Zusammenfassung
Die verbesserten Dokumentationsverfahren in der Herzchirurgie führen zur Ansammlung immer größerer Datenmengen. Mit wachsenden Computerleistungen und Speicherkapazitäten wird der Informationsgehalt der Datenbanken in Zukunft immens anwachsen. Die Datenauswertung beschränkte sich bisher auf einfache Fragestellungen und vorgefertigte Auswertungsmuster. Dabei enthalten große Datenmengen oft weit mehr Informationen als auf den ersten Blick ersichtlich. So wurden in letzter Zeit Methoden zur Extraktion komplexerer Information aus Datenbanken entwickelt, welche auch unter dem Begriff Data Mining zusammengefaßt werden (1, 2). Aufgaben im herzchirurgischen Bereich wären z.B. eine exaktere präoperative Risikoeinschätzung des Patienten, besseres Verständnis des oft multifaktoriellen Entstehen von Komplikationen oder Nachweis der Auswirkungen verschiedener operativer Techniken auch bei kleinen Fallzahlen. Ein grundsätzliches Problem bei den Datenanalysen ist, daß zumeist der Statistiker, d.h. Nicht-Arzt, mit der Aufgabe betraut wird, entsprechende Analysen durchzuführen andererseits aber eher die Kliniker die Daten wirklich verstehen, Trends erkennen und Wichtiges von Unwichtigem unterscheiden können. Der Kliniker und Nicht-Mathematiker sollte daher ein Mittel in die Hand bekommen, seine Daten auf komfortable Art und Weise zu sichten. Wir möchten hier einen unserer Meinung nach wertvollen Ansatz vorstellen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Bothner U, Meissner FW (1998) Data Mining und Data Warehouse. Wissen aus medizinischen Datenbanken nutzen. D. Ärztebl 95: (Heft 20) A-1336–1338
Kasabov NK (1996) Foundations of neural networks, fuzzy systems, and knowledge engineering. The MIT Press. Cambridge, Massachusetts
Kohonen T (1982a) Self-organized formation of topologically correct feature maps. Biol Cybern 43: 59–69
Ritter H, Martinez T, Schulten K (1990) Neuronale Netze. Eine Einführung in die Neuroinformatik selbstorganisierender Netzwerke. Bonn; München; Reading, Mass (u.a. ): Addison-Wesley
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2000 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Albert, A., Walter, J., Rosendahl, U., Schröder, T., Ennker, J. (2000). Wissensgewinnung aus Datenbanken mittels Interaktivem Data Mining. In: Krian, A., Scheld, H.H. (eds) Dokumentationsverfahren in der Herzchirurgie V. Steinkopff, Heidelberg. https://doi.org/10.1007/978-3-642-53770-7_10
Download citation
DOI: https://doi.org/10.1007/978-3-642-53770-7_10
Publisher Name: Steinkopff, Heidelberg
Print ISBN: 978-3-642-53771-4
Online ISBN: 978-3-642-53770-7
eBook Packages: Springer Book Archive