Digging deep into weighted patient data through multiple-level patterns

Tipo di pubblicazione: Articolo su rivista
Tipologia MIUR: Contributo su Rivista > Articolo in rivista
Titolo: Digging deep into weighted patient data through multiple-level patterns
Autori: Baralis, Elena; Cagliero, Luca; Cerquitelli, Tania; Chiusano, Silvia; Garza, Paolo
Autori di ateneo:
Titolo del periodico: INFORMATION SCIENCES
Tipo di referee: Esperti anonimi
Editore: Elsevier
Volume: 322
Intervallo pagine: pp. 51-71
Numero di pagine: 21
ISSN: 0020-0255
Abstract: Large data volumes have been collected by healthcare organizations at an unprecedented rate. Today both physicians and healthcare system managers are very interested in extracting value from such data. Nevertheless, the increasing data complexity and heterogeneity prompts the need for new efficient and effective data mining approaches to analyzing large patient datasets. Generalized association rule mining algorithms can be exploited to automatically extract hidden multiple-level associations among patient data items (e.g., examinations, drugs) from large datasets equipped with taxonomies. However, in current approaches all data items are assumed to be equally relevant within each transaction, even if this assumption is rarely true. This paper presents a new data mining environment targeted to patient data analysis. It tackles the issue of extracting generalized rules from weighted patient data, where items may weight differently according to their importance within each transaction. To this aim, it proposes a novel type of association rule, namely the Weighted Generalized Association Rule (W-GAR). The usefulness of the proposed pattern has been evaluated on real patient datasets equipped with a taxonomy built over examinations and drugs. The achieved results demonstrate the effectiveness of the proposed approach in mining interesting and actionable knowledge in a real medical care scenario
Data: 2015
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: generalized association rule mining, weighted data mining, medical data
Dipartimenti (originale): DAUIN - Dipartimento di Automatica Informatica
Dipartimenti: DAUIN - Dipartimento di Automatica e Informatica
URL correlate:
Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Data di deposito: 28 Lug 2015 21:17
Data ultima modifica (IRIS): 18 Apr 2016 16:00:29
Data inserimento (PORTO): 29 Apr 2016 04:03
Numero Identificativo (DOI): 10.1016/j.ins.2015.06.006
Permalink: http://porto.polito.it/id/eprint/2615624
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 (WGAR.pdf) - Preprint
Accesso al documento: Visibile (Ad accesso aperto)
Licenza: Creative Commons Attribution.

Download (465Kb (476207 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...