PROJETO DE SISTEMA DE ALERTA PRECOCE PARA PROBLEMAS DE SAÚDE MENTAL COM BASE NA MINERAÇÃO DE DADOS E BANCO DE DADOS

Li, Baodong

Acessibilidade / Reportar erro

Brasil

Revista Brasileira de Medicina do Esporte

Español English

Brasil

Español English

sumário « anterior atual seguinte »

Sumário

Original Article • Rev Bras Med Esporte 29 • 2023 • https://doi.org/10.1590/1517-8692202329012022_0153 copiar

PROJETO DE SISTEMA DE ALERTA PRECOCE PARA PROBLEMAS DE SAÚDE MENTAL COM BASE NA MINERAÇÃO DE DADOS E BANCO DE DADOS

Autoria SCIMAGO INSTITUTIONS RANKINGS

RESUMO

Introdução:

A tecnologia de mineração de dados é empregada principalmente na era da big data para avaliar as informações adquiridas. Posteriormente, raciocinar indutivamente sobre os dados de forma totalmente automatizada para descobrir possíveis padrões.

Objetivo:

Recentemente, a tecnologia de mineração de dados no banco de dados nacional de saúde mental tem se aprofundado e pode ser efetivamente utilizada para resolver vários problemas de alerta precoce da saúde mental.

Métodos:

Por exemplo, ela pode ser aplicada para a mineração de dados psicológicos e extrair as características e informações mais importantes.

Resultados:

Este documento apresenta o projeto de um sistema de alerta precoce para problemas de saúde mental baseado em técnicas de mineração de dados, com o objetivo de oferecer algumas reflexões sobre alerta precoce de problemas de saúde mental, incluindo preparação de dados, mineração de dados, análise de resultados e algoritmo de árvore de decisão.

Conclusão:

Os resultados experimentais indicam que os resultados do sistema de alerta precoce neste trabalho podem alcançar uma taxa de precisão de mais de 96% com uma alta taxa de precisão. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.

Descritores:
Mineração de dados; Base de dados; Saúde mental; Sistemas de Alerta Rápido

Methodology for designing an early warning system for mental health problems based on data mining and database
The process of data mining	2.2	Common data mining techniques	2.3	Decision tree algorithm
Data preparation	1	Statistics	1	Overview
Data mining	2	Cluster analysis	2	Information gain
Result analysis	3	Tree classification technology decision	3	Gain rate
Knowledge assimilation	4	Artificial neural network algorithm	4	Gini indicator
Knowledge assimilation	4	Artificial neural network algorithm	5	Tree pruning

Sample category	Normal		Abnormal
Test Results	Correct	Error	Correct	Error
Accuracy	0.9754	0.0246	0.8125	0.1875

Algorithm	Modeling time	Classification time
CART decision tree	0.5362	0.0217
Random forest	1.3427	0.0278
BP neural network	6.9546	0.0291
Pattern recognition network	1.7631	0.0286

	Accuracy	Precision rate	Recall rate	F value
ID3	89.64%	69.47%	54.12%	52.34%
C4.5	92.31%	75.18%	50.74%	57.07%
CART	97.25%	89.73%	60.26%	71.55%

Predicted outcomes	Accuracy of the control group	Accuracy of the measurement collection	Precision accuracy for total volume of specimen
Easy individual horizontal pattern	81.47%	82.15%	77.19%
Simple clinical model	93.42%	95.63%	93.17%
Complex clinical	97.81%	97.18%	96.74%

	Number of samples	Accuracy	Precision rate	Recall rate	F value
Juvenile	264	96.32%	91.65%	61.23%	75.61%
Youth	382	98.25%	92.14%	58.47%	73.28%
Middle aged	347	97.17%	90.68%	60.59%	74.73%
Old age	213	96.09%	91.49%	59.94%	75.48%

Verification times	Low risk	Medium risk	Higher risk	High-risk	Average
1	95.25%	84.31%	73.25%	59.43%	78.06%
2	94.76%	86.34%	71.44%	60.28%	78.21%
3	96.38%	81.27%	72.52%	62.57%	78.19%
4	97.27%	85.32%	74.27%	61.89%	79.69%
5	96.13%	87.57%	75.36%	60.74%	79.95%

Sociedade Brasileira de Medicina do Exercício e do Esporte Av. Brigadeiro Luís Antônio, 278, 6º and., 01318-901 São Paulo SP, Tel.: +55 11 3106-7544, Fax: +55 11 3106-8611 - São Paulo - SP - Brazil
E-mail: atharbme@uol.com.br

Acompanhe os números deste periódico no seu leitor de RSS

[1] Correspondence: Baodong Li, Henan University of Economics and Law, Henan, China. 450046. libaodong09@163.com

Design experiment of mental healtd warning system based on data mining and database	3.1	Hadoop-based mental health data analysis platform	1	Hadoop framework
			2	Overview of Hadoop
			3	JSON
	3.2	System database design	1	Select database
			2	Add user record
			3	Database security design