Search

Conselho Nacional de Desenvolvimento Científico e Tecnológico O processo tradicional de descoberta de conhecimento em bases de dados (KDD Knowledge Discovery in Databases) não contempla etapas de processamento multidimensional e multinível (i.e., processamento OLAP - OnLine Analytical Processing) para minerar cubos de dados. Por conseqüência, a maioria das abordagens de OLAM (OLAP Mining) propõe adaptações no algoritmo minerador. Dado que esta abordagem provê uma solução fortemente acoplada ao algoritmo minerador, ela impede que as adaptações para mineração multidimensional e multinível sejam utilizadas com outros algoritmos. Além disto, grande parte das propostas de OLAM para regras de associação não considera o uso de um servidor OLAP e não tira proveito de todo o potencial multidimensional e multinível presentes nos cubos OLAP. Por estes motivos, algum retrabalho (e.g., re-implementação de operações OLAP) é realizado e padrões possivelmente fortes decorrentes de generalizações não são identificados. Diante desse cenário, este trabalho propõe a arquitetura DOLAM (Decoupled OLAM) para mineração desacoplada de regras de associação multidimensional, multinível e de outliers em cubos OLAP. A arquitetura DOLAM deve ser inserida no processo de KDD (Knowledge Discovery in Databases) como uma etapa de processamento que fica entre as etapas de Pré-Processamento e Transformação de Dados. A arquitetura DOLAM define e implementa três componentes: 1) Detector de Outliers, 2) Explorador de Subcubos e 3) Expansor de Ancestrais. A partir de uma consulta do usuário, estes componentes são capazes de, respectivamente: 1) identificar ruídos significativos nas células do resultado; 2) explorar, recursivamente, todas as células do resultado, de forma a contemplar todas as possibilidades de combinações multidimensional e multinível e 3) recuperar todos os antecessores (generalizações) das células do resultado. O componente central da arquitetura é o Expansor de Ancestrais - o único de uso obrigatório. Ressalta-se que, a partir desses componentes, o processamento OLAM fica desacoplado do algoritmo minerador e permite realizar descobertas mais abrangentes, as quais, por conseqüência, podem retornar padrões potencialmente mais fortes. Como prova de conceito, foi realizado um estudo de caso com dados reais de uma empresa de micro-crédito. O estudo de caso foi implementado em Java, fez uso do servidor OLAP Mondrian e utilizou as implementações dos algoritmos para mineração de regras de associação APriori e FP-Growth do pacote de software Weka

Actualmente, a prescrição electrónica na prática clínica é muitas vezes utilizada em acções de apoio à tomada de decisão e à monitorização dos serviços prestados por organismos ligados à saúde pública. O sucessivo armazenamento de dados relativos à prescrição de medicamentos fez com que, já hoje, se possa aplicar algumas técnicas de mineração de dados com sucesso na procura de padrões de prescrição de medicamentos que possam ser interessantes para a optimização dos serviços dos organismos em causa. As regras de associação, usualmente utilizadas em processos de análise sobre dados referentes a transacções, podem ser aplicadas nesta área com alguma pertinência e utilidade. Na realidade, a ideia de descobrir padrões de prescrição de medicamentos é, só por si, muito atractiva pelo leque de novas opções de gestão e de rentabilização de serviços que abre. Neste trabalho apresentamos os resultados de um estudo realizado sobre a prescrição de medicamentos na região norte de Portugal, cujo objectivo principal foi o de descobrir padrões de prescrições entre os medicamentos prescritos, os médicos prescritores e os laboratórios prescritos., Today, electronic prescription in clinical scenarios is frequently used to support decision-making tasks and services monitoring in public health institutions. The huge amount of data that has been stored during last years about medication prescriptions makes now possible to apply data mining techniques with a significant success to discover patterns that could be useful to optimize medical services and resources related to medication prescription. Association rules, which are frequently used in the analysis of commercial transactions data, could be applied usefully on the medical prescriptions area. In fact, the idea of discovering medication prescriptions patterns it is quite attractive due to the wide range of new applications that can be opened to service management and optimisation. In this work, we present a study about medication prescriptions in the north region of Portugal, in order to discover some relevant patterns among medication, doctors and laboratories., (undefined)