Técnica híbrida para a classificação associativa de doenças cardíacas

Nos últimos anos, o sector da saúde tem recolhido enormes quantidades de dados sobre cuidados de saúde que, infelizmente, não são extraídos para descobrir informações ocultas que permitam uma tomada de decisão eficaz. Atualmente, os serviços médicos percorreram um longo caminho para tratar doentes com várias doenças. Uma das mais fatais é a doença cardíaca, que não pode ser vista a olho nu e surge instantaneamente. As taxas de mortalidade aumentaram devido a más decisões clínicas. Para conseguir um tratamento fiável e rentável, podem ser desenvolvidos sistemas de informação ou de apoio à decisão baseados em computador. A extração de dados fornece a solução para a descoberta de conhecimentos a partir destas grandes e complexas bases de dados. O trabalho do autor envolve o desenvolvimento de uma estrutura baseada em técnicas de classificação associativa no conjunto de dados do coração. A implementação do trabalho é efectuada no conjunto de dados sobre o coração do Repositório de Aprendizagem Automática da UCI para testar e avaliar diferentes para obter melhores resultados. Os resultados experimentais mostram que a maioria das regras de classificação associativa ajuda a prever melhor as doenças cardíacas e a criar um sistema fiável de apoio à decisão.