Data Mining is the nontrivial proce

Data Mining is the nontrivial process of identifying valid, novel, potentially useful and ultimately
understandable pattern in data with the wide use of databases and the explosive growth in their sizes. Data
mining refers to extracting or “mining” knowledge from large amounts of data. Data mining is the search for the
relationships and global patterns that exist in large databases but are hidden among large amounts of data. The
essential process of Knowledge Discovery is the conversion of data into knowledge in order to aid in decision
making, referred to as data mining. Knowledge Discovery process consists of an iterative sequence of data
cleaning, data integration, data selection, data mining pattern recognition and knowledge presentation. Data
mining is the search for the relationships and global patterns that exist in large databases bur are hidden among
large amounts of data.
Many hospital information systems are designed to support patient billing, inventory management and
generation of simple statistics. Some hospitals use decision support systems, but are largely limited. They can
answer simple queries like “What is the average age of patients who have heart disease?” , “How many
surgeries had resulted in hospital stays longer than 10 days?”, “Identify the female patients who are single,
above 30 years old, and who have been treated for cancer.” However they cannot answer complex queries like
“Given patient records, predict the probability of patients getting a heart disease.” Clinical decisions are often
made based on doctors’ intuition and experience rather than on the knowledge rich data hidden in the database.
This practice leads to unwanted biases, errors and excessive medical costs which affects the quality of service
provided to patients. The proposed system that integration of clinical decision support with computer-based
patient records could reduce medical errors, enhance patient safety, decrease unwanted practice variation, and
improve patient outcome. This suggestion is promising as data modeling and analysis tools, e.g., data mining,
have the potential to generate a knowledge rich environment which can help to significantly improve the quality
of clinical decisions.

ผลลัพธ์ (ไทย) 1:

การทำเหมืองข้อมูลคือ nontrivial กระบวนการระบุถูกต้อง นวนิยาย อาจเป็นประโยชน์ และในที่สุดรูปแบบที่เข้าใจในข้อมูลด้วยการใช้ฐานข้อมูลและการเจริญเติบโตในขนาดความกว้าง ข้อมูลเหมืองแร่เพื่อดึงข้อมูลหรือความรู้ "เหมืองแร่" อ้างอิงจากข้อมูลจำนวนมาก การทำเหมืองข้อมูลเป็นการค้นหาความสัมพันธ์และรูปแบบสากลที่มีอยู่ในฐานข้อมูลขนาดใหญ่ แต่จะซ่อนอยู่ในข้อมูลจำนวนมาก ที่กระบวนการสำคัญของการค้นพบความรู้คือ การแปลงข้อมูลเป็นความรู้เพื่อช่วยในการตัดสินใจการ อ้างอิงถึงได้เป็นการทำเหมืองข้อมูล กระบวนการค้นหาความรู้ประกอบด้วยลำดับการซ้ำของข้อมูลความสะอาด รวมข้อมูล ข้อมูล ข้อมูลทำเหมืองแร่รูปแบบการรับรู้และความรู้นำเสนอ ข้อมูลเหมืองแร่ถือเป็นการค้นหาความสัมพันธ์ และรูปแบบสากลที่มีอยู่ในฐานข้อมูลขนาดใหญ่บูร์จะซ่อนอยู่ในหมู่ข้อมูลจำนวนมากระบบสารสนเทศโรงพยาบาลจำนวนมากถูกออกแบบมาเพื่อสนับสนุนการบริหารสินค้าคงคลังการเรียกเก็บเงิน ผู้ป่วย และสร้างสถิติอย่างง่าย โรงพยาบาลบางแห่งใช้ระบบสนับสนุนการตัดสินใจ แต่ส่วนใหญ่จำกัด พวกเขาสามารถคำตอบสอบถามเช่นอะไรคืออายุเฉลี่ยของผู้ป่วยที่มีโรคหัวใจ " "จำนวนศัลยกรรมมีผลในการเข้าพักโรงพยาบาลนานกว่า 10 วันหรือไม่? ", "ระบุผู้ป่วยหญิงที่เดียวข้างบนอายุ 30 ปี และที่ได้รับการรักษาในโรคมะเร็ง" อย่างไรก็ตาม พวกเขาไม่สามารถตอบแบบสอบถามที่ซับซ้อนเช่น"กำหนดระเบียนผู้ป่วย ทำนายความเป็นไปของผู้ป่วยโรคหัวใจเดินทาง" ตัดสินใจทางคลินิกมักทำตามสัญชาตญาณและประสบการณ์ของแพทย์ มากกว่าข้อมูลรวยความรู้ซ่อนอยู่ในฐานข้อมูลแบบฝึกหัดนี้นำไปสู่การไม่ยอม ข้อผิดพลาด และต้นทุนทางการแพทย์มากเกินไปซึ่งมีผลต่อคุณภาพของบริการแก่ผู้ป่วย ระบบการนำเสนอที่รวมของการตัดสินใจทางคลินิกสนับสนุนกับใช้คอมพิวเตอร์ระเบียนผู้ป่วยสามารถลดข้อผิดพลาดทางการแพทย์ เพิ่มความปลอดภัยผู้ป่วย ลดความผันแปรที่ไม่ต้องฝึก และเพิ่มผลผู้ป่วย คำแนะนำนี้เป็นสัญญาที่เป็นข้อมูลจำลองและเครื่องมือวิเคราะห์ เช่น ข้อมูลการทำเหมืองแร่มีศักยภาพในการสร้างสภาพแวดล้อมที่อุดมไปด้วยการรู้ซึ่งสามารถช่วยปรับปรุงคุณภาพอย่างมีนัยสำคัญการตัดสินใจทางคลินิก

