Blinder Oaxaca and Wilk Neutrosophic Fuzzy Set-Based IoT Sensor Communication for Remote Healthcare Analysis
| dc.contributor.author | Ibrahim Khalaf, Osamah | |
| dc.contributor.author | Natarajan, Rajesh | |
| dc.contributor.author | Mahadev, Natesh | |
| dc.contributor.author | Ranjith Christodoss, Prasanna | |
| dc.contributor.author | Nainan, Thangarasu | |
| dc.contributor.author | Andres Tavera Romero, Carlos | |
| dc.contributor.author | Muttashar Abdulsahib, Ghaida | |
| dc.date.accessioned | 2025-07-30T16:56:29Z | |
| dc.date.available | 2025-07-30T16:56:29Z | |
| dc.date.issued | 2025 | |
| dc.description | Varios métodos estadÃsticos han desempeñado un papel clave en el análisis de datos, la previsión de enfermedades y la realización de sistemas de atención médica remotos en lo que respecta a las ciencias médicas. En estos campos, el papel principal de la persona investigadora y también del profesional depende de la selección eficiente de datos de atención médica remota para pronósticos significativos. EspecÃficamente, las mediciones de datos de atención médica remota involucradas en la detección y el pronóstico no son precisas y se encuentran borrosas o en formas de intervalo. Como resultado, la lógica neutrosófica se instigó como una de las formaciones universales de lógica difusa para estimar la veracidad, falsedad e indeterminación para el análisis remoto de datos de atención médica. Hezam et al. [1] propusieron la toma de decisiones de criterios múltiples neutrosóficos (MCDM neutrosófica) para desarrollar una percepción exploratoria para clasificar y clasificar los grupos más ejemplares para instigar la prioridad en la obtención de vacunas incluso en la etapa inicial. Inicialmente, el análisis de los datos se realizó utilizando el Procesamiento AnalÃtico de JerarquÃa bajo incertidumbre para estimar y clasificar los criterios principales y secundarios, debido a que las entradas se obtuvieron en forma de números neutrofÃlicos. En segundo lugar, también se aplicó TOPSIS neutrosófica para clasificar las alternativas a las vacunas. Finalmente, utilizando el procesamiento de jerarquÃa analÃtica, se encontró que la eficiencia de clasificación y la precisión de la clasificación mejoraron mediante la medición de los pesos de los subcriterios. A pesar de la mejora observada en términos de precisión de clasificación, la energÃa consumida en el proceso de toma de decisiones no se enfocó. Para abordar este aspecto, se diseña un modelo de preprocesamiento basado en la regresión lineal de Blinder Oaxaca. La ventaja de utilizar este preprocesamiento basado en regresión lineal con la función Blinder Oaxaca ajusta dinámicamente la frecuencia de detección de cada dispositivo correspondiente para adaptarse a los cambios dinámicos junto con el signo vital monitoreado. Esto, a su vez, reduce el consumo de energÃa. | |
| dc.description.abstract | Several statistical methods have been playing a key role in data analytics, disease forecasting, and performing remote healthcare systems as far as medical sciences are concerned. In these fields, the research person and also practitioner’s main role depends on the efficient screening of remote healthcare data for significant forecasting. Specifically, remote healthcare data measurements involved in screening and forecasting are not precise and are found to be fuzzy or in interval forms. As a result, neutrosophic logic was instigated as one of the universal formations of fuzzy logic for estimating truthiness, falseness, and indeterminacy for remote healthcare data analysis. Neutrosophic Multiple-Criteria Decision-Making (Neutrosophic MCDM) was proposed by Hezam et al. [1] to develop an exploratory perception for classifying and ranking the most exemplary groups for instigating priority in gaining vaccines even at the initial stage. Initially, data analysis was performed using Analytic Hierarchy Processing under uncertainty to estimate and rank main and sub-criteria, owing to the reason that the inputs were obtained in the form of neutrophilic numbers. Second, neutrosophic TOPSIS was also applied for ranking vaccine alternatives. Finally, using Analytic Hierarchy Processing ranking efficiency and classification accuracy were found to be improved via measuring the weights of the sub-criteria. Despite improvement observed in terms of classification accuracy, the energy consumed in the process of decision-making was not focused. To address this aspect, a Blinder Oaxaca Linear Regression-based Preprocessing model is designed. The advantage of using this Linear Regression-based Preprocessing with Blinder Oaxaca function dynamically adjusts the sensing frequency of each corresponding device to fit with dynamic changes along with the monitored vital sign. This in turn reduces energy consumption. | |
| dc.identifier.citation | Ibrahim Khalaf, O., Natarajan, R., Mahadev, N., Ranjith Christodoss, P., Nainan, T., Andres Tavera Romero, C., & Muttashar Abdulsahib, G. (2025). Blinder Oaxaca and Wilk Neutrosophic Fuzzy Set-Based IoT Sensor Communication for Remote Healthcare Analysis. IEEE Access, 13(January), 12178–12189. https://doi.org/10.1109/ACCESS.2022.3207751 | |
| dc.identifier.issn | 21693536 | |
| dc.identifier.uri | https://repositorio.usc.edu.co/handle/20.500.12421/7707 | |
| dc.language.iso | en | |
| dc.publisher | Institute of Electrical and Electronics Engineers Inc. | |
| dc.subject | Blinder Oaxaca | |
| dc.subject | energy efficiency | |
| dc.subject | IoT | |
| dc.subject | linear regression | |
| dc.subject | neutrosophic fuzzy | |
| dc.subject | Shapiro Wilk | |
| dc.title | Blinder Oaxaca and Wilk Neutrosophic Fuzzy Set-Based IoT Sensor Communication for Remote Healthcare Analysis | |
| dc.type | Article |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- Blinder_Oaxaca_and_Wilk_Neutrosophic_Fuzzy_Set-Based_IoT_Sensor_Communication_for_Remote_Healthcare_Analysis.pdf
- Size:
- 1.22 MB
- Format:
- Adobe Portable Document Format