近十年来一直在考虑。

数据挖掘在医疗应用程序的重要作用

尽管方法的差异和冲突,卫生部门今天更需要数据挖掘。有几个参数,可以先进来支持数据挖掘在卫生部门的使用,不仅涵盖公共卫生的担忧也是私人卫生部门(婷婷李et al . 2011年)。根据Wen-Yuan Jen et al .(2009),有一个丰富的知识从电脑中获得健康记录。然而,大量的数据存储在这些数据库使它非常困难,如果不是不可能,人类对这些信息进行筛选和发现知识(Syed SibteRazaAbidiet。2001)。事实上,一些专家认为,医学上的突破已经慢了下来,这归因于当今医疗信息的令人咂舌的规模和复杂性。计算机和数据挖掘适合这一目的。根据Hsu-Hao蔡et al .(2012)有循证医学和预防医院错误。当医疗机构应用数据挖掘现有数据,他们可以发现新的,有用的和潜在的救生知识,否则就会保持其数据库中的惰性。例如,医院和安全一项正在进行的研究发现,大约87%的美国医院死亡可以避免,医院工作人员被更小心避免错误。不过Shin et al。(2012)国家矿业医院记录,这样的安全问题可以标记和医院管理和政府监管机构解决。

IV.GRADUAL进化的医疗基础设施与内生设施位置

公共卫生决策,结合GIS和数据挖掘使用,Weka J48,分析相似性在斯洛文尼亚社区卫生中心(Ali SerhanKoyuncugilet。2012)。使用数据挖掘,阿里SerhanKoyuncugilet。(2012)能够发现模式在医疗中心,导致公共卫生研究所的政策建议。

综合应急、医疗和医疗信息系统将在网络多媒体环境下开发的,流动性和实时技术。系统提供了一个集成医疗数据库,为利益相关者提供相关的医疗信息。注册用户可以登录到系统访问或提供医疗信息根据他们的访问权限(Sumana Sharma et al . 2009年)。该系统将有能力寻找病人基于位置和显示最近的急救中心,安排所有必要的相关患者信息准备医生当病人到达时,分配一个医生病人根据医生和列出所有必要的可用性要求,比如特殊设备或手术房间(DursunDelenet。2009)。实时系统是一个开放的跨平台的web客户机-服务器环境与多个语言能力。图像文件的系统提供交换机制,共同讨论列表、文本信息交换,获取图像和数据从本地数据出口基地,语音和视频传输(Gloria Phillips-Wren et al . 2008年)。这是在下面的图3表示。

EMR系统的功能需求

电子病历(EMR)可以被开发来解决不同的目标和卫生设置,从而出现不同的功能和功能(杨Wan-Shiou et al . 2006年)。然而,它需要维护一组核心功能在每个EMR系统为了支持类似的工作流和鼓励临床护理的最佳实践。

EMR的六大功能区域:根据兴黄et al .(2012),在这一章中定义的功能需求可以分为六大功能区域,是至关重要的EMR的定义:(i)基本人口和临床健康信息;(2)临床决策支持;(3)订单输入和处方;(四)健康信息和报告;(v)的安全性和机密性和;(vi)电子信息的交换。

医疗决策支持

到达一个结论性的医疗决定时,数据挖掘的支持假定高意义。数字化的图像分析诊断黑色素瘤皮肤损伤,计算机辅助超声波图像的纹理分析艾滋病监测肿瘤化疗反应,它的一些应用程序。此外,不过Shin et al .(2012)预测与磁共振光谱学的大脑肿瘤的存在。数字图像分析识别和量化的组织部分老年性瘟疫诊断和评估的严重性AlzheimerA¢s疾病。

诊断和治疗

医学数据挖掘可以特别有用,当有积极的证据支持一个特定的治疗方案。根据Krzysztof j . Cioset。(2002),基于patientsA¢概要,历史,物理检查、诊断和利用之前的治疗模式,新的治疗方案可以有效地建议。

医疗资源管理

大卫·f·莫塔卡布瑞拉et al。(2013)使用逻辑回归模型比较医院资料基于风险调整后的30天内进行非心脏手术死亡。据´lvaroRebugeet。(2012),神经网络系统是用来预测儿童的性格呈现与毛细支气管炎急诊室。此外,数据挖掘是依赖而预测癌症患者住院死亡率的风险非终结符的疾病。

