{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3422229"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3422229","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εξόρυξη δεδομένων για την πρόβλεψη εμφάνισης σακγχαρώδη διαβήτη","abstract":"Ο σακχαρώδης διαβήτης είναι μια χρόνια πάθηση η οποία είναι εξαιρετικά διαδεδομένη και επηρεάζει ανθρώπους από όλες τις ηπείρους του πλανήτη. Ειδικότερα τα τελευταία έτη έχουν πραγματοποιηθεί σημαντικά βήματα εξέλιξης ως προς την πρόληψη και την διάγνωση της νόσου. Παρόλα αυτά τα περιστατικά αυξάνονται ραγδαία κάθε χρόνο και ειδικότερα σε χώρες όπου οι άνθρωποι ζουν με χαμηλά ή μεσαία εισοδήματα. Οι πρόσφατες εξελίξεις στην τεχνολογία της τεχνητής νοημοσύνης και της μηχανικής μάθησης έχουν επιφέρει σημαντικές εξελίξεις στην έγκαιρη πρόβλεψη και τον εντοπισμό σοβαρών θεμάτων υγείας. Αν και διατυπώνονται προβληματισμοί, σχετικά με την κλινική εφαρμογή και ερμηνεία των μεθόδων βασισμένων στη μηχανική μάθηση, η ενσωμάτωση εργαλείων μηχανικής μάθησης αυξάνεται με ταχείς ρυθμούς. Η παρούσα εργασία έχει δυο βασικούς στόχους. Ο πρώτος είναι η δημιουργία ενός μοντέλου μάθησης το οποίο θα μπορεί να προβλέψει ικανοποιητικά εάν ο ασθενής θα εμφανίσει ή όχι τόσο διαβήτη όσο και προδιαβήτη. Το μοντέλο αυτό, θα μπορούσε να χρησιμοποιηθεί επικουρικά για την καλύτερη πρόβλεψη εμφάνισης της νόσου και τον περιορισμό θνησιμότητας και εμφάνισης επιπλοκών της ασθένειας, ενώ θα μπορούσε να προσφέρει εξατομικευμένες θεραπευτικές προσεγγίσεις και μείωση στην υπερκατανάλωση των διαθέσιμων πόρων υγείας αφού θα υπήρχε έγκαιρη διάγνωση και επομένως πρόληψη εμφάνισης πιθανών επιπλοκών. Ο δεύτερος στόχος είναι η ομαδοποίηση των περιστατικών διαβήτη βάση των κλινικών δεδομένων χωρίς προ υπάρχοντα αποτελέσματα για την εμφάνιση ή μη της νόσου. Για τους σκοπούς αυτούς αξιοποιήθηκαν αλγόριθμοι και τεχνικές όπως ο αλγόριθμος κατηγοριοποίησης Decision Tree-(DT)(Δένδρο Απόφασης) και Νaïve Βayes-(NB)(Νευρωνικό Δίκτυο) καθώς και ο αλγόριθμος Clustering(Συσταδοποίησης) Κ-means. Επίσης χρησιμοποιήθηκαν οι τεχνικές synthetic minority over Sampling(smote) και υποδειγματοληψίας για την εξισορρόπηση των δεδομένων προκειμένου να επιτευχθούν τα βέλτιστα αποτελέσματα. Επιπλέον χρησιμοποιήθηκε ο Silhouette Coefficient(Συντελεστής Σιλουέτας) για τον αλγόριθμο k-means με σκοπό την εύρεση των κατάλληλων συστάδων. Τα δεδομένα που χρησιμοποιήθηκαν αντλήθηκαν από ένα μεγάλο σύνολο ανοικτών δεδομένων από τον ιστότοπο Kaggle και προέρχονται από το U.S Center Disease and Control Prevention- (CDC) (Αμερικάνικο κέντρο ελέγχου και πρόληψης) από τηλεφωνική έρευνα η οποία διεξήχθη το έτος 2015. Το πιο αποδοτικό μοντέλο κατηγοριοποίησης εμφανίζεται το Decision Tree με τον συνδυασμό τεχνικών smote και υποδειγματοληψίας. Το μοντέλο ταξινόμησε σωστά το 79,68%. Για την κλάση των διαβητικών στην οποία επικεντρώνεται η μελέτη το μοντέλο εμφάνισε recall (ανάκληση) 0,727,precision (ακρίβεια) 0,645 και f-measure (μέτρο F) 0,683. Αντίστοιχα για την κλάση των μη διαβητικών το μοντέλο σημείωσε recall 0,839,precision 0,942 και f-measure 0,888. Τέλος στη κλάση των προδιαβητικών εμφάνισε recall 0,661, precision 