This thesis aims to study multi-dim

This thesis aims to study multi-dimensional association rules and data visualization for the schizophrenia outpatient data which are recorded in ICD-10 format. The data comprised of 4 main dimensions: psychoactive substance use, duration of substance use, patient demographic data, and schizophrenia status.
The total 24 datasets were extracted from those main dimensions which are specified to the schizophrenia as the target.
The processed datasets were discovered the associations by the Frequent Patterns-Growth algorithm (FP-Growth), which is the extension of the traditional one, the Apriori algorithm, to determine the rules representing the association of schizophrenia with the other factors. The result revealed the association rules between schizophrenia and substance use in 5 main features: 1) Thai men 35-44 years old, 2) Bangkok as residence, 3) nicotine use history, 4) amphetamine use history in a period of 7-12 months, and 5) diagnosis of substance dependence. All of the selected association rules had an acceptable confidence level over 0.90. This could confirm that the multi-dimensional association rules driven by the FP-Growth algorithm could be an appropriate technique to demonstrate a relationship pattern of data from the large database.

ผลลัพธ์ (ไทย) 1:

วิทยานิพนธ์นี้มีวัตถุประสงค์เพื่อศึกษากฎการเชื่อมโยงหลายมิติและนำเสนอภาพข้อมูลข้อมูลผู้ป่วยนอกโรคจิตเภทซึ่งมีบันทึกในรูปแบบของ ICD-10 ข้อมูลที่ประกอบด้วยมิติ 4 หลัก: ใช้สารออก ระยะเวลาของการใช้สาร ประชากรผู้ป่วย และสถานะของโรคจิตเภท Datasets 24 รวมถูกสกัดจากนั้นมิติหลักที่ระบุถึงโรคจิตเภทเป็นเป้าหมาย Datasets ประมวลผลพบสมาคม โดยการเจริญเติบโตรูปแบบที่เป็นอัลกอริทึม (FP-เติบโต), ซึ่งเป็นส่วนขยายของแบบดั้งเดิม อัลกอริทึม Apriori เพื่อกำหนดกฎที่แสดงถึงความสัมพันธ์ของโรคจิตเภทกับปัจจัยอื่น ๆ ด้วย ผลเปิดเผยกฎความสัมพันธ์ระหว่างโรคจิตเภทและสารใช้ในคุณสมบัติหลัก 5:1) ไทยชาย 35-44 ปี 2) กรุงเทพมหานครเป็นเรสซิเดนซ์ 3) นิโคตินใช้ประวัติ 4) แอมเฟตามีนใช้ประวัติศาสตร์ในระยะเวลา 7-12 เดือน และ 5) การวินิจฉัยของสารพึ่งพา กฎความสัมพันธ์ที่เลือกทั้งหมดได้ระดับความเชื่อมั่นที่ยอมรับกว่า 0.90 ซึ่งสามารถยืนยันว่า กฎการเชื่อมโยงหลายมิติที่ขับเคลื่อน ด้วยอัลกอริทึม FP-เติบโตอาจจะเป็นเทคนิคที่เหมาะสมแสดงให้เห็นถึงรูปแบบความสัมพันธ์ของข้อมูลจากฐานข้อมูลขนาดใหญ่

ผลลัพธ์ (ไทย) 2:

วิทยานิพนธ์ฉบับนี้มีวัตถุประสงค์เพื่อศึกษากฎสมาคมหลายมิติและการแสดงข้อมูลสำหรับข้อมูลผู้ป่วยนอกผู้ป่วยโรคจิตเภทที่มีการบันทึกไว้ในรูปแบบ ICD-10 ข้อมูลที่ประกอบด้วย 4 มิติหลัก:. ใช้สารเสพติดทางจิตระยะเวลาของการใช้สารเสพติด,
ข้อมูลประชากรผู้ป่วยและสถานะโรคจิตเภท. รวม 24
ชุดข้อมูลที่ถูกดึงออกมาจากมิติหลักเหล่านั้นซึ่งมีการระบุไว้ในการเป็นโรคจิตเภทเป็นเป้าหมายที่ชุดข้อมูลการประมวลผลที่ถูกค้นพบสมาคมโดยอัลกอริทึมที่ใช้บ่อยในรูปแบบการเจริญเติบโต (FP-การเจริญเติบโต) ซึ่งเป็นส่วนขยายของแบบหนึ่งของขั้นตอนวิธี Apriori เพื่อกำหนดกฎระเบียบที่เป็นตัวแทนของความสัมพันธ์ของจิตเภทที่มีปัจจัยอื่น ๆ ผลการศึกษาพบกฎความสัมพันธ์ระหว่างจิตเภทและใช้สารเสพติดใน 5 คุณสมบัติหลัก: 1) ชายไทย 35-44 ปี, 2) กรุงเทพฯเป็นที่อยู่อาศัย 3) ประวัติศาสตร์การใช้นิโคติน 4) ประวัติศาสตร์การใช้ยาบ้าในช่วงของการ 7-12 เดือนและ 5) การวินิจฉัยของการพึ่งพาสาร ทุกกฎสมาคมที่เลือกมีระดับความเชื่อมั่นที่ยอมรับได้มากกว่า 0.90 ซึ่งอาจยืนยันว่ากฎสมาคมหลายมิติการขับเคลื่อนโดยขั้นตอนวิธี FP-การเจริญเติบโตอาจจะเป็นเทคนิคที่เหมาะสมในการแสดงให้เห็นถึงรูปแบบความสัมพันธ์ของข้อมูลจากฐานข้อมูลขนาดใหญ่