Framework based on complex networks to model and mine patient pathways

要約

患者グループと医療システムとの遭遇の歴史、いわゆる「患者の経路」を表すモデルの自動発見は、医療システムを改善するための臨床および組織の意思決定をサポートする新しい研究分野です。
提供される治療の質と効率。
慢性疾患患者の経路は人によって大きく異なる傾向があり、反復的なタスクがあり、結果に影響を与える複数の視点（介入、診断、医療専門分野など）の分析が必要です。
したがって、これらの経路のモデリングとマイニングは依然として困難な作業です。
この研究では、(i) マルチアスペクトグラフに基づくパスウェイモデル、(ii) 経過時間を考慮してパスウェイを比較するための新しい非類似性測定、および (iii) に基づくマイニング方法から構成されるフレームワークを提案します。
経路の最も関連性の高いステップを発見するための伝統的な中心性測定。
妊娠と糖尿病の研究事例を使用してこのフレームワークを評価したところ、類似した経路のクラスターを発見し、それらを解釈しやすい方法で表現し、複数の観点に従って最も重要なパターンを強調表示する際のその有用性が明らかになりました。

要約(オリジナル)

The automatic discovery of a model to represent the history of encounters of a group of patients with the healthcare system — the so-called “pathway of patients” — is a new field of research that supports clinical and organisational decisions to improve the quality and efficiency of the treatment provided. The pathways of patients with chronic conditions tend to vary significantly from one person to another, have repetitive tasks, and demand the analysis of multiple perspectives (interventions, diagnoses, medical specialities, among others) influencing the results. Therefore, modelling and mining those pathways is still a challenging task. In this work, we propose a framework comprising: (i) a pathway model based on a multi-aspect graph, (ii) a novel dissimilarity measurement to compare pathways taking the elapsed time into account, and (iii) a mining method based on traditional centrality measures to discover the most relevant steps of the pathways. We evaluated the framework using the study cases of pregnancy and diabetes, which revealed its usefulness in finding clusters of similar pathways, representing them in an easy-to-interpret way, and highlighting the most significant patterns according to multiple perspectives.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google