0,42 και f-measure 0,513. Αντίστοιχα όσον αφορά την απόδοση του μοντέλου clustering των δεδομένων εκείνο εμφάνισε ένα overall silhouette coefficient(συνολικό συντελεστή σιλουέτας) 0,574. Συμπερασματικά, το μοντέλο του Decision Tree παρουσιάζει καλή απόδοση για την κλάση των μη διαβητικών με υψηλά ποσοστά recall και precision ενώ εμφανίζει ικανοποιητική απόδοση για την κλάση των διαβητικών σε αντίθεση με την μέτρια απόδοση του μοντέλου για τους προδιαβητικούς ασθενείς. Αντίστοιχα παρατηρείται ότι η ποιότητα του clustering είναι καλή. Επομένως τα μοντέλα αυτά είτε συνδυαστικά είτε μεμονωμένα θα μπορούσαν να χρησιμοποιηθούν βοηθητικά στην κλινική πράξη.","abstract_html":"Ο σακχαρώδης διαβήτης είναι μια χρόνια πάθηση η οποία είναι εξαιρετικά διαδεδομένη και επηρεάζει ανθρώπους από όλες τις ηπείρους του πλανήτη. Ειδικότερα τα τελευταία έτη έχουν πραγματοποιηθεί σημαντικά βήματα εξέλιξης ως προς την πρόληψη και την διάγνωση της νόσου. Παρόλα αυτά τα περιστατικά αυξάνονται ραγδαία κάθε χρόνο και ειδικότερα σε χώρες όπου οι άνθρωποι ζουν με χαμηλά ή μεσαία εισοδήματα. Οι πρόσφατες εξελίξεις στην τεχνολογία της τεχνητής νοημοσύνης και της μηχανικής μάθησης έχουν επιφέρει σημαντικές εξελίξεις στην έγκαιρη πρόβλεψη και τον εντοπισμό σοβαρών θεμάτων υγείας. Αν και διατυπώνονται προβληματισμοί, σχετικά με την κλινική εφαρμογή και ερμηνεία των μεθόδων βασισμένων στη μηχανική μάθηση, η ενσωμάτωση εργαλείων μηχανικής μάθησης αυξάνεται με ταχείς ρυθμούς. Η παρούσα εργασία έχει δυο βασικούς στόχους. Ο πρώτος είναι η δημιουργία ενός μοντέλου μάθησης το οποίο θα μπορεί να προβλέψει ικανοποιητικά εάν ο ασθενής θα εμφανίσει ή όχι τόσο διαβήτη όσο και προδιαβήτη. Το μοντέλο αυτό, θα μπορούσε να χρησιμοποιηθεί επικουρικά για την καλύτερη πρόβλεψη εμφάνισης της νόσου και τον περιορισμό θνησιμότητας και εμφάνισης επιπλοκών της ασθένειας, ενώ θα μπορούσε να προσφέρει εξατομικευμένες θεραπευτικές προσεγγίσεις και μείωση στην υπερκατανάλωση των διαθέσιμων πόρων υγείας αφού θα υπήρχε έγκαιρη διάγνωση και επομένως πρόληψη εμφάνισης πιθανών επιπλοκών. Ο δεύτερος στόχος είναι η ομαδοποίηση των περιστατικών διαβήτη βάση των κλινικών δεδομένων χωρίς προ υπάρχοντα αποτελέσματα για την εμφάνιση ή μη της νόσου. Για τους σκοπούς αυτούς αξιοποιήθηκαν αλγόριθμοι και τεχνικές όπως ο αλγόριθμος κατηγοριοποίησης Decision Tree-(DT)(Δένδρο Απόφασης) και Νaïve Βayes-(NB)(Νευρωνικό Δίκτυο) καθώς και ο αλγόριθμος Clustering(Συσταδοποίησης) Κ-means. Επίσης χρησιμοποιήθηκαν οι τεχνικές synthetic minority over Sampling(smote) και υποδειγματοληψίας για την εξισορρόπηση των δεδομένων προκειμένου να επιτευχθούν τα βέλτιστα αποτελέσματα. Επιπλέον χρησιμοποιήθηκε ο Silhouette Coefficient(Συντελεστής Σιλουέτας) για τον αλγόριθμο k-means με σκοπό την εύρεση των κατάλληλων συστάδων. Τα δεδομένα που χρησιμοποιήθηκαν αντλήθηκαν από ένα μεγάλο σύνολο ανοικτών δεδομένων από τον ιστότοπο Kaggle και προέρχονται από το U.S Center Disease and Control Prevention- (CDC) (Αμερικάνικο κέντρο ελέγχου και πρόληψης) από τηλεφωνική έρευνα η οποία διεξήχθη το έτος 2015. Το πιο αποδοτικό μοντέλο κατηγοριοποίησης εμφανίζεται το Decision Tree με