3. Cluster analysis and data mining

3. Cluster analysis and data mining in suicide research
Data mining has been used in many health related areas to
explore large data sets. In the current study, data mining
techniques would be used in an exploratory study for the suicide
attempters in Singapore in order to reveal clinically useful and
heuristically relevant clusters to inform future research in suicide
assessments and interventions. Data mining is the process of
extracting useful information, patterns and trends often previously
unknown from large quantities of data (Thuraisingham, 1999). The
useful outcomes include classification, where the entities are
grouped into meaning subclasses, and data dependency analysis,
where relationships or associations between the items are
detected (Laroose, 2005).
In order to study the taxonomy of suicide, and identify
characteristic that are heuristically useful, cluster analysis has
been used to analyze suicide data. A study was done on
information obtained from Medical Examiner’s files on male
youth suicides in Canada from 1980 to 1986 (Bagley and Ramsay,
1997). Most variables were measured on a dichotomous basis,
clustering of individuals was based on low but statistically
significant negative autocorrelations. Six clusters of suicide in
young males were identified. The largest group, Cluster A consisted
of males aged 20–24-years-old, without psychiatric disturbance,
with a history of illegal drug use, and the precipitant of
interpersonal crisis. The second cluster, Cluster B consisted of
psychotics and chronic depressives, with prior suicide attempts.
The third group, Cluster C had alcohol abuse and chronic
unemployment. Cluster D consisted of indigenous people living
on reserves, with extreme poverty, and isolation from social
services or health centres. Cluster E contained physical illness, and
inability to work. Cluster F had histories of disruptive childhood
and parental separation, long history of suicide attempts, unstable
interpersonal relationships, and criminal activity. The results have
implications for targeted interventions for the different clusters
identified.
Classification of suicides can assist clinicians in the identification
of patients with future suicidal risks, for the planning of
appropriate suicide interventions for identified risk clusters. In a
study done in Hong Kong, hierarchical cluster analysis extracted
two subgroups in terms of expressed suicide intent and deliberation
assessed by the Beck Suicide Intent Scale, SIS (Chen et al.,
2007). The first cluster extracted was associated with charcoal
burning suicide, absence of psychiatric illness, indebtedness, better
problem-solving ability, chronic stress, and higher SIS scores. The
second cluster extracted was associated with jumping from a
height, psychotic disorders, psychiatric treatment, acute stress,
and lower SIS scores.

ผลลัพธ์ (ไทย) 1:

