Sağlıkla ilgili sosyal medya forum verilerinde içeriğinin bilgilendirici özellikleri: İlaç yan etkilerinin araştırılması üzerine bir çalışma

Abstract

Çevrimiçi sosyal ağlarda internetin her yerde bulunması, sağlık bilgisi için yeni kaynaklar yaratmakta, ilaçların tartışıldığı ilaçların içeriğiyle ilgili özellikleri ve yan etkileri karşılaştırmaktadır. Bu çalışmada, www.webmd.com web sitesindeki hasta yorumları kullanılarak veri ve metin madenciliği yöntemleri kullanılarak bir araştırma çalışması yapılmıştır. İlgili yorumlar metin ayrıştırması da dahil olmak üzere bazı yöntemlerle analiz edilmiş ve hastaların cinsiyet ve yaş aralığı, kullanıcı tipi, ilaç kullanımı bilgisi ve süresi gibi bazı veriler sistematik hale getirilmiş ve ilaçların yan etkileri araştırılmıştır. Bu çalışmada, hastanın yorumlarının verileri, metin çözümleme yöntemleri ile ayrılmış ve bunların sıklıkları hesaplanmış ve sık görülen yan etkiler araştırılmıştır. Cinsiyet, yaş, kullanıcı tipi, kullanım süresi, birliktelik kuralları (Apriori), sınıflandırma kuralları (Knn), kümeleme kuralı (Kmeans) algoritmaları gibi alanların analizi yapıldıktan sonra bu özellikler arasında gizli ilişkiler araştırılmıştır. Bu çalışmanın sonuçları, tıp uzmanlarına, araştırmacılara ve ilaç şirketlerine önemli katkılar sağlayacaktır.The ubiquity of Internet in Online Social Networks is creating new sources for healthcare information, characteristics on the content of pharmaceutical drug discussions we compared the side effects. In this study, a research study has been performed by using the patient comments on the website www.webmd.com by utilizing data and text mining methods. The related comments have been analyzed by some methods including text parsing and some data such as patients' gender and age range, user type, information and duration of drug use have been systematized and the side effects of the drugs have been searched. In this study, the data of the patient comments have been separated by text parsing methods and the frequencies of them have been calculated and the frequently seen side effects have been explored. After analyzing the fields such as gender, age, user type, duration of use, the association rules (Apriori), classification rules (Knn), clustering rule (Kmeans) algorithms have been used and hidden relationships among these attributes have been investigated. The results of this study will provide significant contributions to medical experts, researchers and pharmaceutical companies.