τον συνδυασμό τεχνικών smote και υποδειγματοληψίας. Το μοντέλο ταξινόμησε σωστά το 79,68%. Για την κλάση των διαβητικών στην οποία επικεντρώνεται η μελέτη το μοντέλο εμφάνισε recall (ανάκληση) 0,727,precision (ακρίβεια) 0,645 και f-measure (μέτρο F) 0,683. Αντίστοιχα για την κλάση των μη διαβητικών το μοντέλο σημείωσε recall 0,839,precision 0,942 και f-measure 0,888. Τέλος στη κλάση των προδιαβητικών εμφάνισε recall 0,661, precision 0,42 και f-measure 0,513. Αντίστοιχα όσον αφορά την απόδοση του μοντέλου clustering των δεδομένων εκείνο εμφάνισε ένα overall silhouette coefficient(συνολικό συντελεστή σιλουέτας) 0,574. Συμπερασματικά, το μοντέλο του Decision Tree παρουσιάζει καλή απόδοση για την κλάση των μη διαβητικών με υψηλά ποσοστά recall και precision ενώ εμφανίζει ικανοποιητική απόδοση για την κλάση των διαβητικών σε αντίθεση με την μέτρια απόδοση του μοντέλου για τους προδιαβητικούς ασθενείς. Αντίστοιχα παρατηρείται ότι η ποιότητα του clustering είναι καλή. Επομένως τα μοντέλα αυτά είτε συνδυαστικά είτε μεμονωμένα θα μπορούσαν να χρησιμοποιηθούν βοηθητικά στην κλινική πράξη.","abstract_has_math":false,"creators":["Χριστοδούλου Παναγιώτα","Christodoulou Panagiota"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:30:57Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3422229"],"render_values":[{"text":"uoadl:3422229","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3422229","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3422229","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3422229","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Χριστοδούλου Παναγιώτα","Christodoulou Panagiota"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3422229","https://pergamos.lib.uoa.gr/uoa/dl/object/3422229"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Ο σακχαρώδης διαβήτης είναι μια χρόνια πάθηση η οποία είναι εξαιρετικά διαδεδομένη και επηρεάζει ανθρώπους από όλες τις ηπείρους του πλανήτη. Ειδικότερα τα τελευταία έτη έχουν πραγματοποιηθεί σημαντικά βήματα εξέλιξης ως προς την πρόληψη και την διάγνωση της νόσου. Παρόλα αυτά τα περιστατικά αυξάνονται ραγδαία κάθε χρόνο και ειδικότερα σε χώρες όπου οι άνθρωποι ζουν με χαμηλά ή μεσαία εισοδήματα. Οι πρόσφατες εξελίξεις στην τεχνολογία της τεχνητής νοημοσύνης και της μηχανικής μάθησης έχουν επιφέρει σημαντικές εξελίξεις στην έγκαιρη πρόβλεψη και τον εντοπισμό σοβαρών θεμάτων υγείας. Αν και διατυπώνονται προβληματισμοί, σχετικά με την κλινική εφαρμογή και ερμηνεία των μεθόδων βασισμένων στη μηχανική μάθηση, η ενσωμάτωση εργαλείων μηχανικής μάθησης αυξάνεται με ταχείς ρυθμούς. Η παρούσα εργασία έχει δυο βασικούς στόχους. Ο πρώτος είναι η δημιουργία ενός μοντέλου μάθησης το οποίο θα μπορεί να προβλέψει ικανοποιητικά εάν ο ασθενής θα εμφανίσει ή όχι τόσο διαβήτη όσο και προδιαβήτη. Το μοντέλο αυτό, θα μπορούσε να χρησιμοποιηθεί επικουρικά για την καλύτερη πρόβλεψη εμφάνισης της νόσου και τον περιορισμό θνησιμότητας και εμφάνισης επιπλοκών της ασθένειας, ενώ θα μπορούσε να προσφέρει εξατομικευμένες θεραπευτικές προσεγγίσεις και μείωση στην υπερκατανάλωση των διαθέσιμων πόρων υγείας αφού θα υπήρχε έγκαιρη