3. คลัสเตอร์วิเคราะห์และทำเหมืองข้อมูลวิจัยฆ่าตัวตาย
การทำเหมืองข้อมูลมีการใช้ในพื้นที่ที่เกี่ยวข้องกับสุขภาพ
สำรวจชุดข้อมูลขนาดใหญ่ ในการศึกษาปัจจุบัน ข้อมูลการทำเหมืองแร่
จะใช้เทคนิคในการศึกษาเชิงบุกเบิกสำหรับการฆ่าตัวตาย
attempters ในสิงคโปร์เพื่อเปิดเผยมีประโยชน์ทางคลินิก และ
คลัสเตอร์ที่เกี่ยวข้องสำนึกทูลวิจัยในอนาคตในการฆ่าตัวตาย
ประเมินผลและการแทรกแซง การทำเหมืองข้อมูลคือ กระบวนการ
แยกข้อมูล รูปแบบ และแนวโน้มมักจะเคย
ทราบจากจำนวนมากของข้อมูล (Thuraisingham, 1999) ใน
ผลประโยชน์รวมถึงการจัดประเภท การที่เอนทิตีเป็น
แบ่งระดับความหมาย และการวิเคราะห์ข้อมูลอ้างอิง,
ความสัมพันธ์หรือเชื่อมโยงระหว่างสินค้า
พบ (Laroose 2005) .
เพื่อศึกษาการจำแนกประเภทของการฆ่าตัวตาย และระบุ
ได้แบ่งคุณลักษณะที่มีประโยชน์สำนึก
ถูกใช้ในการวิเคราะห์ข้อมูลการฆ่าตัวตาย ทำการศึกษาบน
รับข้อมูลจากแพทย์ผู้ตรวจสอบแฟ้มในเพศชาย
อัตวินิบาตกรรมเยาวชนในแคนาดาจากปี 1980 ถึง 1986 (Bagley และแรมเซย์,
1997) มีวัดตัวแปรส่วนใหญ่เป็น dichotomous,
คลัสเตอร์ของแต่ละบุคคลขึ้นอยู่กับต่ำ แต่ทางสถิติ
autocorrelations ลบอย่างมีนัยสำคัญ ฆ่าตัวตายในกลุ่ม 6
ระบุชายหนุ่ม กลุ่มที่ใหญ่ที่สุด คลัสเตอร์ A ประกอบด้วย
ของชายอายุ 20–24 ปีอายุ โดยไม่ต้องรบกวนทางจิตเวช,
มีประวัติใช้ยาเสพติดที่ผิดกฎหมาย และ precipitant ของ
วิกฤตมนุษยสัมพันธ์ คลัสเตอร์ที่สอง คลัสเตอร์ B ประกอบด้วย
psychotics และ depressives เรื้อรัง มีความพยายามฆ่าตัวตายก่อน
กลุ่มที่สาม คลัสเตอร์ C ได้ละเมิดแอลกอฮอล์ และเรื้อรัง
ว่างงาน คลัสเตอร์ D ประกอบด้วยคนพื้นเมืองอาศัยอยู่
สำรอง ความยากจนมาก และแยกจากสังคม
บริการหรือศูนย์สุขภาพ คลัสเตอร์ E อยู่เจ็บป่วยจริง และ
ไม่สามารถทำงาน ประวัติของขวัญเด็กมีคลัสเตอร์ F
และ แยกการปกครอง ประวัติศาสตร์ที่ยาวนานของการพยายามฆ่าตัวตาย เสถียร
มนุษยสัมพันธ์ และอาชญากรรม ได้ผล
นัยสำหรับมาตรการเป้าหมายสำหรับคลัสเตอร์อื่น
ระบุได้
จัดประเภทอัตวินิบาตกรรมสามารถช่วย clinicians ในรหัส
ป่วยในอนาคตอยากฆ่าตัวตายความเสี่ยง การวางแผนของ
มาตราการฆ่าตัวตายที่เหมาะสมสำหรับระบุความเสี่ยงคลัสเตอร์ ในการ
ศึกษาทำในฮ่องกง ลำดับการแบ่งแยก
ย่อยสองฆ่าตัวตายแสดงเจตนาและสุขุม
ประเมิน โดยระดับเจตนาเบ็คฆ่าตัวตาย SIS (Chen et al.,
2007) คลัสเตอร์แรกที่สกัดถูกเชื่อมโยงกับถ่าน
เขียนดีกว่าฆ่าตัวตาย ขาดเจ็บป่วยทางจิตเวช ข้าวแดงแกงร้อน
ความสามารถในการแก้ปัญหา ความเครียดเรื้อรัง และ SIS คะแนนสูง
คลัสเตอร์ที่สองแยกไม่เกี่ยวข้องกับการกระโดดจาก
สูง psychotic โรค การรักษาทางจิตเวช ความ เครียดเฉียบพลัน,
และลดคะแนน SIS

ผลลัพธ์ (ไทย) 2:

