Tıp`ta veri madenciliği uygulamaları: Yenidoğan sepsisi veri seti analizi

Abstract

Gelişen Teknolojiler ile birlikte eskiden ölçülemeyen veya ölçülebilir olup da kayıt altına alınmayan birçok veri günümüzde kayıt altına alınarak veri tabanlarında saklanmaktadır. Klasik istatistik bilimi az sayıda veri içerisinden anlamlı veriyi çıkarmamıza imkân tanıyordu fakat modern teknoloji ile klasik istatistik metotlarının birleşmesi ile veri madenciliği yöntemleri ortaya çıkmıştır. Veri madenciliği yöntemleri ile artık birçok veri yığını arasından anlamlı veriyi tespit etmek, elde edilen anlamlı veriler ile karar destek sistemleri oluşturmak daha kolay bir hal almıştırBu çalışmanın amacı veri madenciliği yöntemlerinin sağlık hizmetleri ile olan ilişkisine değinmektir. Hekimler adına karar verecek bir sistem, metot veya yöntem geliştirmek değildir. Sonuçta en iyi kararı hekimin kişisel gözlemleri ve tecrübesi oluşturmaktadır. Yoğun iş temposu ve veri karmaşası arasından hekime karar verme noktasında destek olacak akıllı bir sistem geliştirmek anlamında çalışmalar olacaktır. Bundan hareketle Yenidoğan Sepsis veri setine KNN Algoritması uygulanmış, toplam 128 Örnek içerisinde 121 örnek doğru sınıflandırılmıştır. KNN algoritmasının doğruluk oranı bu veri seti için %94.53 'dir. Yenidoğan Sepsis veri setine Naive Bayesian algoritması uygulanmış ve doğruluk oranı %93.73 olarak hesaplanmıştır.

With the developing technologies, many data that are not measured or measurable in the past but not recorded are now recorded and stored in the databases. Classical statistical knowledge has made it impossible to extract meaningful data from a small number of data, but data mining methods have emerged by combining classical statistical methods with modern technology. With data mining methods it is now easier to establish decision support systems with meaningful data obtained from meaningful data among many data stacksThe purpose of this study is to address the relationship between data mining methods and health services. It is not a system, method or method to decide on behalf of physicians. Ultimately, the best decision is the personal observation and experience of the physician. The intensive business will work in the sense of developing an intelligent system that will support the tempo of decision making and the complexity of data among the tempo. From this, the KNN algorithm was applied to the Sepsis data set and 121 samples were classified correctly in a total of 128 samples. The accuracy of the CNN algorithm is 94.53% for this data set. Naive Bayesian algorithm were applied to the Sepsis data set and the accuracy rate was calculated as 93.73.