Heart disease system prediction using data mining techniques

Abstract

Verilen hizmetlerin hem etik hem de sosyal açılardan bir sorumluluk ortayaçıkarması nedeniyle, Hizmet Kalitesi (QoS) sağlık sektöründe en önemli hususlardanbiri olmuştur. Günümüz teknoloji dünyasında ehliyetli karar verme sistemleri tanısisteminde bile yer aldığı için, deneme veya doktor tecrübesine dayalı gelenekseltedavi yaklaşımları hep reddedilmiştir. Bu açıdan, hastaların verilerini yönetmek içinveri madenciliği tekniğinin kullanılması sağlık sektöründe veri yönetiminikolaylaştırmaktadır. Yine de, farklı veri madenciliği teknikleri verinin doğasına bağlıolarak yetkinlik ile ilgili bazı zorluklar ortaya çıkarmaktadır. Sağlık sektöründe verimadenciliği tekniklerinin etkililiğini değerlendirmek amacıyla, çalışma hastalarıngelecekteki olası kalp hastalıklarını tahmin etmek için hasta verileri yönetimindekisonuçlara odaklanmaktadır. Sonuç olarak araştırmacı Naïve Bayes ve WAC -Weighted Associative Classifier (Ağırlıklı İlişkisel Sınıflandırıcı) isimli iki farklı verimadenciliği prototipi geliştirmiştir. Weka 3.6.6 iş tezgâhı ile her iki tekniğindeperformans etkililiği karşılaştırılarak ve kalp hastalıkları semptomlarınaodaklanılarak, geliştirilen prototipin performansı çoklu girdi özelliklerinin tahminsisteminin sınıflandırmasını desteklemesiyle hedeflenen amaç açısından başarı olarak onaylanmıştır. Buna göre, veri madenciliğinin tahmin ve sınıflandırma tekniklerinietkililiği tanısal amaçlar için onaylanmıştır. Çalışma ayrıca kalp hastalıklarının doğruve tam tahmini için damar stenozu (darlığı) ve özellikleri ile özellik azaltma tahminmekanizmasına sahip yetenek güvenilen otomasyon sistemi geliştirmek için bazıöneriler sunmaktadır. Bunun yanında, veri madenciliğine bulanık yaklaşımlarınuyarlanması amaçlanmıştır.

The Quality of Services (QoS) has always been of utmost significance in thehealthcare sector since the services entail accountabilities to both the ethical andsocial perspectives. In today's world of technology, the traditional approaches totreatment based on trials or doctors' experiences have been denied, as proficientdecision-making systems have taken place even in the diagnosis system. In thisregard, the adoption of data mining techniques for managing patients' data has beenfacilitating the data management needs of the healthcare sector. Nonetheless,different data mining techniques entail certain challenges associated with therespective proficiency in accordance with the nature of the data. In order to assess theeffectiveness of data mining techniques in the healthcare sector, the study hasfocused the implications in managing the patients' data to predict the likelihood ofheart disease in future. Consequently, the researcher has developed a prototypehaving two different data mining techniques of Naïve Bayes and WAC - WeightedAssociative Classifier. Comparing the performance efficacy of both the techniquesthrough the workbench of Weka 3.6.6, and focusing on the symptoms of heartdisease, the performance of the developed prototype is affirmed to be a success with respect to the intended purpose; where multiple input attributes have favoured theclassification of the prediction system. Accordingly, the efficacy of prediction andclassification techniques of data mining has been approved for diagnostic purposes.The study also presents certain recommendations for developing an intelligent trustedautomation system, having the prediction mechanism of vessel stenosis and attributes,and feature reduction for accurate prediction of heart disease. Besides, the adoption offuzzy approaches to data mining has also been proposed.