3 การวิเคราะห์กลุ่มและการทำเหมืองข้อมูลในการฆ่าตัวตายการวิจัย
การทำเหมืองข้อมูลมีการใช้ในพื้นที่ที่เกี่ยวข้องกับสุขภาพมากมายในการ
สำรวจชุดข้อมูลขนาดใหญ่ ในการศึกษาในปัจจุบันการทำเหมืองข้อมูล
เทคนิคจะใช้ในการศึกษาสำรวจสำหรับการฆ่าตัวตาย
attempters ในสิงคโปร์เพื่อที่จะเผยให้เห็นทางคลินิกที่เป็นประโยชน์และ
กลุ่มที่เกี่ยวข้องศึกษาสำนึกเพื่อแจ้งการวิจัยในอนาคตในการฆ่าตัวตาย
การประเมินผลและการแทรกแซง การทำเหมืองข้อมูลเป็นกระบวนการของการ
สกัดข้อมูลที่เป็นประโยชน์รูปแบบและแนวโน้มก่อนหน้านี้มักจะ
ไม่รู้จักจากข้อมูลจำนวนมาก (Thuraisingham, 1999)
ผลประโยชน์รวมถึงการจัดหมวดหมู่ที่หน่วยงานที่มีการ
แบ่งออกเป็นย่อยความหมายและการวิเคราะห์การพึ่งพาข้อมูล
ที่มีความสัมพันธ์หรือความสัมพันธ์ระหว่างรายการที่ได้รับการ
ตรวจพบ (Laroose, 2005)
ในการศึกษาอนุกรมวิธานของการฆ่าตัวตายและระบุ
ลักษณะที่เป็นแบบศึกษาสำนึก ที่มีประโยชน์ในการวิเคราะห์กลุ่มได้
ถูกนำมาใช้ในการวิเคราะห์ข้อมูลการฆ่าตัวตาย การศึกษาได้ดำเนินการเกี่ยวกับ
ข้อมูลที่ได้รับจากแฟ้มการแพทย์ตรวจสอบเมื่อวันที่ชาย
หนุ่มฆ่าตัวตายในประเทศแคนาดา 1980-1986 (แบคและ Ramsay,
1997) ตัวแปรส่วนใหญ่เป็นวัดบนพื้นฐาน dichotomous,
การจัดกลุ่มของบุคคลที่มีพื้นฐานอยู่บนต่ำ แต่ทางสถิติ
อย่างมีนัยสำคัญ autocorrelations เชิงลบ หกกลุ่มของการฆ่าตัวตายใน
ชายหนุ่มที่ถูกระบุ กลุ่มที่ใหญ่ที่สุดของกลุ่มประกอบไปด้วย
ของเพศชายอายุ 20-24 ปีเก่าโดยไม่ต้องรบกวนจิตเวช
ที่มีประวัติของการใช้ยาเสพติดที่ผิดกฎหมายและเร่งรีบของ
วิกฤตระหว่างบุคคล กลุ่มที่สองกลุ่ม B ประกอบด้วย
psychotics และ Depressives เรื้อรังที่มีความพยายามฆ่าตัวตายก่อนที่
กลุ่มที่สามกลุ่ม C มีสุราเรื้อรังและ
การว่างงาน กลุ่ม D ประกอบด้วยคนพื้นเมืองที่อาศัยอยู่
ในเขตสงวนที่มีความยากจนและการแยกจากสังคม
หรือบริการที่ศูนย์สุขภาพ กลุ่ม E ที่มีความเจ็บป่วยทางกายภาพและ
การไร้ความสามารถในการทำงาน กลุ่ม F มีประวัติในวัยเด็กของความยุ่งยาก
และการแยกผู้ปกครองประวัติศาสตร์อันยาวนานของความพยายามฆ่าตัวตายแน่นอน
ความสัมพันธ์ระหว่างบุคคลและกิจกรรมทางอาญา ผลลัพธ์ที่มี
ความหมายสำหรับการแทรกแซงกำหนดเป้าหมายสำหรับกลุ่มที่แตกต่างกัน
ระบุ
การจำแนกประเภทของการฆ่าตัวตายสามารถช่วยแพทย์ในการระบุ
ผู้ป่วยที่มีความเสี่ยงฆ่าตัวตายในอนาคตสำหรับการวางแผนของ
การแทรกแซงการฆ่าตัวตายที่เหมาะสมสำหรับกลุ่มเสี่ยงที่ระบุ ใน
การศึกษาทำในฮ่องกงวิเคราะห์กลุ่มลำดับชั้นที่แยก
สองกลุ่มย่อยในแง่ของความตั้งใจที่จะฆ่าตัวตายแสดงและการปรึกษาหารือ
การประเมินจากเบ็คขนาดเจตนาฆ่าตัวตาย SIS (เฉินและคณะ.
2007) กลุ่มแรกคือกลุ่มที่สกัดได้มีความสัมพันธ์กับถ่าน
เผาไหม้ขาดการฆ่าตัวตายของโรคจิตเวชหนี้ที่ดีกว่า
การแก้ปัญหาความสามารถในความเครียดเรื้อรังและ SIS สูงกว่าคะแนน
กลุ่มที่สองที่สกัดได้มีความสัมพันธ์กับการกระโดดจาก
ความสูงผิดปกติทางจิตรักษาจิตความเครียดเฉียบพลัน
และลดคะแนน SIS

ผลลัพธ์ (ไทย) 3:

3 . กลุ่มการวิเคราะห์และการทำเหมืองข้อมูลใน
วิจัยการฆ่าตัวตายการทำเหมืองข้อมูลมีการใช้ในหลายพื้นที่ที่เกี่ยวข้องกับสุขภาพ

