Not logged in.
Quick Search - Contribution
Contribution Details
| Type | Master's Thesis |
| Scope | Discipline-based scholarship |
| Title | Design and implementation of an infrastructure for mining pain diaries and evaluating patient record clusters |
| Organization Unit | |
| Authors |
|
| Supervisors |
|
| Language |
|
| Institution | University of Zurich |
| Faculty | Faculty of Economics, Business Administration and Information Technology |
| Number of Pages | 77 |
| Date | 2014 |
| Abstract Text | Chronic pain is a severe and highly complex problem that affects a substantial part of the population in Europe and the United States. The PainHawk project aims at improving the situation of chronic pain patients by developing the sophisticated electronic pain diary CatchMyPain and analyzing the aggregated anonymized user data. In the context of this project, we developed an integrated infrastructure that allows the execution of different data mining approaches on arbitrarily shaped pain diary data, especially pain drawings. A web-based front end that allows the visual analysis of data mining results as well as the comparison of pain diaries was designed and implemented. These tools were used to perform a cluster analysis on the current data stock of CatchMyPain. The discovered clusters were evaluated using the feedback of medical scientists and physiotherapists specialized on chronic pain. The results of the study showed that there are medically relevant structures in the aggregated pain diary data of CatchMyPain and that they can be found by the proposed architecture. Different measurements demonstrated the performance of the approach even on very large datasets. |
| Zusammenfassung | Chronische Schmerzen sind ein schwerwiegendes und komplexes Problem für einen beträchtlichen Teil der Bevölkerung. Das PainHawk Projekt hat sich zum Ziel gesetzt, durch die Entwicklung des elektronischen Schmerztagebuchs CatchMyPain und die anonymisierte Analyse der entsprechenden Benutzerdaten die Situation von chronischen Schmerzpatienten zu verbessern. In dieser Masterarbeit wurde eine integrierte Infrastruktur zur Auswertung beliebig strukturierter Daten aus den Schmerztagebüchern, insbesondere Schmerzzeichnungen, mittels unterschiedlicher Data-Mining Ansätze entwickelt. Eine webbasierte Benutzeroberfläche für die grafische Analyse von Data-Mining Resultaten und den Vergleich von verschiedenen Schmerztagebüchern wurde entworfen und implementiert. Diese Werkzeuge wurden dazu verwendet, eine Clusteranalyse auf dem momentanen Datenbestand von CatchMyPain durchzuführen. Die dadurch gefundenen Cluster wurden mittels Rückmeldungen von Ärzten und auf chronische Schmerzen spezialisierten Physiotherapeuten evaluiert. Die Resultate dieser Untersuchung konnten die Existenz von medizinisch relevanten Strukturen innerhalb der aggregierten Schmerztagebuchdaten von CatchMyPain und deren Auffindbarkeit durch die entwickelte Architektur aufzeigen. Verschiedene Messungen demonstrierten die Leistungsfähigkeit des Ansatzes selbst bei sehr grossen Datensätzen. |
| PDF File |
Download
|
| Export |
BibTeX
|