Benchmarking data mining techniques for segmenting diabetes patients

Abstract

Tıbbi araştırmalar ve anketler, Türkiye'de 5 milyondan fazla diyabet (şeker) hastası bulunduğunu ortaya koymaktadır. Ancak bu hastalann büyük çoğunluğu maalesef diyabet tehlikesinde olduklannın farkında değildirler. Uzman bir doktoru ziyaret etmek, muayene olmak ve insülin tedavisinde dozajı ayarlamak için doktorla görüşmek hastalara zor gelmektedir. Hem potansiyel hastalann risk oranını belirlemek, hem de diyabetlilerin tedavileri boyunca yol gösterici bir uzman sistem geliştirmek için veri madenciliği tekniklerinin karşılaştinlması istendi. Bu nedenle, İstanbul Diabet Hastenesi verileri kullanıldı. Diyabet hastalannın sosyo-demografik verilerini kullanarak veri madenciliği tekniklerinin karşılaştinlması istendi. Bu amaçla, diyabet hastalannın sahip olduğu veriler ANFIS, multinominal lojistik regresyon, bayes ağı yardımı ve rough set kullanılarak kestirimler yapıldı. Son olarak kıyaslamalar yapıldı ve sonuc olarak, ANFIS' in daha etkili bir öğrenme ve kestirim aracı olduğu görüldü.

Medical researches and questionnaires declare that there are approximately 5 million diabetic patients in Turkey. Unfortunately majority of them don?t realize that they are in danger of diabetes. It is thought difficult to visit a doctor and examine the results of their insulin measurement. I intend to make a benchmarking on data mining techniques for segmenting diabetes patients, which will help on examining the medical results of potential patients. I intend to use datas from İstanbul Diabetes Hospital. It?s needed to benchmark of data mining techniques using socio-demographic data of diabetic patients, in order to reveal diabetes map of Turkey, to find association rules among the social-demographic data and to apply Adaptive Neuro Fuzzy Inference System (ANFIS), multinomial logistic regression (MLR), Bayesian network and rough set. Via benchmarking these used methods, it?s seen that ANFIS is more effective than other methods using diabetes data.