ผลลัพธ์ (ไทย) 2:

การทำเหมืองข้อมูลเป็นกระบวนการขับเคลื่อนการระบุที่ถูกต้องนวนิยายที่มีประโยชน์ที่อาจเกิดขึ้นและในที่สุด
รูปแบบที่เข้าใจในข้อมูลที่มีการใช้ความกว้างของฐานข้อมูลและการเจริญเติบโตระเบิดในขนาดของพวกเขา ข้อมูล
การทำเหมืองแร่หมายถึงการสกัดหรือ "เหมืองแร่" ความรู้จากข้อมูลจำนวนมาก การทำเหมืองข้อมูลคือการค้นหา
ความสัมพันธ์และรูปแบบระดับโลกที่มีอยู่ในฐานข้อมูลขนาดใหญ่ แต่จะมีการซ่อนตัวอยู่ท่ามกลางข้อมูลจำนวนมาก
ขั้นตอนสำคัญของการค้นพบความรู้คือการแปลงข้อมูลเป็นความรู้ในการสั่งซื้อเพื่อช่วยในการตัดสินใจที่
ทำเรียกว่าการทำเหมืองข้อมูล กระบวนการการค้นพบความรู้ประกอบด้วยลำดับซ้ำของข้อมูล
การทำความสะอาดรวมข้อมูลการเลือกข้อมูลการจดจำรูปแบบการทำเหมืองข้อมูลและการนำเสนอความรู้ ข้อมูล
การทำเหมืองแร่คือการค้นหาความสัมพันธ์และรูปแบบระดับโลกที่มีอยู่ในฐานข้อมูลขนาดใหญ่หนามที่ซ่อนอยู่ในหมู่
ข้อมูลจำนวนมาก.
ระบบสารสนเทศโรงพยาบาลจำนวนมากมีการออกแบบมาเพื่อรองรับการเรียกเก็บเงินผู้ป่วยจัดการสินค้าคงคลังและ
การสร้างสถิติที่เรียบง่าย โรงพยาบาลบางคนใช้ระบบสนับสนุนการตัดสินใจ แต่ส่วนใหญ่จะถูก จำกัด พวกเขาสามารถ
ตอบคำถามง่ายๆเช่น "อะไรคืออายุเฉลี่ยของผู้ป่วยที่มีโรคหัวใจ?", "วิธีการหลาย
การผ่าตัดได้ผลในการอยู่โรงพยาบาลนานกว่า 10 วัน? "," ระบุผู้ป่วยหญิงที่เป็นคนเดียว
กว่า 30 ปี และผู้ที่ได้รับการรักษาโรคมะเร็ง. "แต่พวกเขาไม่สามารถตอบแบบสอบถามที่ซับซ้อนเช่น
"ให้ระเบียนของผู้ป่วยคาดการณ์ความน่าจะเป็นของผู้ป่วยที่ได้รับการเกิดโรคหัวใจ." การตัดสินใจทางคลินิกมักจะ
ทำตามสัญชาตญาณแพทย์และประสบการณ์มากกว่าความรู้ ที่อุดมไปด้วยข้อมูลที่ซ่อนอยู่ในฐานข้อมูล.
การปฏิบัตินี้นำไปสู่การมีอคติที่ไม่พึงประสงค์ข้อผิดพลาดทางการแพทย์และค่าใช้จ่ายที่มากเกินไปซึ่งมีผลต่อคุณภาพของการบริการ
ให้กับผู้ป่วย ระบบการเสนอว่าการรวมกลุ่มของการสนับสนุนการตัดสินใจทางคลินิกที่มีคอมพิวเตอร์ที่ใช้
ระเบียนของผู้ป่วยสามารถลดการผิดพลาดทางการแพทย์เพิ่มความปลอดภัยของผู้ป่วยลดลงการเปลี่ยนแปลงการปฏิบัติที่ไม่พึงประสงค์และ
การปรับปรุงผลของผู้ป่วย ข้อเสนอแนะนี้มีแนวโน้มเป็นแบบจำลองข้อมูลและเครื่องมือในการวิเคราะห์เช่นการทำเหมืองข้อมูล
มีศักยภาพที่จะสร้างความรู้สภาพแวดล้อมที่หลากหลายซึ่งสามารถช่วยในการปรับปรุงคุณภาพอย่างมีนัยสำคัญ
ในการตัดสินใจทางคลินิก

