MeTA: Characterization of medical treatments at different abstraction levels

Tipo di pubblicazione: Articolo su rivista
Tipologia MIUR: Contributo su Rivista > Articolo in rivista
Titolo: MeTA: Characterization of medical treatments at different abstraction levels
Autori: Antonelli, Dario; Baralis, Elena; Bruno, Giulia; Cagliero, Luca; Cerquitelli, Tania; Chiusano, Silvia; Garza, Paolo; Mahoto, Naeem A.
Autori di ateneo:
Titolo del periodico: ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY
Tipo di referee: Esperti anonimi
Editore: ACM New York, NY, USA
Volume: 6
Numero: 4
Intervallo pagine: pp. 1-25
Numero di pagine: 25
ISSN: 2157-6904
Abstract: Physicians and healthcare organizations always collect large amounts of data during patient care. These large and high-dimensional datasets are usually characterized by an inherent sparseness. Hence, the analysis of these datasets to gure out interesting and hidden knowledge is a challenging task. This paper proposes a new data mining framework based on generalized association rules to discover multiple-level correlations among patient data. Specically, correlations among prescribed examinations, drugs, and patient proles are discovered and analyzed at different abstraction levels. The rule extraction process is driven by a taxonomy to generalize examinations and drugs into their corresponding categories. To ease the manual inspection of the result, a worthwhile subset of rules, i.e., the non-redundant generalized rules, is considered. Furthermore, rules are classied according to the involved data features (medical treatments or patient proles) and then explored in a top-down fashion, i.e., from the small subset of high-level rules a drill-down is performed to target more specic rules. The experiments, performed on a real diabetic patient dataset, demonstrate the effectiveness of the proposed approach in discovering interesting rule groups at different abstraction levels
Data: 2015
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: healthcare informatics, data mining, generalized association rule mining
Dipartimenti (originale): DAUIN - Dipartimento di Automatica Informatica
DIGEP - Dipartimento di Ingegneria Gestionale e della Produzione
Dipartimenti: DIGEP - Dipartimento di Ingegneria Gestionale e della Produzione
DAUIN - Dipartimento di Automatica e Informatica
URL correlate:
Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > TECNOLOGIE E SISTEMI DI LAVORAZIONE
Area 09 - Ingegneria industriale e dell'informazione > SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Data di deposito: 11 Gen 2017 17:03
Data ultima modifica (IRIS): 13 Gen 2017 11:22:29
Data inserimento (PORTO): 16 Gen 2017 18:49
Numero Identificativo (DOI): 10.1145/2700479
Permalink: http://porto.polito.it/id/eprint/2570938
Link resolver URL: Link resolver link
Citazioni:

Il campo presenta il numero di citazioni presenti sulle banche dati Scopus e Web of Science e permette di accedere ai relativi record. Visualizza inoltre il link al record presente su Google Scholar.

Possono verificarsi discrepanze rispetto ai dati presenti sulle banche dati per i seguenti motivi:

  • Differenze tra i dati riportati su IRIS e quelli presenti nelle banche dati.
  • Il numero di citazioni riportate su PORTO viene estratto mensilmente. Il dato citazionale presente sulle singole banche dati è aggiornato in tempo reale
  • Il numero di citazioni per WoS viene calcolato sulla base delle collezioni in abbonamento (Science citation index Expanded e Conference Proceedings Citation Index)

Per informazioni o segnalazioni contattare scrivia/porto

+
-

Allegati

[img]
Preview
PDF (AntonellietAl.pdf) - Preprint
Accesso al documento: Visibile (Ad accesso aperto)
Licenza: Pubblico - Tutti i diritti riservati.

Download (389Kb (398971 bytes)) | Preview

Azioni (richiesto il login)

Visualizza il documento (riservato amministratori) Visualizza il documento (riservato amministratori)

Statistiche sul Download degli allegati

Altre statistiche su questa pubblicazione...