διάγνωση και επομένως πρόληψη εμφάνισης πιθανών επιπλοκών. Ο δεύτερος στόχος είναι η ομαδοποίηση των περιστατικών διαβήτη βάση των κλινικών δεδομένων χωρίς προ υπάρχοντα αποτελέσματα για την εμφάνιση ή μη της νόσου. Για τους σκοπούς αυτούς αξιοποιήθηκαν αλγόριθμοι και τεχνικές όπως ο αλγόριθμος κατηγοριοποίησης Decision Tree-(DT)(Δένδρο Απόφασης) και Νaïve Βayes-(NB)(Νευρωνικό Δίκτυο) καθώς και ο αλγόριθμος Clustering(Συσταδοποίησης) Κ-means. Επίσης χρησιμοποιήθηκαν οι τεχνικές synthetic minority over Sampling(smote) και υποδειγματοληψίας για την εξισορρόπηση των δεδομένων προκειμένου να επιτευχθούν τα βέλτιστα αποτελέσματα. Επιπλέον χρησιμοποιήθηκε ο Silhouette Coefficient(Συντελεστής Σιλουέτας) για τον αλγόριθμο k-means με σκοπό την εύρεση των κατάλληλων συστάδων. Τα δεδομένα που χρησιμοποιήθηκαν αντλήθηκαν από ένα μεγάλο σύνολο ανοικτών δεδομένων από τον ιστότοπο Kaggle και προέρχονται από το U.S Center Disease and Control Prevention- (CDC) (Αμερικάνικο κέντρο ελέγχου και πρόληψης) από τηλεφωνική έρευνα η οποία διεξήχθη το έτος 2015. Το πιο αποδοτικό μοντέλο κατηγοριοποίησης εμφανίζεται το Decision Tree με τον συνδυασμό τεχνικών smote και υποδειγματοληψίας. Το μοντέλο ταξινόμησε σωστά το 79,68%. Για την κλάση των διαβητικών στην οποία επικεντρώνεται η μελέτη το μοντέλο εμφάνισε recall (ανάκληση) 0,727,precision (ακρίβεια) 0,645 και f-measure (μέτρο F) 0,683. Αντίστοιχα για την κλάση των μη διαβητικών το μοντέλο σημείωσε recall 0,839,precision 0,942 και f-measure 0,888. Τέλος στη κλάση των προδιαβητικών εμφάνισε recall 0,661, precision 0,42 και f-measure 0,513. Αντίστοιχα όσον αφορά την απόδοση του μοντέλου clustering των δεδομένων εκείνο εμφάνισε ένα overall silhouette coefficient(συνολικό συντελεστή σιλουέτας) 0,574. Συμπερασματικά, το μοντέλο του Decision Tree παρουσιάζει καλή απόδοση για την κλάση των μη διαβητικών με υψηλά ποσοστά recall και precision ενώ εμφανίζει ικανοποιητική απόδοση για την κλάση των διαβητικών σε αντίθεση με την μέτρια απόδοση του μοντέλου για τους προδιαβητικούς ασθενείς. Αντίστοιχα παρατηρείται ότι η ποιότητα του clustering είναι καλή. Επομένως τα μοντέλα αυτά είτε συνδυαστικά είτε μεμονωμένα θα μπορούσαν να χρησιμοποιηθούν βοηθητικά στην κλινική πράξη.","Diabetes mellitus is a chronic condition that is extremely widespread and affects people from all continents of the world. In recent years in particular, significant advances have been made in the prevention and diagnosis of the disease. Nevertheless, the number of cases is increasing rapidly every year, especially in countries where people live on low or middle incomes. Recent developments in artificial intelligence and machine learning technology have brought about significant advances in the early prediction and detection of serious health issues. Although concerns are raised regarding the clinical application and interpretation of machine learning-based methods, the integration of machine learning tools is growing rapidly. This dissertation has two main objectives. The first is to create a learning model that can satisfactorily predict whether a patient will develop both diabetes and