ఇండెక్స్ చేయబడింది
  • RefSeek
  • హమ్దార్డ్ విశ్వవిద్యాలయం
  • EBSCO AZ
  • యూరో పబ్
  • గూగుల్ స్కాలర్
ఈ పేజీని భాగస్వామ్యం చేయండి
జర్నల్ ఫ్లైయర్
Flyer image

నైరూప్య

డయాబెటిస్ మెల్లిటస్ మేనేజ్‌మెంట్ కోసం డెసిషన్ సపోర్ట్ సిస్టమ్

షేకర్ ఎల్-సప్పాగ్ మరియు మొహమ్మద్ ఎల్మోగి

డయాబెటిస్ మెల్లిటస్ ప్రమాదకరమైన దీర్ఘకాలిక వ్యాధిగా పరిగణించబడుతుంది. రోగ నిర్ధారణ దాని నిర్వహణలో మొదటి దశ. డయాబెటిస్ నిర్ధారణ కోసం క్లినికల్ డెసిషన్ సపోర్ట్ సిస్టమ్ (CDSS) దాని గుర్తింపును మెరుగుపరుస్తుంది మరియు దాని సంక్లిష్టతలకు అవకాశాన్ని తగ్గిస్తుంది. అయినప్పటికీ, దాని నిర్ధారణ ఒక సిద్ధాంతం-తక్కువ సమస్య. కేస్-బేస్డ్ రీజనింగ్ (CBR) అనేది కొత్త సమస్యలను పరిష్కరించడానికి గత అనుభవాలను ఉపయోగించే సమస్య-పరిష్కార నమూనా. CBR మరియు ఫార్మల్ ఆన్టాలజీల ఏకీకరణ ఈ నమూనా యొక్క మేధస్సును పెంచుతుంది. కేస్-బేస్ నాలెడ్జ్‌ను నిర్మించడం కోసం రోగుల ఎలక్ట్రానిక్ హెల్త్ రికార్డ్‌లను (EHRs) ఉపయోగించడం జ్ఞాన సముపార్జన అడ్డంకి సమస్యను పరిష్కరిస్తుంది; అయితే, తయారీ దశలు అవసరం. అంతేకాకుండా, SNOMED-CT వంటి స్టాండర్డ్ మెడికల్ ఆన్టాలజీలను ఉపయోగించడం, ఆరోగ్య సంరక్షణ వ్యవస్థతో CDSS యొక్క ఇంటర్‌ఆపెరాబిలిటీ మరియు ఏకీకరణను పెంచుతుంది. ఒంటాలజీ-ఆధారిత CBR వ్యవస్థలు అస్పష్టమైన లేదా ఖచ్చితమైన జ్ఞానాన్ని ఉపయోగించినట్లయితే, అర్థ ప్రభావం మరింత మెరుగుపడుతుంది. ఈ కాగితం ఒక అధునాతన మరియు పూర్తి అస్పష్టమైన-అంటాలజీ-ఆధారిత CBR ఫ్రేమ్‌వర్క్‌ను ప్రతిపాదిస్తుంది, ఇది ఖచ్చితమైన జ్ఞానాన్ని నిర్వహించి మరియు ఉపయోగించుకుంటుంది. మేము CBRలో అత్యంత క్లిష్టమైన దశలను అమలు చేస్తాము (అంటే, కేసు ప్రాతినిధ్యం మరియు తిరిగి పొందడం). ఈజిప్టులోని మన్సౌరాలోని మన్సౌరా యూనివర్శిటీ హాస్పిటల్స్ యొక్క EHR నుండి 60 నిజమైన కేసుల కేస్-బేస్ ఉపయోగించి డయాబెటిస్ నిర్ధారణ సమస్యపై అమలు చేయబడిన ఫ్రేమ్‌వర్క్ పరీక్షించబడింది. ప్రతిపాదిత వ్యవస్థ 97.67% ఖచ్చితత్వాన్ని కలిగి ఉంది.

నిరాకరణ: ఈ సారాంశం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టూల్