Descriptive data mining approach to visualize diabetes behaviour

• Main Author: Dehghani, M. (Mitra)
• Format: Dissertation
• Language: English
• Published: University of Oulu 2014
• Online Access: http://urn.fi/URN:NBN:fi:oulu-201405261502; http://nbn-resolving.de/urn:nbn:fi:oulu-201405261502

Diabetes mellitus is a chronic disease that imposes unacceptably high human, social and economic costs on all countries. Moreover, minimizing its incidence and prevalence rate as well as its costly and dangerous complications requires effective management. Diabetes management hinges on close cooperation between the patient and health care professionals. However, owing to the increasing prevalence of diabetes, one emerging global trend is to replace traditional face-to-face health care with remote patient monitoring by taking advantage of new advances in electronics, such as wireless sensor networks and body sensors. This significantly reduces the cost and service pressures that health centers are facing, but produces a huge amount of heterogeneous data, confronting us with new challenges related to ‘big data’. One established method of handling the big data challenge is data mining. Data mining provides a variety of techniques to analyze big data in order to discover hidden knowledge. This study is an effort to design and implement a descriptive data mining approach and to devise association rules to visualize diabetes behaviour in combination with specific life style parameters, including physical activity and emotional states, particularly in elderly diabetics. The main goal of this type of data mining is to discover critical time stamps and salient parameters that lead patients either to success or failure in diabetes self-care. The visualization method is aimed at creating sufficient motivation in patients to improve their self-care through life style changes. At the same time, it provides a decision support system for health care professionals to improve diabetes treatment. === Diabetes mellitus, joka aiheuttaa inhimillistä, sosiaalista ja taloudellista haittaa globaalisti, vaatii sairauden tehokasta hallintaa vaarallisten komplikaatioiden esiintymisriskin pienentämiseksi. Sairauden hallinta/hoito vaatii läheistä yhteistyötä potilaan ja hoitohenkilökunnan välillä. Koska taudin esiintymistiheys on kasvava, useat maat pyrkivät siirtymään kontaktihoidosta etämonitorointiin käyttämällä hyväksi uusia elektronisia sovelluksia kuten langattomia anturiverkkoja ja kehon antureita. Tämä vähentäisi merkittävästi terveyskeskusten kuormitusta, mutta tuottaisi suuria määriä heterogeenista dataa, jonka asettaa uusia haasteita. Tiedonrikastus, tarjoaa useita tekniikoita piilossa olevan tiedon tutkimiseen. Tässä diplomityössä suunnitellaan ja toteutetaan deskriptiivinen tiedonrikastuslähestymistapa ja assosiaatiosäännöt visualisoimaan diabeteksen käyttäytymistä yhdistämällä elintapaparametreja mukaan lukien diabeetikoiden fyysinen aktiivisuus ja mieliala. Tiedonrikastuksen päämääränä on tutkia kriittiset ajoitukset ja tärkeimmät parametrit, jotka johtavat diabeteksen omahoidon tasapainoon tai epätasapainoon. Visualisointitavan on tarkoitus luoda tarpeeksi motivaatiota potilaalle parantamaan heidän sairautensa hoitotasapainoa muuttamalla elintapoja kuten myös antamalla tukea terveydenhuollon päätöksenteolle hoidon parantamiseksi.