สํารวจชุดข้อมูลที่มีขนาดใหญ่ ในการศึกษาปัจจุบัน เทคนิคการทำเหมือง
ข้อมูลจะใช้ในการ ศึกษา สำรวจ เพื่อฆ่าตัวตาย
ผู้ที่พยายามในสิงคโปร์เปิดเผยเพื่อประโยชน์ทางคลินิกและ
heuristically เกี่ยวข้องกลุ่มแจ้งในการฆ่าตัวตาย
การวิจัยในอนาคตการประเมินผลและการแทรกแซง . การทำเหมืองข้อมูลเป็นกระบวนการของ
การสกัดข้อมูลที่เป็นประโยชน์ , รูปแบบและแนวโน้มมักจะก่อนหน้านี้
ที่ไม่รู้จักจากปริมาณมากของข้อมูล ( thuraisingham , 1999 )
ประโยชน์ผลรวมหมวดหมู่ที่หน่วยงานมี
จัดกลุ่มความหมายย่อย และการวิเคราะห์ข้อมูล การพึ่งพา
ที่ความสัมพันธ์หรือความสัมพันธ์ระหว่างรายการที่พบ ( laroose
,2005 ) .
เพื่อศึกษาอนุกรมวิธานของการฆ่าตัวตาย และระบุลักษณะที่เป็นประโยชน์

heuristically การวิเคราะห์กลุ่มได้ถูกใช้เพื่อวิเคราะห์ข้อมูลการฆ่าตัวตาย การศึกษาทดลองใน
ข้อมูลจากไฟล์ของผู้ตรวจสอบทางการแพทย์บนชาย
วัยรุ่นฆ่าตัวตายในแคนาดาตั้งแต่ปี 1980 ถึงปี 1986 ( แบค และ แรมซีย์
, 1997 ) ตัวแปรส่วนใหญ่เป็นวัดบนพื้นฐานไดโคโตมัส
,การจัดกลุ่มของบุคคลขึ้นอยู่กับอัตตสหสัมพันธ์ระดับต่ำ แต่สถิติ
ลบอย่างมีนัยสำคัญ หกกลุ่มของการฆ่าตัวตายใน
หนุ่มตัวผู้ถูกระบุ กลุ่มใหญ่กลุ่มหนึ่ง คือชายอายุ 20
– 24 ปี โดยไม่รบกวนจิตเวช
มีประวัติใช้ยาเสพติด และหุนหันพลันแล่นของ
วิกฤติระหว่างบุคคล กลุ่มที่สอง กลุ่ม B ประกอบด้วย
โรคจิด และ depressives เรื้อรัง กับความพยายามฆ่าตัวตายก่อน .
กลุ่มที่สาม กลุ่ม C มีการละเมิดแอลกอฮอล์และการว่างงานเรื้อรัง

กลุ่ม D ประกอบด้วย คนพื้นเมืองอาศัยอยู่
บนสำรองกับความยากจน และการแยกจากสังคม
หรือศูนย์สุขภาพ กลุ่ม E มีโรคทางกายและ
ไม่สามารถทำงานได้ กลุ่ม F มีประวัติก่อกวนวัยเด็ก
และผู้ปกครองที่แยกจากประวัติศาสตร์อันยาวนานของการพยายามฆ่าตัวตายที่ไม่เสถียร
สัมพันธภาพระหว่างบุคคลและกิจกรรมทางอาญา ผลลัพธ์ที่ได้
สำหรับการแทรกแซงเป้าหมายสำหรับกลุ่มที่แตกต่างกัน

การจำแนกระบุ ของการฆ่าตัวตายสามารถช่วยแพทย์ในการระบุผู้ป่วยที่มีความเสี่ยงการฆ่าตัวตาย

สำหรับการวางแผนในอนาคตปัญหาการฆ่าตัวตายที่เหมาะสมสำหรับการระบุกลุ่มเสี่ยง ใน
ศึกษาในฮ่องกง , การวิเคราะห์กลุ่มลำดับชั้นสกัด
2 กลุ่มในแง่ของการแสดงเจตนาฆ่าตัวตายและใคร่ครวญ
ประเมิน โดย เบคฆ่าตัวตายเจตนา แบบพี่ ( Chen et al . ,
2007 ) กลุ่มแรกที่ถูกเชื่อมโยงกับถ่าน
เผาฆ่าตัวตาย ไม่มีอาการป่วยทางจิตอยดีกว่า
,ความสามารถในการแก้ปัญหา , ความเครียดเรื้อรัง , และคะแนนที่สูงกว่าพี่
สองกลุ่มที่เกี่ยวข้องกับการกระโดดจาก
ความสูง ความผิดปกติทางจิต จิตรักษา ความเครียดเฉียบพลัน
และลดคะแนนพี่