مدل خوشه بندی ابزارها و نرم افزارهای پایش جسمی بیمار در محیط اینترنت اشیا در حوزه سلامت
امروزه با افزایش تقاضای درمان، بیماران با کمک اینترنت اشیا مراقبت و پایش می شوند. فناوری های پایش جسمی بیمار در محیط اینترنت اشیا شامل اندازه گیری ضربان قلب، فشارخون، قند خون و دیگر علائم حیاتی هستند. هدف مقاله، ارائه مدل خوشه بندی فناوری های مذکور با استفاده از تکنیک های داده کاوی است تا مناسب ترین فناوری، طبق نیازها و ویژگی های کاربر انتخاب شود.
پژوهش حاضر، مروری و از منظر نتیجه کاربردی می باشد. داده ها شامل شش مشخصه منحصربه فرد 60 فناوری منتخب، شامل کاربرد، قیمت، نحوه اتصال، منبع تغذیه، مکان استفاده و نوع استفاده می باشد که از سایت های توسعه و تبلیغات فناوری ها و همچنین بررسی مقالات مرتبط استخراج شده است. روش تجزیه وتحلیل داده ها، تکنیک خوشه بندی و الگوریتم K-medoids است. هم چنین برای شناسایی موثرترین مشخصه ها، از الگوریتم جنگل تصادفی استفاده شده است.
مدل ارائه شده، با در نظر گرفتن مشخصه های انتخاب شده کاربر به عنوان ورودی، خوشه ای از فناوری ها را به عنوان خروجی مدل ارائه می دهد. مطابق با الگوریتم، داده ها در بهترین حالت در چهار دسته خوشه بندی شدند. شاخص سیلوئت برای چهار خوشه، مقدار 45/0 شده است که اعتبار مدل را نشان می دهد. با اجرای الگوریتم جنگل تصادفی، نوع کاربرد و پس از آن قیمت، بیشترین تاثیر را در خوشه بندی داشته اند.
توسط مدل پیشنهادی پژوهش، بیماران یا کاربران می توانند مناسب ترین فناوری را بر حسب نوع بیماری و دیگر ویژگی های موثر همچون قیمت، بیابند و به این ترتیب با پایش جسمی درست و لحظه به لحظه، آمار پیشروی بیماری ها کمتر و پیشگیری آن ها بهتر انجام گیرد
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.