ผลลัพธ์ (ไทย) 3:

การทำเหมืองข้อมูลเป็นกระบวนการระบุถูกต้องนอนทริเวียล นวนิยาย ที่อาจเป็นประโยชน์และในที่สุด
เข้าใจรูปแบบข้อมูลที่มีการใช้กว้างของฐานข้อมูลและการเจริญเติบโตระเบิดในขนาดของพวกเขา การทำเหมืองข้อมูล
หมายถึงการแยกหรือ " เหมืองแร่ " ความรู้จากจำนวนมากของข้อมูล การทำเหมืองข้อมูลเป็นค้นหา
ความสัมพันธ์และรูปแบบทั่วโลกที่มีอยู่ในฐานข้อมูลที่มีขนาดใหญ่ แต่จะซ่อนอยู่ในขนาดใหญ่ปริมาณของข้อมูล
กระบวนการสำคัญของการค้นพบความรู้ คือ การแปลงข้อมูลให้เป็นความรู้เพื่อช่วยในการตัดสินใจ
ทำ เรียกว่าการทำเหมืองข้อมูล การค้นพบความรู้กระบวนการประกอบด้วยซ้ำลำดับของข้อมูล
ซักแห้ง , ข้อมูลรวมข้อมูลการเลือกการทำเหมืองข้อมูลแบบแผนการรับรู้และนำเสนอความรู้ การทำเหมืองข้อมูล
เป็นการค้นหาความสัมพันธ์และรูปแบบทั่วโลกที่มีอยู่ในฐานข้อมูลขนาดใหญ่มีหนามที่ซ่อนอยู่ในหมู่
ข้อมูลปริมาณมาก .
ระบบสารสนเทศโรงพยาบาลหลายถูกออกแบบมาเพื่อสนับสนุนการเรียกเก็บเงินผู้ป่วย , การจัดการสินค้าคงคลังและ
รุ่นสถิติอย่างง่าย บางโรงพยาบาลใช้ระบบสนับสนุนการตัดสินใจแต่ส่วนใหญ่จะ จำกัด พวกเขาสามารถ
ตอบแบบสอบถามง่ายๆเช่น " อะไรคืออายุเฉลี่ยของผู้ป่วยที่เป็นโรคหัวใจ " , " วิธีการหลาย
การผ่าตัดมีผลในโรงพยาบาลอยู่ได้นานกว่า 10 วัน " , " ระบุ หญิง คน เดียว
ข้างบน อายุ 30 ปี และผู้ที่ได้รับการรักษาสำหรับโรคมะเร็ง อย่างไรก็ตามพวกเขาไม่สามารถตอบแบบสอบถามที่ซับซ้อนเช่น
" ให้ผู้ป่วยประวัติคาดการณ์ความน่าจะเป็นของผู้ป่วยจะเป็นโรคหัวใจ " การตัดสินทางคลินิกมัก
ตามแพทย์ ' สัญชาตญาณและประสบการณ์มากกว่าความรู้ที่อุดมไปด้วยข้อมูลที่ซ่อนอยู่ในฐานข้อมูล
การปฏิบัตินี้นำไปสู่อคติที่ไม่พึงประสงค์และข้อผิดพลาดมากเกินไปค่าใช้จ่ายทางการแพทย์ที่มีผลต่อคุณภาพของบริการ
ให้กับผู้ป่วยระบบสนับสนุนการตัดสินใจทางคลินิกที่ผสมผสานกับคอมพิวเตอร์
ประวัติคนไข้สามารถลดความผิดพลาดทางการแพทย์ , เพิ่มความปลอดภัยของผู้ป่วย ลดการเปลี่ยนแปลงการปฏิบัติที่ไม่พึงประสงค์และ
ปรับปรุงผลผู้ป่วย ข้อเสนอแนะนี้มีแนวโน้มเป็นแบบจำลองข้อมูลและการวิเคราะห์เครื่องมือ เช่น การทำเหมืองข้อมูล
มีศักยภาพในการสร้างความรู้ที่อุดมไปด้วยสภาพแวดล้อมที่สามารถช่วยปรับปรุงคุณภาพ
ของการตัดสินใจในทางคลินิก