臺灣博碩士論文加值系統

分類與預測是資料探勘中重要的任務之一。在二元分類的資料中，多量類別與少量類別在數量上往往有差距，這種不平衡的資料會使得模型在多量類別的準確率較高，但卻降低了對於少量類別之敏感度。然而在實務上，相較於多量類別來說，少量類別之預測錯誤將會導致較嚴重的損失，例如，將醫療診斷中罹患疾病之病人判別為健康狀態。馬氏田口系統在處理多變量資料中，其利用馬氏距離作為兩個類別差異之衡量指標，更具有別於其他分類方法的特性，即是在分析中不需要事先知道資料分佈之情形。除此之外，馬氏田口系統結合訊號雜音比與直交表針對變數進行特徵篩選，提供一個簡單、有效率之方式找出少數重要之因子。
長久以來，壓瘡在醫療照護上一直是個棘手的問題，而且其資料型態實屬於不平衡資料。本研究主要是利用馬氏田口系統與其它三種分類方法針對術中壓瘡之醫療診斷進行分類與預測分析，並且利用特徵篩選方式找出重要因子。結果比較後發現，馬氏田口系統在醫療診斷之不平衡資料分析上確實擁有較佳的穩健性，並將影響壓瘡發生之14項危險變數篩選為5項變數，將可提供給未來壓瘡醫療防護上之依據與參考，提升醫療照護之品質。

第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究架構 3
第二章 壓瘡 5
2.1 壓瘡介紹 5
2.1.1 壓瘡定義 5
2.1.2 壓瘡病因學 6
2.2 手術引起的壓瘡 7
2.3 影響壓瘡之重要因子 7
2.3.1 主要原因 8
2.3.2 誘發因素 9
2.3.3 其他手術之因子 10
2.3.4 壓瘡之好發處 10
2.4 壓瘡之預防與治療 10
2.4.1 壓瘡風險評估 11
2.4.2 因子分析方法與篩選 14
2.4.3 壓瘡之治療 15
2.4.4 壓瘡之預防 15
第三章 文獻探討 16
3.1 資料庫中知識的發現 16
3.2 資料探勘 18
3.2.1 資料探勘任務 19
3.2.2 探勘技術 20
3.2.3 資料探勘應用領域 21
3.3 分類任務 22
3.3.1 分類過程 22
3.3.2 分類技術 24
3.3.3 分類法的評估 30
3.3.4 其他探討重點 30
第四章 馬氏田口系統 32
4.1 MTS主要成分 32
4.1.1 多變量系統 32
4.1.2 馬氏距離 33
4.1.3 田口式品質工程 35
4.2 MTS方法論 35
4.2.1 馬氏距離的計算 36
4.2.2 臨界值的決定 37
4.2.3 特徵變數的選擇 38
4.2.4 類別資料的處理方式 41
4.3 MTS四階段步驟 42
4.4 MTS的優點 44
第五章 個案研究 46
5.1 個案描述 46
5.2 MTS分析 49
5.3 對於類別資料不同的處理方式 58
5.4 績效比較 60
5.4.1 決策樹分析 60
5.4.2 粗糙集分析 61
5.4.3 邏輯斯迴歸分析 62
5.4.4 比較與討論 64
5.5 篩選因子之匯整與說明 66
第六章 結論與建議 68
6.1 結論 68
6.2 未來研究建議 69
參考資料 70