prediabetes. This model could be used as an adjunct to better predict the onset of the disease and limit mortality and the occurrence of complications of the disease, and could offer personalized treatment approaches and a reduction in the overuse of available health care resources since there would be early diagnosis and therefore prevention of the occurrence of potential complications. The second objective is to group diabetes cases based on clinical data without pre-existing results on the occurrence or non-occurrence of the disease. For these purposes, algorithms and techniques such as Decision Tree-(DT) and Naïve Bayes-(NB) (Neural Network) categorisation algorithm and K-means clustering algorithm were utilised. Synthetic minority over Sampling(smote) and subsampling techniques were also used to balance the data to achieve optimal results. In addition, the Silhouette Coefficient (Silhouette Coefficient) was used for the k-means algorithm to find suitable clusters. The data used was drawn from a large open data set from the Kaggle website and obtained from the U.S Center for Disease and Control Prevention (CDC) from a telephone survey conducted in 2015. The most efficient categorisation model appears to be Decision Tree with a combination of smote and subsampling techniques. The model correctly classified 79.68%. For the class of diabetics on which the study focuses the model showed recall 0.727, precision 0.645 and f-measure 0.683. Similarly for the non-diabetic class the model scored recall 0.839, precision 0.942 and f measure 0.888. Finally in the pre-diabetic class the model scored recall 0.661, precision 0.42 and f-measure 0.513. Similarly in terms of the performance of the data clustering model that one showed an overall silhouette coefficient of 0.574. In conclusion, the Decision Tree model shows good performance for the non diabetic class with high recall and precision rates and shows satisfactory performance for the diabetic class in contrast to the moderate performance of the model for pre-diabetic patients. Similarly it is observed that the quality of clustering is good. Therefore, these models either combined or individually could be used helpfully in clinical practice."]},{"key":"dc:title","label":"Title","values":["Εξόρυξη δεδομένων για την πρόβλεψη εμφάνισης σακγχαρώδη διαβήτη"]}]}],"canonical_facts":{"dc:creator":["Χριστοδούλου Παναγιώτα","Christodoulou Panagiota"],"dc:date":["2024"],"dc:description":["Ο σακχαρώδης διαβήτης είναι μια χρόνια πάθηση η οποία είναι εξαιρετικά διαδεδομένη και επηρεάζει ανθρώπους από όλες τις ηπείρους του πλανήτη. Ειδικότερα τα τελευταία έτη έχουν πραγματοποιηθεί σημαντικά βήματα εξέλιξης ως προς την πρόληψη και την διάγνωση της νόσου. Παρόλα αυτά τα περιστατικά αυξάνονται ραγδαία κάθε χρόνο και ειδικότερα σε χώρες όπου οι άνθρωποι ζουν με χαμηλά ή μεσαία εισοδήματα. Οι πρόσφατες εξελίξεις στην τεχνολογία της τεχνητής νοημοσύνης και της μηχανικής μάθησης έχουν επιφέρει σημαντικές εξελίξεις στην έγκαιρη πρόβλεψη και τον εντοπισμό σοβαρών θεμάτων υγείας. Αν και διατυπώνονται προβληματισμοί, σχετικά με την κλινική εφαρμογή και ερμηνεία των