住院病人的住院时间的预测

保健领域的一个关键问题是测量流量的病人通过医院和其它卫生保健设施(Thanh金刀et al . 2010年)。如果停留的住院时间(LOS)可以有效地预测,医院资源的规划和管理可以极大的增强。因此,它能有效地管理资源配置通过识别高风险地区和预测的需求和使用各种资源。

客户关系管理(CRM)

在确定客户关系管理(CRM),焦点转向从客户基础的广度(面向产品的观点,大众营销)的深度customerA¢年代需要(以顾客为中心的观点,一对一营销)(DursunDelenet。2009)。CRM是建立在一个集成视图的客户在整个组织。企业客户的断裂视图;企业有一个分裂的客户视图。Kohliet。(2010)展示一个基于web的医生分析系统(PPS)加强医院与医生的关系,提高盈利能力和质量。总客户关系的发展医疗包括几个原则。根据年代。Vijiyaraniet。(2013)帮助职业,性能的最终判断的人帮助。大多数人,包括生病的人,大部分时间是合理的。不同的人有不同的,合法的需要。 Pain and fear produce anxiety in both the victim and the helper (DursunDelenet al. 2009). Meeting needs without waste is a strategic and moral imperative. Some demographic characteristics and institutional characteristics consistently have a significant effect on a patientÃ¢ÂÂs satisfaction scores. Chronic illnesses require selfmanagement and a collaborative patient-physician relationship.

的原则,应用数据挖掘的客户关系管理在其他行业也适用于医疗行业(DursunDelenet。2009)。使用和购买模式的识别和最终的满意度可以用来提高整体顾客满意度(n . AdityaSundaret al ., 2012)。客户可能是患者、药剂师、医生或诊所。在许多情况下,购买和使用行为的预测可以帮助提供积极的行动来减少总成本,增加客户满意度。

健康保险实践

博尔顿和手(2002)简要讨论医疗保险欺诈提及两个健康保险实践,即:(1)处方欺诈:要求患者并不存在,和(2)Upcoding:申请医疗过程更昂贵或不执行。

基于购买检测异常行为的能力,使用和其他事务行为信息使得数据挖掘的一个关键工具在各种组织中检测欺诈索赔,在适当的处方和其他异常行为模式(Motilal Tayadeet al。2003)。另一个关键领域,基于数据挖掘的欺诈检测是有用的在医疗器械检测和故障预测。

V。数据质量和完整性

数据质量和完整性对任何信息系统的成功至关重要。实现高标准的网站是一个特别的挑战与有限的计算机知识和经验(Aqueel Ahmed et al . 2012年)。设计系统是很重要的,易于使用和具有良好的指导和培训。系统应该为任务,收集必要的最低数据和数据项应结构化和编码尽可能简化数据检查和优化重用。这并不意味着自由文本必须被排除在外;这样做可以防止系统捕获任何数据不符合正常的模式(婷婷李et al . 2011年)。这些数据将会丢失或记录在hard-tolocate纸记录。结构化数据,如实验室测试结果可能受益于复式(DursunDelenet。2009)。在某些情况下医生和其他工作人员直接输入数据。这个的优点是避免抄写错误,也允许将订单输入系统部署到检查潜在的医疗错误。

障碍在医疗数据挖掘

医学数据挖掘的最大问题之一是原始医疗数据的,和异构。这些数据可以收集来自各种来源,如与患者交谈,实验室结果,检查和解释的医生(Ali SerhanKoyuncugilet。2012)。所有这些组件可以产生重大影响诊断,病人的预后,不应该被忽略。医疗数据的内容和复杂性是成功数据挖掘的障碍之一。缺失,错误、不一致或非标准数据,如信息保存在不同的格式从不同的数据源,数据挖掘成功创建一个主要障碍(DursunDelenet。2009)。人们是非常困难的过程字节的记录,虽然处理图像是相对容易的,因为医生们能够识别模式,接受数据的基本趋势,并制定合理的决策。存储的信息变得不是那么有用,如果他们没有轻易可理解的格式(Gloria Phillips-Wren et al . 2008年)。可视化技术的作用是增加在这方面,这幅画是人们最容易理解,并且可以提供大量的信息的快照的结果。

数据挖掘在卫生保健面临着来自各种领域的挑战。它变成了一个复杂的过程对收集、检索和分析。它必须是系统的输入和存储未来的应用程序利用率。标准化项目必须朝这个方向发展,一致坚持。下面讨论的一些挑战。

来自异构数据源的数据呈现的挑战:

