Dolování dat pomocí asociačních pravidel v datech pro plátce zdravotní péče

Bc. Jaroslav Chmelař

Bakalářská práce

Association rules as data mining techniques in data of healthcare insurance companies

Anotace:

Bakalářská práce zkoumá způsoby uplatnění asociačních pravidel na medicínská data. Asociační pravidla jsou předkládána jako součást procesu dolování dat. Tento proces je v současnosti rozšířenou metodou získávání skrytých a potenciálně užitečných informací z dat. Práce předkládá jak teoretické zázemí pro získávání asociačních pravidel, tak praktický nástroj – software, který umožňuje efektivní aplikaci algoritmů v praxi na velkém objemu dat. Analyzovaná data pocházejí z Národního registru hospitalizovaných, který umožňuje kvalitní sběr a skladování medicínských dat v České republice. Na nich jsou demonstrovány různé možnosti získávání informací pomocí asociačních pravidel. Tyto možnosti zahrnují např. frekventované množiny (nedílnou součást procesu získávání asociačních pravidel), dále zobecněná asociační pravidla, pravidla úzce specializovaná, nebo zaměření se na konkrétní pravidlo. Získané informace jsou pak v diskuzi interpretovány.

Abstract:

This thesis examines the ways of applying the association rules to medical data. Association rules are presented as part of the data mining process. This process is currently an expanded method of mining hidden and potentially useful information from data. The thesis presents both the theoretical background for mining association rules and the practical tool – software that allows effective application of algorithms on a large volume of data. The analyzed data comes from the National Register of Hospitals, which provides high-quality collection and storage of medical data in Czech Republic. On these data, different options of obtaining information through association rules are demonstrated. These options include, for example frequent itemsets (an integral part of the association rules mining process), generalized association rules, specialized rules, or focusing on specific rule. Then the obtained informations are interpreted in discussion.

Klíčová slova

Dolování dat, Asociační pravidla, NRHOSP, Dolování dat v medicíně, MKN-10, Apriori, ECLAT, FP-Growth, Frekventované množiny, Data mining, Association rules, Data mining in healthcare, Frequent itemsets

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 24. 5. 2017

Obhajoba závěrečné práce

• Obhajoba proběhla 16. 6. 2017
• Vedoucí: RNDr. Daniel Klimeš, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Bakalářský studijní program / obor:
Experimentální biologie / Matematická biologie