Auditorium - Associazione Italiana di Epidemiologia

poster 7 settembre
I RICOVERI OSPEDALIERI A PISA: RICERCA DI ASSOCIAZIONI SPAZIO-
TEMPORALI TRAMITE L'UTILIZZO DI TECNOLOGIE PER IL
KNOWLEDGE DISCOVERY IN DATA BASE (KDD)
Alessio Uva 1 , Fosca Giannotti 1 , Anna Romanelli 2 , Maria Angela Protti 2 , Fabrizio Bianchi 2 ,
Maria Angela Vigotti 3
1 Lab. KDD-ISTI-CNR, Pisa; 2 IFC-CNR, Pisa; 3 Università di Pisa
Introduzione
Il processo di Knowledge Discovery and Delivery (KDD) ha l’obiettivo di ottenere
conoscenza “utile” a partire da dati “grezzi”. La fase di analisi può avvenire sia con
tecniche di analisi multidimensionale (strumenti OLAP), che con l’applicazione di
algoritmi di Data Mining utilizzando software dedicati e che permettono di estrarre dei
modelli con cui trasformare l’informazione in conoscenza.Le tecniche di KDD, diffuse
presso le aziende con grande quantità di dati transattivi e di dettaglio, possono essere
messo a disposizione di molte altre tipologie di organizzazioni.
Materiali e Metodi
A partire da sorgenti eterogenee di dati è stato creato un ambiente di analisi omogeneo,
contenente i dati giornalieri dei ricoveri avvenuti in Pisa nel 1998-2000, dell’
inquinamento atmosferico, i dati anagrafici, e i dati per sezione, del censimento del
1991. Tutti questi dati provengono da vari studi in parte conclusi. In una prima fase,
tramite SQL Server e’ stato creato un Data Warehouse per ottenere un archivio,
organizzato per ricoveri. Tramite analisi OLAP sui dati si sono creati indici ad hoc per
rendere più precisi i risultati delle funzioni di aggregazione dell’analisi
multidimensionale. In una seconda fase studi di Mining sugli stessi dati, che hanno
messo a confronto diversi ambienti di Data Mining (Weka, Clementine 6.5, e KDDML)
e quindi di analizzare i dati utilizzando soprattutto Clementine 6.5, rivelatosi il più
adatto alle caratteristiche dei dati a disposizione.
Risultati e Conclusioni
I risultato ottenuti sono di diverso tipo.
E’ stato creata una sorgente dati omogenea, contenente la totalità dei dati a disposizione
per le analisi epidemiologiche nella zone di Pisa. Il Data Warehouse implementato
permette inoltre un aggiornamento facile e rapido.
Le analisi OLAP hanno messo in rilievo la possibilità di relazioni sia tra i ricoveri
avvenuti nel comune di Pisa e le condizioni abitative dei residenti nel comune, che tra i
ricoveri e i livelli di inquinamento dell’aria e delle variabili meteorologiche rilevati nei
giorni precedenti il ricovero.
Ricoveri, 1996-2000: valori% per diagnosi e livelli di PM10
Comune di Pisa Circoscrizione .5
Lag 0-3 Tutte eta’ Tutte eta’ Eta’ 2-10 anni
Livello PM-10 Tutti M.Respir. Tutti M.Respir Tutti M.Respir
Alto- Altissimo 31,9 37,6 31,5 39,5 34,5 45,4
Normale-Basso 68,1 63,4 68,5 60,4 65,5 54,6
43