Wykrywanie rodzaju zawa¿u serca wraz z sugesti¿ leczenia

Termin "choroba serca" obejmuje ró¿norodne schorzenia, które maj¿ wp¿yw na serce cz¿owieka. Kardiomiopatia i choroby sercowo-naczyniowe to tylko niektóre z kategorii chorób serca. Celem jest dok¿adniejsze przewidywanie rodzaju zawäu serca, na który pacjent jest bardziej naräony w przysz¿o¿ci, przy zmniejszonej liczbie atrybutów, wraz z sugerowanym leczeniem przy u¿yciu oceny KAPPA. Pierwotnie w przewidywaniu chorób serca uwzgl¿dniono trzynäcie atrybutów, a mianowicie wiek, p¿e¿, rodzaj bólu w klatce piersiowej, poziom cukru we krwi na czczo, nachylenie, CA, Exang, cholesterol w surowicy, Oldpeak, Thalach, RestECG, Thal i Trest-ci¿nienie krwi. W proponowanej pracy 13 atrybutów zostäo zredukowanych do 7, takich jak ból w klatce piersiowej, ci¿nienie krwi w spoczynku, Exang, spoczynkowe EKG, Thalach, cholesterol w surowicy i angiografia wie¿cowa. Do przewidywania rodzaju zawäu serca wykorzystano trzy ró¿ne algorytmy, a mianowicie drzewo decyzyjne (C4.5), algorytm Naive Bayes i sie¿ neuronow¿, a nast¿pnie zastosowano ocen¿ KAPPA w celu uzyskania najbardziej prawdopodobnego rodzaju zawäu. Zbiór danych wykorzystany do badania zawäów serca sk¿ada si¿ z danych analitycznych. ¿¿cznie ponad 500 rekordów z 7 atrybutami medycznymi (objawami) zostäo wykorzystanych jako dane wej¿ciowe do systemu.