A data-mining algorithm to assess key factors in asthma diagnosis - 08/06/19
Un algorithme fondé sur les données pour l’évaluation des éléments clés du diagnostic de l’asthme
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder
Abstract |
Background |
Data mining is a technique widely used in medicine for the medical diagnosis, treatment and prognosis. Amongst the medical applications of data mining techniques, the most important are the construction of models comprising the key factors in disease diagnosis, evaluation of disease-related data patterns, monitoring of patient health status, and forecasting patients’ future status. The purpose of this study was to assess key factors in the onset/progression of asthma central to accurate diagnosis of the disease.
Methods |
The survey was designed as a cross-sectional descriptive study in the summer of 2017. We selected patients diagnosed with asthma (n=300) and individuals without asthma (n=80) referred to clinics and hospitals in Tehran (Iran), Mofid Hospital (Tehran) and the Children's Medical Center (Tehran). A questionnaire was used to collect complementary medical information from the selected individuals. The recorded information was then evaluated and 200 of these cases were selected for further analysis. The surveyed data was analyzed using MATLAB and RapidMiner software and the results were assessed using a decision-tree algorithm.
Results and Discussion |
The key disease factors and their interrelation were analysed in the present study. Shortness of breath, wheezing, repeated respiratory attacks, cough, sleep disorder and facial bruising are common symptoms of asthma from the mildest to the most severe forms. Family history was also found to be an important factor in asthma risk for children. The findings of the study are consistent with those of expert physicians, with confirmation of the ability of data mining to generate knowledge from experimental data and to establish a consensual diagnosis.
Le texte complet de cet article est disponible en PDF.Résumé |
Contexte |
L’exploration des données est une technique largement utilisée en médecine pour évaluer le diagnostic, le traitement et le pronostic d’une maladie. Parmi les applications médicales des techniques d’exploration de données, les plus importantes sont la construction de modèles comprenant les éléments clés du diagnostic d’une affection, l’évaluation des schémas de données associées à la maladie, la surveillance de l’état de santé des patients et la prévision de leur état futur. Le but de cette étude était d’évaluer les facteurs clés dans l’apparition et la progression de l’asthme, essentiels au diagnostic précis de la maladie.
Méthodes |
Cette enquête est une étude descriptive transversale réalisée pendant l’été 2017. Nous avons sélectionné des patients asthmatiques chez lesquels le diagnostic d’asthme avait été porté (n=300) et des personnes non asthmatiques (n=80) adressées à des cliniques et des hôpitaux de Téhéran (Iran), à l’hôpital Mofid (Téhéran) et au centre médical pour enfants (Téhéran). Un questionnaire a été utilisé pour collecter des informations médicales complémentaires auprès des individus sélectionnés. Les informations enregistrées ont ensuite été évaluées et 200 de ces cas ont été sélectionnés pour une analyse plus approfondie. Les données de l’enquête ont été analysées à l’aide des logiciels MATLAB et RapidMiner et les résultats ont été évalués à l’aide d’un algorithme décisionnel.
Résultats et discussion |
Les facteurs clés du diagnostic d’asthme et leurs relations réciproques ont été analysés dans la présente étude. Essoufflement, respiration sifflante, événements respiratoires à répétition, toux, troubles du sommeil et aspect bleuté du visage sont des symptômes courants de l’asthme, de la forme la plus légère à la forme la plus grave. Les antécédents familiaux étaient également un facteur important du risque d’asthme chez les enfants. Les résultats de l’étude concordent avec ceux des médecins experts, confirmant ainsi la capacité de l’exploration de données à générer des connaissances à partir de données expérimentales et pour établir un diagnostic consensuel.
Le texte complet de cet article est disponible en PDF.Keywords : Asthma, Data mining, Decision-tree algorithm, Medical diagnosis, RapidMiner
Mots clés : Asthme, Exploration de données, Algorithme décisionnel, Diagnostic médical, Logiciel RapidMiner
Plan
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Déjà abonné à cette revue ?