1 Taguchi, G., Chowdhury, S., and Wu, Y., (2001). “The Mahanalobis-Taguchi System”
2 Taguchi, G. and Jugulum, R., (2002). “The Mahalanobis-Taguchi strategy”
3 Woodall, W. H., Koudelik, R., Tsui, K. L., Kim, S. B., Stoumbos, Z. G. and Carvounis, C. P., (2003). “A Review and Analysis of the Mahalanobis-Taguchi System” Technometrics, Vol. 45, pp1-15
4 Su, C. T. and Hsiao, Y. H., (2007). “An Evaluation of the Robustness of MTS for Imbalanced Data.” IEEE Transactions on Knowledge and Data Engineering, Vol. 19, pp1321-1332
5 An, A. and Wang, Y. (2001). “Comparisons of classification methods for screening potential compounds” Proceeding IEEE International Conference, pp11-18.
6 Fayyad, U., Piatetsky-Shapiro, G. and Smyth, P. (1996). “From Data Mining to Knowledge Discovery in Databases” American Association for Artificial Intelligence, pp37-54.
7 Olaru, C. and Wehenkel, L. (1999). “Data Mining.” IEEE Computer Application in Power, volume12(3), pp19-25
8 Fayyad, U., (1997). “Data mining and knowledge discovery in databases：Implications for Scientific Databases” IEEE, pp2-11
9 Lingras, P. J. and Yao, Y. Y., (1998). “Data Mining Using Extensions of the Rough Set Model” Journal of the American Society for information science 49(5)：415-422.
10 Pawlak, Z., (2002). “Rough sets and intelligent data analysis” Information Sciences 147, pp1-12.
11 Abdolmaleki, P., Buadu, L.D. and Naderimansh, H. (2002). “Feature Extraction and Classification of Breast Cancer on Dynamic Magnetic Resonance imaging using artificial neural network” Cancer Letters, Vol. 171, issue 2, pp183-191.
12 Bauer, J. R. Kenneth, W. and Alsing, S. G. (2000). “Kelly A Feature Screening Using Signal-to-Noise Ratio” Neurocompution, Vol. 31, issue1-4 , pp29-44.
13 Blaz, Z., Jancez, D. W., Kattan, J. and Robert, B. I. (2000). “Machine learning for survival analysis: A case study on recurrence of prostate cancer.” Artificial intelligence in medicine, Vol120, pp59-75.
14 Kononenko, I., (2001). “Machine learning for medical diagnosis history, state of the art and perspective” Artificial intelligence in medicine vol. 23, issue:1, pp89-109.
15 Steven, K., Dennis, W., and Matthew, LK. (1994), “Artificial neural networks for early detection and diagnosis for cancer” Cancer letters, Vol.77 , pp 79-83.
16 Lia, L., Tanga, H., Wua, Z., Gonga, J., Gruidlb, M., Zoub, J., Tockmanb, M. and Clarka, R. (2004), ” Data mining techniques for cancer detection using serum proteomic profiling.” Artificial Intelligence in Medicine Vol32, pp71—83.
17 Han, J. and Kamber, M., (2003). “Data Mining – Concept and Techniques.” Academic Press.
18 Smith, M., (2003) “A comprehensive review of risk factors related to the development of pressure ulcers.” Journal of Orthopaedic Nursing 7, pp94-102.
19 Feuchtinger, J., Halfens, R. J. G. and Dassen, T., (2002). “Pressure ulcer risk factors in cardiac surgery: A review of the research literature.” HEART & LUNG Vol. 34, NO. 6, pp375-385.
20 Schoonhoven, L., Defloor, T., MARIAH. F. and GRYPDONCK, (2002). “Incidence of pressure ulcers due to surgery.” Journal of Clinical Nursing 11, pp479-487.
21 Kimberly-Clark, “Pressure Ulcers in the Surgical Patient.”
22 Nixon, J., Cranny, G. and Bond, S., (2007). “Skin alterations of intact skin and risks factors associated with pressure ulcer development in surgical patients: A cohort study.” International Journal of Nursing Studies 44, pp655-663.
23 Sae-Sia, W., Wipke-Tevis, D. and Williams, D. A., (2005). “Elevated sacral skin temperature: a risk factor for pressure ulcer development in hospitalized neurologically impaired Thai patients” Applied Nursing Research 18, pp29-35.
24 Lindgren, M., Unosson, M., Krantz, A.- M. and Ek, A.- C., (2005). “Pressure ulcer risk factors in patient undergoing surgery.” Journal of Advanced Nursing, 50(6), pp605-612.
25 Kwong, E., Pang, S., Wong, T., Ho, J. and Shao-ling, X., (2005). “Predicting pressure ulcer risk with the modified Braden, Braden, and Norton scales in acute care hospitals in Mainland China” Applied Nursing Research 18, pp122-128.
26 蘇朝墩 (2002)•品質工程，中華民國品質學會
27 張云濤、龔玲 (2007)•資料探勘原理與技術，五南圖書
28 溫坤禮、永井正武、張廷政、溫惠筑 (2008)•粗糙集入門與應用，五南圖書
29 劉應興 (2003)•類別資料分析導論，華泰文化
30 黃金蓮 (1993)•某教學醫院住院病人發生壓瘡之相關因素探討。護理雜誌，40，47-55。
31 趙麗芬、劉雪娥 (1994)•認識壓瘡及其相關因子。護理雜誌，41，59-64。
32 聶如芬•預防壓瘡的臨床運用。嘉基護理，5，36-37。
33 徐新政 (2002)•壓瘡。中醫骨傷醫學雜誌，37-39。
34 邱淑惠、王玉霞、吳重慶、吳玫錚、李昭瑢、戴怡玲、黃梅菊 (2002)•住院病患壓瘡發生實況分析。秀傳醫學雜誌，77-81。
35 張昭惠、陳惠玲、陳香祺 (2007)•降低神經外科手術患者壓瘡發生率之方案。護理雜誌，54，53-60。
36 陳都美（1998）•住院病患壓瘡盛行率及其相關因素之探討。榮總護理，15，42-49。