μεθόδων βασισμένων στη μηχανική μάθηση, η ενσωμάτωση εργαλείων μηχανικής μάθησης αυξάνεται με ταχείς ρυθμούς. Η παρούσα εργασία έχει δυο βασικούς στόχους. Ο πρώτος είναι η δημιουργία ενός μοντέλου μάθησης το οποίο θα μπορεί να προβλέψει ικανοποιητικά εάν ο ασθενής θα εμφανίσει ή όχι τόσο διαβήτη όσο και προδιαβήτη. Το μοντέλο αυτό, θα μπορούσε να χρησιμοποιηθεί επικουρικά για την καλύτερη πρόβλεψη εμφάνισης της νόσου και τον περιορισμό θνησιμότητας και εμφάνισης επιπλοκών της ασθένειας, ενώ θα μπορούσε να προσφέρει εξατομικευμένες θεραπευτικές προσεγγίσεις και μείωση στην υπερκατανάλωση των διαθέσιμων πόρων υγείας αφού θα υπήρχε έγκαιρη διάγνωση και επομένως πρόληψη εμφάνισης πιθανών επιπλοκών. Ο δεύτερος στόχος είναι η ομαδοποίηση των περιστατικών διαβήτη βάση των κλινικών δεδομένων χωρίς προ υπάρχοντα αποτελέσματα για την εμφάνιση ή μη της νόσου. Για τους σκοπούς αυτούς αξιοποιήθηκαν αλγόριθμοι και τεχνικές όπως ο αλγόριθμος κατηγοριοποίησης Decision Tree-(DT)(Δένδρο Απόφασης) και Νaïve Βayes-(NB)(Νευρωνικό Δίκτυο) καθώς και ο αλγόριθμος Clustering(Συσταδοποίησης) Κ-means. Επίσης χρησιμοποιήθηκαν οι τεχνικές synthetic minority over Sampling(smote) και υποδειγματοληψίας για την εξισορρόπηση των δεδομένων προκειμένου να επιτευχθούν τα βέλτιστα αποτελέσματα. Επιπλέον χρησιμοποιήθηκε ο Silhouette Coefficient(Συντελεστής Σιλουέτας) για τον αλγόριθμο k-means με σκοπό την εύρεση των κατάλληλων συστάδων. Τα δεδομένα που χρησιμοποιήθηκαν αντλήθηκαν από ένα μεγάλο σύνολο ανοικτών δεδομένων από τον ιστότοπο Kaggle και προέρχονται από το U.S Center Disease and Control Prevention- (CDC) (Αμερικάνικο κέντρο ελέγχου και πρόληψης) από τηλεφωνική έρευνα η οποία διεξήχθη το έτος 2015. Το πιο αποδοτικό μοντέλο κατηγοριοποίησης εμφανίζεται το Decision Tree με τον συνδυασμό τεχνικών smote και υποδειγματοληψίας. Το μοντέλο ταξινόμησε σωστά το 79,68%. Για την κλάση των διαβητικών στην οποία επικεντρώνεται η μελέτη το μοντέλο εμφάνισε recall (ανάκληση) 0,727,precision (ακρίβεια) 0,645 και f-measure (μέτρο F) 0,683. Αντίστοιχα για την κλάση των μη διαβητικών το μοντέλο σημείωσε recall 0,839,precision 0,942 και f-measure 0,888. Τέλος στη κλάση των προδιαβητικών εμφάνισε recall 0,661, precision 0,42 και f-measure 0,513. Αντίστοιχα όσον αφορά την απόδοση του μοντέλου clustering των δεδομένων εκείνο εμφάνισε ένα overall silhouette coefficient(συνολικό συντελεστή σιλουέτας) 0,574. Συμπερασματικά, το μοντέλο του Decision Tree παρουσιάζει καλή απόδοση για την κλάση των μη διαβητικών με υψηλά ποσοστά recall και precision ενώ εμφανίζει ικανοποιητική απόδοση για την κλάση των διαβητικών σε αντίθεση με την μέτρια απόδοση του μοντέλου για τους προδιαβητικούς ασθενείς. Αντίστοιχα παρατηρείται ότι η ποιότητα του clustering είναι καλή. Επομένως τα μοντέλα αυτά είτε συνδυαστικά είτε μεμονωμένα θα μπορούσαν να χρησιμοποιηθούν βοηθητικά στην κλινική πράξη.","Diabetes mellitus is a chronic condition that is extremely widespread and affects people from all continents of the world. In recent years in particular, significant advances have been made in the prevention and diagnosis of the disease. Nevertheless, the number