Στο παρόν έγγραφο, παρουσιάζεται αρχικά η δομή των δεδομένων, ακολουθεί η στατιστική ανάλυση και η οπτικοποίηση βασικών χαρακτηριστικών, ενώ στη συνέχεια εφαρμόζεται μοντέλο γραμμικής παλινδρόμησης για την επιλογή των σημαντικότερων μεταβλητών. Σκοπός είναι η ελαχιστοποίηση του σφάλματος και η βελτίωση της προβλεπτικής ικανότητας του μοντέλου.

Η παρούσα εργασία εκπονήθηκε στο πλαίσιο του μαθήματος Επιχειρηματικής Αναλυτικής, το οποίο διδάσκεται στο 8ο εξάμηνο του Τμήματος Εφαρμοσμένης Πληροφορικής του Πανεπιστημίου Μακεδονίας. Στόχος της εργασίας είναι η εφαρμογή στατιστικής ανάλυσης και η αξιοποίηση της μεθόδου της γραμμικής παλινδρόμησης σε ένα επιλεγμένο σύνολο δεδομένων.

Η παρούσα εργασία εξετάζει τις δυνατότητες αξιοποίησης ιατρικών δεδομένων που συλλέγονται από συσκευές IoMT (Internet of Medical Things) στο πλαίσιο του μαθήματος Επιχειρηματική Αναλυτική. Στοχεύει να διερευνήσει πώς οι επιχειρήσεις μπορούν να χρησιμοποιήσουν αυτά τα δεδομένα για να βελτιώσουν την υγειονομική περίθαλψη και να αναπτύξουν καινοτόμες λύσεις. Η χρήση συσκευών IoMT έχει τη δυνατότητα να μετασχηματίσει την υγειονομική περίθαλψη, επιτρέποντας την απομακρυσμένη παρακολούθηση ασθενών, την εξατομικευμένη ιατρική και την πρόληψη ασθενειών. Η εργασία αναλύει τους διαφορετικούς τρόπους αξιοποίησης δεδομένων IoMT, παρουσιάζοντας τις εφαρμογές και τα οφέλη τους. Επιπλέον, θέτει ερωτήματα σχετικά με το πώς οι επιχειρήσεις μπορούν να αξιοποιήσουν τα δεδομένα αυτά σε επιχειρηματικές αποφάσεις. Τέλος, η εργασία παρουσιάζει στατιστικά στοιχεία και διαγράμματα που αποκαλύπτουν μοτίβα και τάσεις στα δεδομένα των ασθενών, παρέχοντας πληροφορίες για τη λειτουργία και την υγεία τους. Η ανάλυση αυτών των δεδομένων μπορεί να βοηθήσει τις επιχειρήσεις να αναπτύξουν καινοτόμες λύσεις για τη βελτίωση της υγειονομικής περίθαλψης.