1。抽样偏差:临床研究使用不同的收集方法,入选标准,抽样方法。

2。推荐偏见:数据代表预选组与高发病率的疾病。

3所示。选择性偏差:临床数据集包括患者不同的人口统计数据。

4所示。方法偏差:预测有不同的规格,粒度和精度测量。

5。临床表现偏见:病人记录代表不同的疾病的严重程度和其他医疗问题的同现。

缺失值、噪声和离群值

1。清洗数据噪声和离群值和处理缺失值,然后找到合适的子集的数据,准备成功的数据挖掘。

2。转录和操纵病人的记录往往导致大量的噪声和高的部分缺失值。

3所示。缺少属性值会影响的评估是否一个特定的属性-值对的组合在一个数据集具有重要意义。

在医疗数据挖掘应用的优点

信息技术在医疗使得创建患者电子病历获得监测病人的访问(DursunDelenet。2009)。这些信息包括病人的人口统计,记录治疗进展,考试的细节,医生开的药,以前的病史、实验室结果等信息系统简化并自动化医疗保健机构的工作流程(Sumana Sharma et al . 2009年)。隐私信息的文档和伦理使用病人医学是数据挖掘的主要障碍。根据Motilal c Tayadeet。(2013)数据挖掘更精确,需要做大量的文档。健康档案是私人信息,但这些私人文件的使用可以帮助治疗致命疾病(诉Krishnaiahet。2013)。数据挖掘过程开始之前,医疗机构必须制定明确的政策有关隐私和安全的病人记录(Gloria Phillips-Wren et al . 2008年)。这项政策必须充分实施,以确保病人的隐私。卫生机构能够使用数据挖掘应用于多种领域,如医生使用模式通过测量临床指标、质量指标、客户满意度和经济指标,医生从多个角度的性能优化利用资源,成本效率和决策基于证据,确定高危患者和主动干预,优化医疗等(Ishtake s H et al . 2012年)。

VI.CONCLUSION

数据挖掘为医学领域,重视和它代表综合的过程,要求彻底了解医疗组织的需求。使用数据挖掘技术的知识可以用来制造成功的决策,将改善医疗组织的成功和健康的病人。数据挖掘需要适当的技术和分析技术,以及报告和跟踪系统,可以使测量的结果。数据挖掘,一旦启动,代表连续循环的知识发现。对组织来说,它提出了一个关键的东西,帮助创造一个良好的商业策略。今天,有很多努力的目标成功应用数据挖掘的医疗机构。这种技术的主要潜力在于隐藏模式的可能性的研究在医疗领域的数据集。这些模式可以用于临床诊断。然而,可用原始医疗数据分布广泛,不同的,天生的。这些数据必须收集并存储在数据仓库的组织形式,并且他们可以集成以形成医院信息系统。 Data mining technology provides customer oriented approach towards new and hidden patterns in data, from which the knowledge is being generated, the knowledge that can help in providing of medical and other services to the patients. Healthcare institutions that use data mining applications have the possibility to predict future requests, needs, desires, and conditions of the patients and to make adequate and optimal decisions about their treatments. With the future development of information communication technologies, data mining will achieve its full potential in the discovery of knowledge hidden in the medical data.