of cases is increasing rapidly every year, especially in countries where people live on low or middle incomes. Recent developments in artificial intelligence and machine learning technology have brought about significant advances in the early prediction and detection of serious health issues. Although concerns are raised regarding the clinical application and interpretation of machine learning-based methods, the integration of machine learning tools is growing rapidly. This dissertation has two main objectives. The first is to create a learning model that can satisfactorily predict whether a patient will develop both diabetes and prediabetes. This model could be used as an adjunct to better predict the onset of the disease and limit mortality and the occurrence of complications of the disease, and could offer personalized treatment approaches and a reduction in the overuse of available health care resources since there would be early diagnosis and therefore prevention of the occurrence of potential complications. The second objective is to group diabetes cases based on clinical data without pre-existing results on the occurrence or non-occurrence of the disease. For these purposes, algorithms and techniques such as Decision Tree-(DT) and Naïve Bayes-(NB) (Neural Network) categorisation algorithm and K-means clustering algorithm were utilised. Synthetic minority over Sampling(smote) and subsampling techniques were also used to balance the data to achieve optimal results. In addition, the Silhouette Coefficient (Silhouette Coefficient) was used for the k-means algorithm to find suitable clusters. The data used was drawn from a large open data set from the Kaggle website and obtained from the U.S Center for Disease and Control Prevention (CDC) from a telephone survey conducted in 2015. The most efficient categorisation model appears to be Decision Tree with a combination of smote and subsampling techniques. The model correctly classified 79.68%. For the class of diabetics on which the study focuses the model showed recall 0.727, precision 0.645 and f-measure 0.683. Similarly for the non-diabetic class the model scored recall 0.839, precision 0.942 and f measure 0.888. Finally in the pre-diabetic class the model scored recall 0.661, precision 0.42 and f-measure 0.513. Similarly in terms of the performance of the data clustering model that one showed an overall silhouette coefficient of 0.574. In conclusion, the Decision Tree model shows good performance for the non diabetic class with high recall and precision rates and shows satisfactory performance for the diabetic class in contrast to the moderate performance of the model for pre-diabetic patients. Similarly it is observed that the quality of clustering is good. Therefore, these models either combined or individually could be used helpfully in clinical practice."],"dc:identifier":["uoadl:3422229","https://pergamos.lib.uoa.gr/uoa/dl/object/3422229"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Εξόρυξη δεδομένων για την πρόβλεψη εμφάνισης σακγχαρώδη διαβήτη"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:30:57Z"}