تنقيب بيانات الامراض الوبائية باستخدام العنقدة clustering )) دراسة حالة مستشفى امدرمان التعليمي ))

Abstract

المستخلص يهدف هذا البحث لحل المشاكل التى تعانى منها المستشفيات والأطباء و هى مشكلة صعوبة التعرف على المرضى المصابين و صعوبة التعرف على عدد المرضى ومعرفة نتائج التحليل وصعوبة التعرف على اكثر المناطق عرضة للاصابة بالمرض لعدم القدرة على التنبؤ بالمرض وتحديدة بدقة كما أنه توجد بيانات ضخمة دون الإستفادة منها , لذا جاء هذا البحث لحل هذه المشاكل بالإضافة إلى مساعدة الأطباء لإتخاذ القرار الصحيح وبهدف تنقيب بيانات الامراض الوبائية باستخدام العنقدة و تقييم صحة النتائج المستخلصة من خوارزميات العنقدة وفصل بيانات المرضى الى مجموعة عناقيد متشابهة و إيجاد العدد الصحيح للعناقيد ومن ثم الحصول على علاقات خفية أو غير متوقعة وبناء التنبؤات المستقبلية و استكشاف السلوك و الاتجاهات مما يسمح باتخاذ القرارات الصحيحة و اتخاذها في الوقت المناسب وذلك عن طريق خوارزمية العنقدة التجزيئية kmeans على بيانات الامراض الوبائية باستخدام لغة الجافا . ومن خلال الدراسة تم الوصول الى وجود علاقات بين البيانات توصلنا منها الى معلومات دقيقة وواقعيه ومعرفة اكثر المناطق عرضه للامراض الوبائية وتقديم نظام لمجتمع معافى من الامراض .

ABSTRACT The aim of this research is to solve the problems that hospitals and doctors suffer from. It is difficult to identify the patients, the difficulty in identifying the number of patients, the results of the analysis, the difficulty in identifying the most vulnerable areas, the inability to predict the disease, Therefore, this research aims to solve these problems in addition to helping doctors to make the right decision and to investigate the epidemiological data using cluster, evaluate the validity of the findings from cluster algorithms, separate the patient data into a similar group of clusters and find the correct number of clusters and thus obtain hidden or unexpected relationships Building future predictions and exploring behavior and trends, allowing for the right decisions to be made in a timely manner through the k means cluster algorithm on epidemiological data using Java . Through the study, we found the existence of relationships between the data we have obtained from accurate and realistic information and knowledge of the most vulnerable areas of epidemic diseases and provide a system for a healthy community of diseases