引用

1。m·罗达”问题和卫生保健服务在印度的前景”,亚洲Res E拱在商业经济与管理杂志》,1卷,第3期,第97 - 88页,2011年。
杰弗里·m·Lackner詹姆斯Jaccard和查尔斯·鲍姆”多畴的Patient-Reported肠易激综合症的结果:探索来访者中心角度更好地理解症状严重程度得分”,健康的价值,16卷,97 -103,2013页。
IliasIakovidis”,对个人健康记录:现状、障碍和趋势在欧洲实施电子医疗记录”,国际医学信息学杂志52卷,第115 - 105页,1998年。
Shivalingappa B野猪肉。“决定因素的结构方程模型对农村家庭的卫生保健Dharwad区,卡纳塔克邦,印度”,国家医学研究杂志》上,卷2,3号,第249 - 245页,2012年。
辛格AlokBhargava SadiaChowdhury和株式会社”医疗基础设施、避孕和婴儿死亡率在北方邦,印度”,经济学和人类生物学,3卷,第404 - 388页,2005年。
HoosenCoovadia,瑞秋Jewkes彼得•巴伦大卫桑德斯,黛安·麦金太尔,”南非的健康和卫生系统:当前公共卫生挑战”的历史渊源,《柳叶刀》,374卷,9692号,817 - 834年,2009页。
Cheon-Pyo李和荣格P垫片的探索性研究”无线电频率识别(RFID)采用医疗行业”,欧洲信息系统杂志》16卷,第724 - 712页,2007年。
P皮特曼,LH艾肯,J巴肯,“国际移民的护士:介绍”,卫生服务研究,42卷,3号第1280 - 1275页,2007年。
印度美国和Awang r .心脏病“智能预测系统”使用数据挖掘技术,在IEEE / ACS国际会议前计算机系统和应用程序,多哈,硕士论文,115年,2008年。
利特纳,“第一次世界卫生保健在第三世界PricesA¢:全球化、生物伦理学和医疗旅游”。
HarleenKaur和Siri k·一”实证研究数据挖掘技术在医疗中的应用”,计算机科学学报,2卷,2号,第194 - 200页。
SiriKrishanWasan, VasudhaBhatnagar HarleenKaur“数据挖掘技术在医疗诊断”的影响,数据科学日报》5卷,第126 - 119页,2006年。
K.SrinivasB。Kavihta王妃和a . Govrdhan”的应用数据挖掘技术在医疗和预测心脏病发作”,在计算机科学和工程、国际期刊卷,02年02号,第255 - 250页,2010年。
LathaParthiban和R。萨勃拉曼尼亚“智能使用CANFIS心脏病预测系统和遗传算法”,国际生物和医学科学杂志》,第3卷,3号,2008年。
Varun Kumar Dharminder Kumar和r·k·辛格”异常挖掘医疗数据库:一个应用程序的数据挖掘在卫生保健管理检测异常值提出了医学数据库”,计算机科学国际期刊和网络安全,VOL.8八号,第277 - 272页,2008年8月。
Aqueel Ahmed,谢赫·阿卜杜勒·汉纳”的数据挖掘技术发现心脏疾病:概述”,国际期刊的创新技术和探索工程1卷,4号,21页,2012页。
莫妮卡Chiarini Tremblay,唐纳德j . Berndt斯蒂芬·l·路德菲利普·r·Foulis和达斯汀·d·法国“识别与跌倒有关的伤害:文本挖掘电子医疗记录”,信息技术和管理,10卷,4号,第265 - 253页,2009年。
VikramJeet辛格Dharam Pal辛格和KishoriLalBansal建议的体系结构:基于云的医疗信息检索网络”,计算机科学与工程技术的国际期刊,05号4卷,第496 - 485页,2013年5月。
投资者拉克希米·m·威克利须那神,美国Prem Kumar“性能比较的数据挖掘技术预测心脏病的生存能力”,国际科学杂志》上的研究出版物,3卷,6号,1 - 10,2013页。
Jinn-Yi叶,Tai-Hsi吴邦国委员长和全维曹”利用数据挖掘技术来预测血液透析患者的住院治疗”,决策支持系统,50卷,第448 - 439页,2011年。
PetrHajek,马丁·劳赫Holena和简“古方法及其对数据挖掘的意义”,计算机和系统科学学报,76卷,34-48,2010页。
怡君E.W.T. Ngai,勇,Y.H. Wong陈和鑫太阳”的应用数据挖掘技术在金融欺诈检测:分类框架和学术审查文学”,决策支持系统,50卷,第569 - 559页,2011年。
Chao-Hui李,杰西Chia-Yu陈和文森特·s曾“一种新的数据挖掘机制考虑生物信号和环境数据与哮喘监测上的应用程序”,在生物医药、计算机方法和程序卷。101年,44 - 61,2011页。
R.S.桑托斯S.M.F. Malheiros, s Cavalheiro和J.M. Parente de Oliveira“数据挖掘系统提供分析信息脑瘤公共卫生决策者”,计算机的方法和程序在生物医学,109卷,第3期,第282 - 269页,2013年。
婷婷Lee Chieh-Yu Liu Ya-HuiKuo,玛丽埃特米尔斯,朝阳区方和CheyuHungd”应用程序的数据挖掘的关键因素识别病人瀑布使用一个基于web的报告系统”,国际医学信息学杂志》,80卷,第150 - 141页,2011年。
