Mineração de regras de associação aplicada a dados da Secretaria Municipal de Saúde de Londrina-PR/
Resumo:Com o grande crescimento dos volumes de dados que as organizações vêm registrando e a diversidade das fontes destes dados, o fato de se aproveitar informações contidas nessas massas de dados se tornou uma necessidade. Surgiu então uma área denominada Descoberta de Conhecimento em Bases de Dad...
Na minha lista:
| Principais autores: | , |
|---|---|
| Formato: | Dissertação |
| Publicado em: |
|
| Assuntos: | |
| Endereço do item: | https://app.bczm.ufrn.br/home/#/item/92901 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| Resumo: | Resumo:Com o grande crescimento dos volumes de dados que as organizações vêm registrando e a diversidade das fontes destes dados, o fato de se aproveitar informações contidas nessas massas de dados se tornou uma necessidade. Surgiu então uma área denominada Descoberta de Conhecimento em Bases de Dados (DCBD). Neste trabalho é utilizada a técnica de regras de associação na área de saúde, vinculando dados referentes à situação socioeconômica do paciente com os procedimentos que foram realizados nas internações hospitalares a que foi submetido. Devido ao grande número de regras que poderiam ser geradas resultantes das inúmeras possibilidades da base de dados, foi construído um protótipo de uma ferramenta para extração de regras de associação, que não só é baseado no suporte e confiança, mas também utiliza os conceitos de lift e improvement os quais ajudam na diminuição de regras triviais. O experimentos foram realizadas com a base de dados da Secretaria Municipal de Saúde de Londrina-PR.#$&Abstract:The increasing amount of data that organizations have been registering and the diversity of data sources have generated the necessity to extract knowledge from this mass of data. Based on this necessity a new area has emerged which is named Knowledge Discovery in Database (KDD). In this work we apply the association role mining technique in the public health area, linking social economic situation of patients which were attended in our hospital. Because of the large number of rules that can be produced we developed a prototype of a tool for extract association rules, not only based on support and confidence, but using too the measures lift and improvement in order to reduce the number of rules. Experiments were performed with the “Secretaria Municipal de Saúde de Londrina” database. |
|---|