دیتاست دیابت ۱۳۰ بیمارستان ایالات متحده برای سال های ۱۹۹۹-۲۰۰۸

دیتاست دیابت ۱۳۰ بیمارستان ایالات متحده برای سال های ۱۹۹۹-۲۰۰۸: 

این پروژه مربوط به دیتاست دیابت ۱۳۰ بیمارستان ایالات متحده برای سال های ۱۹۹۹-۲۰۰۸ می باشد. این مجموعه شامل ۱۰ سال (۱۹۹۹-۲۰۰۸) مراقبت های بالینی در ۱۳۰ بیمارستان ایالات متحده و شبکه های تحویل یکپارچه می باشد. این شامل بیش از ۵۰ ویژگی ارائه نتایج بیمار و بیمارستان است. اطلاعات از پایگاه داده برای مواجه هایی که معیارهای زیر را برآورده بودند استخراج شد.

• یک برخورد سرپایی (پذیرش بیمارستان) است.
• این یک برخورد دیابتی است، یعنی یک زمانی که هر نوع دیابت به عنوان یک تشخیص وارد سیستم شد.
• مدت اقامت حداقل ۱ روز و حداکثر ۱۴ روز بود.
• آزمایشات آزمایشگاهی در طول مواجهه انجام شد.
• داروها در طی مواجه شدن با آن تجویز شد.

داده ها حاوی ویژگی هایی مانند تعداد بیمار، نژاد، جنسیت، سن، نوع پذیرش، زمان در بیمارستان، تخصص پزشکی پزشک پذیرفته شده، تعداد آزمایش آزمایشگاهی، نتایج آزمایش HbA1c، تشخیص، تعداد دارو، داروهای دیابتی، تعداد سرپایی ، در بیمارستان و مراجعه به اورژانس در سال قبل از بستری شدن، و غیره.

تعداد نمونه ها:

۱۰۰۰۰۰ نمونه

تعداد ویژگی ها:

۵۵ ویژگی

داده های پرت:

این دیتاست دارای داده های پرت یا Missing Values می باشد.

امکانات پروژه دیتاست دیابت ۱۳۰ بیمارستان ایالات متحده برای سال های ۱۹۹۹-۲۰۰۸:

• این دیتاست دارای یک داکیومنت کامل فارسی است. در این داکیومنت عنوان دیتاست، توضیحات کامل دیتاست، تعداد ویژگی ها، تعداد نمونه ها، توضیح تمام ویژگی های موجود و لینک دیتاست تشریح شده است.
• این دیتاست دارای یک داکیومنت کامل انگلیسی نیز می باشد، که در این دیتاست اطلاعات کاملی به زبان لاتین در رابطه با دیتاست معرفی شده ارائه شده است.
• پس از خرید، امکان دانلود فایل اصلی دیتاست در قالب فایل اکسل میسر است.
• فایل پیش پردازش دیتاست
• وجود فایل ARFF و قابل اجرا در نرم افزار داده کاوی مثل وکا
• امکان دانلود لینک دیتاست در یک فایل متنی به صورت جداگانه

نکته: برای این دیتاست انواع الگوریتم های داده کاوی اهم از ۱۴۷ الگوریتم دسته بندی (مثل: درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان و …)، ۶ الگوریتم خوشه بندی (مثل: K-Means ، DBSCAN ،X-Means و…)، ۳ الگوریتم انجمنی (مثل Apriori ، FP-Growth  و …) و چندین الگوریتم انتخاب ویژگی (مثل PSO و …) با استفاده از ابزارهای داده کاوی و برنامه نویسی اعم از رپیدماینر، وکا، تاناگرا، SPSS، مدلر، کلمنتاین، متلب و … تهیه و پیاده سازی شده است.