Les grandes bases de données médicales nécessitent l'exploration de données traitées par la connaissance pour améliorer les résultats des soins de santé. Le diabète, une maladie chronique mondiale, nécessite des outils prédictifs rigides basés sur les profils physiologiques et pathologiques des patients. Ainsi, les programmes de prévention peuvent avoir des conséquences bénéfiques afin d'éviter le désastre final. Des algorithmes d'exploration de données sont mis en oeuvre pour prédire, classer et regrouper des données brutes au cours de l'étape de prétraitement en vue...

Large medical databases require the knowledge-processed data mining to improve healthcare results. Diabetes, a global chronic disease, needs some rigid predictive tools based on the patient physiological and pathological profiles. Hence, the prevention programs can have beneficial consequences in order to avoid the final disaster. Data mining algorithms are implemented for predicting, classifying, and clustering raw data in the pre-processing step for further processing in both scientific research and real-life practices. The treatment decisions and early diagnosis of different diseases can...

Große medizinische Datenbanken erfordern wissensverarbeitendes Data Mining, um die Ergebnisse der Gesundheitsversorgung zu verbessern. Diabetes, eine weltweit verbreitete chronische Krankheit, erfordert einige rigide Vorhersageinstrumente auf der Grundlage der physiologischen und pathologischen Profile der Patienten. Daher können Präventionsprogramme positive Auswirkungen haben, um die endgültige Katastrophe zu vermeiden. Data-Mining-Algorithmen werden für die Vorhersage, die Klassifizierung und das Clustering von Rohdaten in der Vorverarbeitungsphase für die weitere Verarbeitung sowohl...