연관 규칙 마이닝(association rule mining)은 데이터에서 질환(disorder)에 관한 중요한 정보를 발견할 잠재력이 있다. 본 연구의 목적은 연관 규칙 발견(association rule discovery)을 통해 족부 질환군(foot disorder groups)과 증상과 관련된 생체역학적 매개변수(biomechanical parameters) 사이의 유의미한 정보를 효과적으로 획득하기 위한 임상 데이터 분석 과정을 제시하는 데 있었다. 연구에는 기본적으로 편평족(pes planus)을 포함하는 복합 족부 질환(complex foot disorder)으로 진단된 소아 환자 279명의 최초 임상 건강 기록을 사용하였다. Apriori 알고리즘을 적용하여 족부 질환군의 규칙을 발견하였다. 그 결과 복합 족부 질환에 대한 8개의 규칙을 발견하고 주요 정보를 확인할 수 있었다. 후속 연구에서는 신경망(neural network)과 같은 다른 데이터 마이닝 방법론을 적용하되, 앞으로 소아 족부 질환에 대한 더 나은 분석을 위해 신중한 전처리를 수행할 계획이다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.