Wen-Yuan珍在学校健康中心”“移动医疗服务,国际医学信息学杂志》,78卷,第434 - 425页,2009年。
Syed SibteRazaAbidi“知识管理在医疗保健:„knowledge-drivenA¢决策支持服务”,国际医学信息学杂志》,63卷,5日至18日期间召开,2001页。
Hsu-Hao蔡“全球数据挖掘:一个实证研究当前的趋势,未来的预测和技术扩散”,专家系统与应用程序,39卷,第8181 - 8172页,2012年。
不过Shin Hayoung公园,Junwoo李和赢得ChulJhee”评分模型检测的计费模式健康保险索赔”,专家系统与应用程序,39卷,第7450 - 7441页,2012年。
阿里SerhanKoyuncugil和NerminOzgulbas“金融风险预警系统模型和数据挖掘应用程序检测”,专家系统与应用程序,39卷,第6253 - 6238页,2012年。
Sumana Sharma KwekuMuataOsei-Bryson,“正式框架实现的业务理解数据挖掘项目的阶段”,专家系统与应用程序,36卷,第4124 - 4114页,2009年。
DursunDelen,克里斯蒂福勒,查尔斯·麦肯和迪帕雷”医疗保险的分析:数据挖掘的方法”,专家系统与应用程序,36卷,第1003 - 995页,2009年。
Sharkey Gloria Phillips-Wren,菲比和悉尼MorssDy“矿业肺癌病人数据评估医疗资源利用率”,专家系统与应用程序,35卷,第1619 - 1611页,2008年。
Wan-Shiou杨和San-Yih黄“process-mining医疗欺诈和滥用的检测框架”,专家系统与应用程序,31卷,56 - 68,2006页。
兴黄、Xudong Lu和HuilongDuan矿业“临床路径模式从医疗行为”,人工智能在医学、卷。56岁~,2012页。
Krzysztof j . cio和威廉·g·摩尔“独特的医学数据挖掘”,人工智能在医学、卷。26日- 24,2002页。
大卫·f·莫塔卡布瑞拉和HamidrezaZareipour“数据关联挖掘教育研究院”中辨识出照明能源浪费,能源和建筑,62卷,210 -216,2013页。
Alvaro Rebuge DiogoR。费雷拉在医疗环境中业务流程分析:基于过程挖掘的方法”,信息系统,37卷,第116 - 99页,2012年。
Thanh金刀,FirasZabaneh,朱迪·霍姆斯,劳拉Disrude玛格丽特价格和莱恩贵族,“一个实用的数据挖掘方法将医院微生物及感染控制数据库”,美国感染控制杂志,36卷,3号,18 - 20,2008页。
我雷伊“剖腹产子宫内膜炎病例发现方法的评价”,美国感染控制杂志,34卷,5号,第165 - 157页,2006年。
K.SrinivasB。Kavihta王妃和。Govrdhan”应用程序的数据挖掘技术在医疗和预测心脏病发作”,国际期刊《计算机科学与工程,02年卷,02号,第255 - 250页,2010年。
NidhiBhatla KiranJyoti”心脏病预测的分析使用不同的数据挖掘技术”,国际工程研究与技术杂志》上(IJERT), 1卷,8号,1 - 4,2012页。
年代。Vijiyarani和S。Sudha“疾病预测数据挖掘技术——一项调查”,国际期刊《计算机应用和信息技术,第二卷,没有。我,2013年1月,17 - 21页。区间。
诉Krishnaiah Narsimha和n . Subhash钱德拉”使用数据挖掘技术研究的临床预测”,国际期刊《计算机科学工程和信息技术研究、3卷,1号,第248 - 239页,2013年。
玛丽k Obenshain“数据挖掘技术应用到医疗数据”,感染控制和医院流行病学、25卷,8号,第695 - 690页,2004年。
m . Hemalatha和美国Megala”挖掘技术在卫生保健:免疫”的调查,理论和应用信息技术杂志》上,25卷,2号,2011年。
DiptiPatil、BhagyashreeAgrawal SnehalAndhalkar、RichaBiyani MayuriGund和v . m . Wadhai“自适应参数免费医疗应用的数据挖掘方法”,国际期刊《先进的计算机科学和应用,3卷,1号,55-59,2012页。
n . AdityaSundar p PushpaLatha和m .罗摩钱德拉”性能分析各种数据挖掘分类技术在医疗数据”,国际期刊的工程科学与先进技术,2卷,第3期,第478 - 470页,2012年。
理查德•j•博尔顿和大卫·j .的手,“统计欺诈检测:审查”,2002年统计科学,17卷,第3期,235 - 255。
Motilal c Tayade和Pratibha m . Karandikar”角色的数据挖掘技术在医疗行业在印度”,学者应用医学科学杂志》,1卷,第3期,第160 - 158页,2013年。
Ishtake s . H和Sanap s a“智能心脏病预测系统”使用数据挖掘技术,国际医疗保健与生物医学杂志》上的研究,1卷,第3期,第101 - 94页,2013年。