文献

J-GLOBAL ID：202002216466811238   整理番号：20A1244564

病院罹患率予測のためのデータマイニング【JST・京大機械翻訳】

Data Mining for Hospital Morbidity Forecasting

著者 (2件)： Vianna Leonardo Silva (Federal University of Santa Catarina,Graduate Program in Health Informatics,Floriano ́polis,Brazil) ,  Wazlawick Raul Sidnei (Federal University of Santa Catarina,Department of Informatics and Statistics,Floriano ́polis,Brazil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSA-C  ページ： 167-172  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 病院の医療サービスに対する需要の増大は,それらの管理者にとって大きな課題をもたらしている。患者数や治療期間のような高い不確実度を持つ変数は,計画プロセスを妨げ,確立された戦略に適切に適合することを困難にする。病院管理プロセスに影響を及ぼす因子の制御と同定は,健康データベース分析に依存する。したがって,貯蔵データから有用な知識を探索する可能性を考慮することは重要である。本研究の目的は,ブラジルの公衆衛生データベースから得られた外来および病院の手順記録に関する異なるデータマイニング法による病院罹患率予測を評価することである。研究方法は,回帰問題に関する教師つき学習アルゴリズムを適用することによって予測データマイニングを実行することから成る。3か月の予測時間間隔で個々に得られた最も高いピアソン相関係数は,ICD10章XVIの疾患グループに関する属性選択アルゴリズムに関連したランダムフォレストを適用したデータマイニング法を通して,0.9682であった。適用された方法,分析された病気のグループ,および提案された予測時間間隔に依存して,異なる結果が達成された。それは,外来および病院記録に関するデータマイニングが病院罹患率の予測を可能にしたという結論を導いた。得られた病院罹患率予測は,意思決定プロセスにおける健康サービスに対する需要ランダム性の望ましくない影響を最小にすることができる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  管理者 ,  データベース ,  不確実性 ,  ブラジル連邦共和国 ,  教師つき学習 ,  公衆衛生 ,  病院管理 ,  *データマイニング
準シソーラス用語： 国際疾病分類 ,  ランダム性 ,  医療サービス ,  ランダムフォレスト ,  Pearson相関係数 ,  属性選択 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 病院 ,  罹患率 ,  予測 ,  データマイニング