Багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем
The precise prediction of health-related issues is a significant challenge in healthcare, with heart-related diseases posing a particularly threatening global health problem. Accurate prediction and recommendation for heart-related diseases are crucial for timely and effective treatment solutions. T...
Збережено в:
| Дата: | 2023 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Англійська |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2023
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/277354 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| _version_ | 1856543568983752704 |
|---|---|
| author | Sharma, Vedna Samant, Surender Singh |
| author_facet | Sharma, Vedna Samant, Surender Singh |
| author_sort | Sharma, Vedna |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2024-02-01T21:03:07Z |
| description | The precise prediction of health-related issues is a significant challenge in healthcare, with heart-related diseases posing a particularly threatening global health problem. Accurate prediction and recommendation for heart-related diseases are crucial for timely and effective treatment solutions. The primary objective of this study is to develop a classification model capable of accurately identifying heart diseases and providing appropriate recommendations for patients. The proposed system utilizes a multilevel-based classification mechanism employing Support Vector Machines. It aims to categorize heart diseases by analyzing patient’s vital parameters. The performance of the proposed model was evaluated by testing it on a dataset containing patient records. The generated recommendations are based on a comprehensive assessment of the severity of clinical features exhibited by patients, including estimating the associated risk of both clinical features and the disease itself. The predictions were evaluated using three metrics: accuracy, specificity, and the receiver operating characteristic curve. The proposed Multilevel Support Vector Machine (MSVM) classification model achieved an accuracy rate of 94.09% in detecting the severity of heart disease. This makes it a valuable tool in the medical field for providing timely diagnosis and treatment recommendations. The proposed model presents a promising approach for accurately predicting heart-related diseases and highlights the potential of soft computing techniques in healthcare. Future research could focus on further enhancing the proposed model’s accuracy and applicability. |
| first_indexed | 2025-07-17T10:28:06Z |
| format | Article |
| id | journaliasakpiua-article-277354 |
| institution | System research and information technologies |
| language | English |
| last_indexed | 2025-07-17T10:28:06Z |
| publishDate | 2023 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| spelling | journaliasakpiua-article-2773542024-02-01T21:03:07Z A multi-level decision-making framework for heart-related disease prediction and recommendation Багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем Sharma, Vedna Samant, Surender Singh healthcare heart disease classification model learning techniques охорона здоров’я захворювання серця модель класифікації методи навчання The precise prediction of health-related issues is a significant challenge in healthcare, with heart-related diseases posing a particularly threatening global health problem. Accurate prediction and recommendation for heart-related diseases are crucial for timely and effective treatment solutions. The primary objective of this study is to develop a classification model capable of accurately identifying heart diseases and providing appropriate recommendations for patients. The proposed system utilizes a multilevel-based classification mechanism employing Support Vector Machines. It aims to categorize heart diseases by analyzing patient’s vital parameters. The performance of the proposed model was evaluated by testing it on a dataset containing patient records. The generated recommendations are based on a comprehensive assessment of the severity of clinical features exhibited by patients, including estimating the associated risk of both clinical features and the disease itself. The predictions were evaluated using three metrics: accuracy, specificity, and the receiver operating characteristic curve. The proposed Multilevel Support Vector Machine (MSVM) classification model achieved an accuracy rate of 94.09% in detecting the severity of heart disease. This makes it a valuable tool in the medical field for providing timely diagnosis and treatment recommendations. The proposed model presents a promising approach for accurately predicting heart-related diseases and highlights the potential of soft computing techniques in healthcare. Future research could focus on further enhancing the proposed model’s accuracy and applicability. Точне прогнозування проблем, пов’язаних зі здоров’ям, є серйозною проблемою в галузі охорони здоров’я, причому серцево-судинні захворювання становлять особливо загрозу в глобальній проблемі охорони здоров’я. Точне прогнозування та рекомендації щодо серцево-судинних захворювань мають вирішальне значення для надання своєчасного та ефективного лікування. Основною метою цього дослідження є розроблення моделі класифікації, здатної точно ідентифікувати захворювання серця та надати відповідні рекомендації для пацієнтів. Запропоновано систему, яка застосовує багаторівневий механізм класифікації з використанням опорних векторних машин. Він спрямований на класифікацію захворювань серця шляхом аналізу життєво важливих параметрів пацієнта. Ефективність запропонованої моделі оцінено шляхом її тестуванням на наборі даних, який містить записи пацієнтів. Сформовані рекомендації ґрунтуються на всебічному оцінюванні тяжкості клінічних проявів, які демонструють пацієнти, включно з пов’язаним ризиком як клінічних ознак, так і самого захворювання. Прогнози оцінено за трьома показниками: точність, специфічність і крива робочих характеристик приймача. Запропонована модель класифікації Multilevel Support Vector Machine (MSVM) досягла рівня точності 94,09% у виявленні тяжкості серцевих захворювань, що робить її цінним інструментом у галузі медицини для надання своєчасної діагностики та рекомендацій щодо лікування. Запропонована модель дає багатообіцяльний підхід для точного прогнозування захворювань, пов’язаних із серцем, і засвідчує потенціал методів програмного обчислення в сфері охорони здоров’я. Подальші дослідження можна зосередити на удосконаленні підвищення точності та застосовності запропонованої моделі. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2023-12-26 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/277354 10.20535/SRIT.2308-8893.2023.4.01 System research and information technologies; No. 4 (2023); 7-20 Системные исследования и информационные технологии; № 4 (2023); 7-20 Системні дослідження та інформаційні технології; № 4 (2023); 7-20 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/277354/290115 |
| spellingShingle | охорона здоров’я захворювання серця модель класифікації методи навчання Sharma, Vedna Samant, Surender Singh Багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем |
| title | Багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем |
| title_alt | A multi-level decision-making framework for heart-related disease prediction and recommendation |
| title_full | Багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем |
| title_fullStr | Багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем |
| title_full_unstemmed | Багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем |
| title_short | Багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем |
| title_sort | багаторівнева система прийняття рішень для прогнозування та рекомендацій щодо захворювань, пов’язаних із серцем |
| topic | охорона здоров’я захворювання серця модель класифікації методи навчання |
| topic_facet | healthcare heart disease classification model learning techniques охорона здоров’я захворювання серця модель класифікації методи навчання |
| url | http://journal.iasa.kpi.ua/article/view/277354 |
| work_keys_str_mv | AT sharmavedna amultileveldecisionmakingframeworkforheartrelateddiseasepredictionandrecommendation AT samantsurendersingh amultileveldecisionmakingframeworkforheartrelateddiseasepredictionandrecommendation AT sharmavedna bagatorívnevasistemaprijnâttâríšenʹdlâprognozuvannâtarekomendacíjŝodozahvorûvanʹpovâzanihízsercem AT samantsurendersingh bagatorívnevasistemaprijnâttâríšenʹdlâprognozuvannâtarekomendacíjŝodozahvorûvanʹpovâzanihízsercem AT sharmavedna multileveldecisionmakingframeworkforheartrelateddiseasepredictionandrecommendation AT samantsurendersingh multileveldecisionmakingframeworkforheartrelateddiseasepredictionandrecommendation |