تفاصيل الوثيقة

نوع الوثيقة : رسالة جامعية 
عنوان الوثيقة :
نهج مهجن لتطوير نموذج لمعالجة البيانات المفقودة في السجلات الصحية الالكترونية
A HYBRID APPROACH TO DEVELOP A MODEL FOR HANDLING MISSING DATA IN ELECTRONIC HEALTH RECORDS
 
الموضوع : كلية الحاسبات وتقنية المعلومات 
لغة الوثيقة : العربية 
المستخلص : تُعد أنظمة السجلات الصحية الإلكترونية EHR مهمة لتشغيل الممارسات الطبية. يتم استخدامها من قبل الأطباء وصناع القرار لتتبع جميع جوانب رعاية المرضى. عادةً ما يكون لدى مرضى الأمراض المزمنة مجموعات بيانات واسعة تخزن كمية كبيرة من البيانات المختلفة لتتبع التاريخ الطبي للمرضى. لذلك فإن وجود قيم مفقودة في أنظمة السجلات الصحية الإلكترونية هو أكبر عقبة تواجه الباحثين والطاقم الطبي. في الآونة الأخيرة يلعب تعليم الآلة "ML" دورًا مهمًا في مختلف القطاعات بالإضافة إلى تقنية الحوسبة، لتحسين الخدمات المقدمة وتحسين جودة البيانات. لذلك تمّ استخدام تقنيات ML لاحتساب البيانات الطبية المفقودة. ومع ذلك فقد وُجد أنه تم استخدام طرق مختلفة لعملية التعويض، ولكن تم تصميم كل منها لمعالجة قضايا معينة. تهدف هذه الرسالة إلى اقتراح منهجية تعاودية هجينة، تُستخدم لحساب البيانات المفقودة في EHR لمرضى الأمراض المزمنة (مرضى السكري كدراسة حالة). يشار إلى هذه المنهجية باسم "C2I" وتعني (التجميع Clustering، التقليد Imitation، التعويض Imputation). تمّ فحص C2I باستخدام مجموعة بيانات مرض السكري بأثر رجعي من مستشفى الملك عبد العزيز الجامعي. في هذه الدراسة اختيرت المتغيرات المترابطة ذات الصلة لمرضى السكري. بعد ذلك تمّ تقليد أنماط ونسب القيم المفقودة في السجلات الكاملة من مجموعة بيانات مرض السكري. بعد ذلك تمّ حساب القيم المفقودة المقلدة باستخدام C2I. ثم قياس أداء C2I بثلاث تقنيات مختلفة: (1) حساب مقاييس خطأ الحساب، و (2) مقارنة الأداء بالطريقة شائعة الاستخدام "التعويض المتعدد MI"، و (iii) تطبيق C2I على مجموعة البيانات الكاملة. في C2I، تم استخدام طرق ML خاضعة للرقابة وغير خاضعة للرقابة. ومن المثير للاهتمام أن C2I حقق نتائج إيجابية ملحوظة أفضل بنسبة 19٪ من معدلات الخطأ عبر MI. علاوة على ذلك، يقلل C2I التشتت في مجموعة البيانات ويحتفظ بنطاقات متغيراتها. كما تشير نتائج هذه الدراسة إلى أن نسبة فقد البيانات العالية للمتغير المرتبط تتسبب في معدل خطأ مرتفع للمتغير المفقود. المزيد من الدراسات التي تأخذ في الاعتبار المتغيرات المرتبطة سنحتاج إلى إجرائها بأساليب جديدة مثل التعلم العميق والشبكات العصبية. 
المشرف : د. أروى عبدالله جمجوم 
نوع الرسالة : رسالة ماجستير 
سنة النشر : 1442 هـ
2020 م 
تاريخ الاضافة على الموقع : Monday, August 31, 2020 

الباحثون

اسم الباحث (عربي)اسم الباحث (انجليزي)نوع الباحثالمرتبة العلميةالبريد الالكتروني
مرام عبدالله باعطيةBaatya, Maram Abdullahباحثماجستير 

الملفات

اسم الملفالنوعالوصف
 46712.pdf pdf 

الرجوع إلى صفحة الأبحاث