Dissertação

{en_GB=Mining association rules and sequential patterns from electronic prescription databases} {} EVALUATED

{pt=Ao longo dos anos estudos científicos têm sido publicados em Medicina para avaliar, compreender e prever os efeitos da introdução de novos medicamentos em populações. Contudo, estes estudos focam-se em pequenas amostras para tirar conclusões devido à dificuldade e ao custo de recolher grandes quantidades de dados através de questionários por métodos tradicionais. Graças às políticas do governo Português para automatizar processos, vastos conjuntos de dados médicos começaram a ser recolhidos e armazenados em bases de dados médicas, que podem posteriormente ser exploradas e analisadas de modo a descobrir informação escondida e potencialmente útil. Em particular, os dados de prescrições eletrónicas podem ser analisados para melhorar a prevenção, diagnostico e tratamento de doenças; otimizar recursos; e promover a segurança dos pacientes. Neste estudo, desenvolvemos uma metodologia para descobrir regras de associação e sequencias frequentes em bases de dados de prescrições eletrónicas usando os algoritmos Apriori e PrefixSpan. Os objetivos principais deste trabalho consistiram no desenvolvimento de uma metodologia para a preparação e prospeção de dados, aplicando-a à população Portuguesa prescrita com anticoagulantes. Os nossos objetivos incluem (a) avaliar a adoção dos novos anticoagulantes orais, incluindo fatores preditivos associados com descontinuação ou mudanças, (b) descobrir regras de associação causais entre medicações, e (c) caracterizar padrões frequentes associados com anticoagulantes. Como conclusão principal deste trabalho, demonstrámos que é possível usar técnicas de prospeção de dados em bases de dados de prescrições médicas para identificar tendências nos dados e extrair conhecimento, que pode posteriormente ser usado para melhorar a tomada de decisão , en=Over the years many scientific studies have been published in Medicine to evaluate, comprehend and predict the effects of introducing new medications into populations. However, these studies typically focus on small samples to make an assessment, due to the difficulty and cost of collecting large amounts of data through questionnaires in traditional surveys. Due to the Portuguese government policy of process digitization, large pools of health-related data started being collected and stored in health-related databases, which can subsequently be queried and analyzed in order to unravel hidden and potentially useful information. In particular, electronic prescription data can be analyzed to improve the prevention, diagnosis and treatment of diseases; optimize resources; and ultimately promote patient safety. In this work, we developed a methodology to discover association rules and frequent sequences from an e-Prescriptions database using the Apriori and the PrefixSpan data mining algorithms. The main objectives for this work consisted in the development of a methodology for data preparation and mining, using it to make a characterization of the Portuguese population prescribed with anticoagulants. We aimed to (a) assess the adoption of novel oral anticoagulants, including predictive factors associated with discontinuation or changes, (b) discover causal association rules between medications, and (c) characterize frequent patterns associated with anticoagulant prescription. As the main conclusion to this work, we demonstrated that it is possible to use data mining techniques on prescription databases to identify trends in the data and extract knowledge, which can be used to improve decision-making. }
{pt=Análise de prescrições de anticoagulantes, Análise de prescrições de medicamentos, Padrões Frequentes e Sequenciais, Prospecção de dados de saúde, en=Anticoagulant prescriptions analysis, Electronic prescriptions mining, Frequent and Sequential Patterns, Data mining in health applications}

Junho 24, 2019, 15:0

Orientação

ORIENTADOR

Mário Jorge Costa Gaspar da Silva

Departamento de Engenharia Informática (DEI)

Professor Catedrático

ORIENTADOR

Bruno Emanuel Da Graça Martins

Departamento de Engenharia Informática (DEI)

Professor Auxiliar