Due to the growing unstructured nat

Due to the growing unstructured nature of diabetic data form health industry or all other sources, it is necessary to structure and emphasis its size into nominal value with possible solution. With the help of technological developments, it is necessary to combine robust diabetic data sharing and electronic communication systems can facilitate better access to health services at all the levels of patients. So that all patient information needs to be in one repository. Deploying a Health Information Exchange (HIE) can extract clinical information from several disparate repositories and integrate that data within a single patient health record that all care providers can access securely. Predictive analysis is a method, that incorporates a variety of techniques from data mining, statistics, and game theory that uses the current and past data with statistical or other analytical models and methods, to determine or predict certain future events [7]. Significant predictions or decisions can be made by employing big data analytics in health care field. In this paper, we use the predictive analysis algorithm in Hadoop/Map Reduce environment to predict the diabetes types prevalent, complications associated with it and the type of treatment to be provided. Based on the analysis, this system provides an efficient way to cure and care the patients with better outcomes like affordability and availability.

結果 (繁體中文) 1:

由於糖尿病患者的數據形式的醫療行業或其他來源的日益非結構化性質，有必要的結構和強調其大小與可能的解決方案標稱值。隨著技術的發展幫助下，有必要在所有患者的級別相結合強大的糖尿病數據共享和電子通訊系統可以方便衛生服務更好的訪問。讓所有的病人信息都需要在一個庫中。部署醫療信息交換（HIE）可以提取幾個不同的版本庫的臨床信息和單個病人的健康記錄中集成了數據，所有的服務提供者可以安全地訪問。預測分析是一種方法，併入有各種從數據挖掘，統計技術，並且使用與統計或其他分析模型和方法的當前和過去的數據，博弈論確定或預測某些未來事件[7]。顯著的預測或決定可以通過使用在醫療保健領域的大數據分析進行。在本文中，我們使用Hadoop中/地圖的預測分析算法減少對環境的預測糖尿病類型的流行，以提供與它和治療的類型相關的並發症。根據分析，該系統提供了一種有效的方法治療和護理患者的經濟承受能力一樣和可用性更好的結果。我們使用Hadoop中/地圖的預測分析算法減少對環境的預測糖尿病類型的流行，以提供與它和治療的類型相關的並發症。根據分析，該系統提供了一種有效的方法治療和護理患者的經濟承受能力一樣和可用性更好的結果。我們使用Hadoop中/地圖的預測分析算法減少對環境的預測糖尿病類型的流行，以提供與它和治療的類型相關的並發症。根據分析，該系統提供了一種有效的方法治療和護理患者的經濟承受能力一樣和可用性更好的結果。

結果 (繁體中文) 2:

由於糖尿病資料在健康行業或所有其他來源的非結構化性質日益增強，因此有必要用可能的解決方案將其大小結構並強調為名義價值。在技術發展的説明下，有必要將強大的糖尿病資料共用和電子通信系統結合起來，以利於更好地獲得各級患者的衛生服務。因此，所有患者資訊都需要位於一個存儲庫中。部署健康資訊交換 （HIE） 可以從多個不同的存儲庫中提取臨床資訊，並將該資料整合到所有護理提供者都可以安全訪問的單個患者健康記錄中。預測分析是一種方法，它結合了資料採礦、統計和博弈理論的各種技術，這些技術使用當前和過去的資料以及統計或其他分析模型和方法，以確定或預測某些未來事件 [7]。通過在醫療保健領域採用大資料分析，可以做出重大預測或決策。本文采用Hadoop/Map Reduce環境中的預測分析演算法，預測糖尿病流行類型、併發症和治療類型。根據分析，該系統提供了一個有效的方法來治癒和護理患者與更好的結果，如可負擔性和可用性。

結果 (繁體中文) 3:

由於來自健康行業或所有其他來源的糖尿病數據的非結構化性質越來越强，有必要通過可能的解決方案將其結構和強調為標稱值。在科技發展的幫助下，有必要將强大的糖尿病資料共用和電子通信系統結合起來，以便更好地獲得各級患者的醫療服務。所以所有的病人資訊都需要放在一個存儲庫中。部署健康資訊交換（HIE）可以從多個不同的存儲庫中選取臨床資訊，並將這些數據集成到所有醫療提供者都可以安全訪問的單個患者健康記錄中。預測分析是一種方法，它結合了資料挖掘、統計和博弈論等多種科技，將當前和過去的數據與統計或其他分析模型和方法結合起來，以確定或預測某些未來事件[7]。在醫療保健領域採用大資料分析可以做出重要的預測或决定。本文利用Hadoop/Map-Reduce環境下的預測分析算灋，對糖尿病的流行類型、相關併發症及治療管道進行預測。基於以上分析，該系統為患者提供了一種有效的治療和護理方法，具有更好的經濟性和有效性。