S'abonner

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

Doi : 10.1016/j.reval.2019.01.013 
M. Mozaffarinya a, A. Reza Shahriyari a, M. Karim Bahadori a, A. Ghazvini a, S. Shamsadin Athari b, , G. Vahedi a
a Baqiyatallah University of Medical Sciences, Tehran, Iran 
b Department of Immunology, School of Medicine, Zanjan University of Medical Sciences, Zanjan, Iran 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Saturday 08 June 2019
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


© 2019  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

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 ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.