شناسایی ویژگی‌های داده درخور جهت کشف دانش از سیستم‌های کلان داده سلامت

الموضوعات : دانش شناسی

فاطمه سلیمانی روزبهانی ¹ , علی رجب زاده قطری ² , رضا رادفر ³

1 - دانشجوی دکتری رشته مدیریت فناوری اطلاعات/ کسب و کار هوشمند، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی،
2 - دانشیار گروه مدیریت صنعتی، دانشگاه تربیت مدرس، تهران ایران
3 - استاد گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

تاريخ الإرسال : 26 السبت , جمادى الثانية, 1443 تاريخ التأكيد : 27 الخميس , رمضان, 1443 تاريخ الإصدار : 11 الجمعة , ذو القعدة, 1443

الکلمات المفتاحية: کشف دانش در دادگان, سیستم‌های کلان داده سلامت, داده‌های درخور جهت کشف دانش, تحلیل عاملی و تأییدی,

ملخص المقالة :

هدف: هدف مطالعه حاضر ارائه و معرفی عوامل تأیید کننده مطلوبیت ویژگی‌های داده های مورد استفاده جهت کشف دانش از سیستم‌های کلان داده سلامت بوده است.روش پژوهش: پژوهش پیش رو مطالعه توصیفی-تحلیلی است. جامعه آماری متخصصان حوزه علوم داده، بیوانفورماتیک و تحلیل اطلاعات سلامت داخل و خارج از کشور بودند که با استفاده از روش گلوله برفی 655 نفر از آنها شناسایی شده، و برای آنها ابزار پژوهش پرسشنامه محقق ساخته ارسال شد که 247 پرسشنامه را تکمیل و برگرداندند. روش استفاده شده تحلیل داده‌ها، تحلیل عاملی اکتشافی و تأییدی با استفاده از نرم‌افزارهای0/26 SPSS و 8/8 Lisrel بوده است.یافته ها: نتایج تحلیل عاملی اکتشافی، شش عامل برای شناسایی ویژگی‌های داده درخور تبیین نمود که عبارتند از کیفیت داده، پایداری داده، سازگاری داده، ارزشمندی و دسترسی پذیری داده، کارایی داده و صحت و کامل بودن و روی هم رفته 68 درصد از واریانس کل داده ها را دربرداشته است. شاخص‌های برازش تحلیل تأییدی نشان داد که الگوی شش عاملی برازش قابل قبولی با داده ها دارد.نتیجه گیری: یافته های پژوهش حاکی از آن است که بر اساس مدل ارائه شده ویژگی‌های داده بر فرایند کشف دانش از سیستم‌های کلان داده سلامت تاثیر دارد و شش عامل شناسایی شده و 20 گویه سازنده این عوامل، می‌تواند ابزار مناسبی جهت شناسایی ویژگی‌های داده های مناسب برای کشف دانش از سیستم‌های کلان داده سلامت جهت به کارگیری موثر این سیستم‌ها باشد که با تاکید بر عدم وابستگی به فرمت داده، خصایص فراگیر داده های حوزه سلامت را دربرگرفته و توجه به آن می‌تواند به تشخیص و درمان زودهنگام بیماری‌ها کمک شایانی کند.