3 نتیجه برای درخت تصمیم
امل ساکی مالحی، ابراهیم حاجی زاده، سیدرضا فاطمی،
دوره 8، شماره 2 - ( 6-1391 )
چکیده
مقدمه و اهداف: جستجو برای ارزیابی و تحلیل فاکتورهای
مهم و موثر در بقای بیماران یکی از مباحث کلیدی در مطالعات بالینی است. مدل درخت تصمیم
روش جدیدی است که در تعیین فاکتورهای پیش آگهی بیماری و رده بندی بیمارن بر اساس زیرگروه‌های
همگن استفاده می‌شود. در این روش انتخاب رده‌ها برحسب مهمترین فاکتورهای پیش‌آگهی
صورت می‌گیرد. هدف از این مطالعه تحلیل
داده‌های بقای بیماران مبتلا به سرطان کولورکتال با استفاده از درخت تصمیم است.
روش کار: در این مطالعه، از داده‌های 739 بیمار مبتلا به سرطان
کولورکتال استفاده شده است. این داده‌ها در مرکز تحقیقات
بیماریهای گوارش و کبد دانشگاه علوم پزشکی شهید بهشتی
ثبت شده‌اند. داده‌ها شامل اطلاعات دموگرافی و هیستوپاتولوژیک هستند. پیشامد مورد نظر
در این مطالعه مرگ بیماران است و زمان بقای بیماران از زمان تشخیص بیماری تا وقوع پیشامد
(یا سانسور شدن) است که بر حسب ماه اندازه‌گیری شده است. برای تحلیل داده‌ها و رده‌بندی
بیماران از مدل درخت تصمیم استفاده شد.
نتایج: مدل درخت تصمیم متغیرهای مرحله سرطان در زمان تشخیص
(بر حسب TNM)،
سن بیمار در زمان تشخیص، متغیر نوع مورفولوژی تومور و درجه سرطان را در سطح معناداری
(05/0P<)
به عنوان فاکتورهای پیش‌آگهی مهم در بقای بیماران مبتلا به سرطان کولورکتال نشان داد.
همچنین بیماران بر حسب این فاکتورها به پنج زیرگروه همگن رده‌بندی شدند. مقادیر بزرگتر
از 1 معیار اندازه اختلاف (measure of separation) (SEP)، مناسبت مدل را
تائید می‌کند.
نتیجه‌گیری: مدل درخت تصمیم علاوه بر ارزیابی فاکتورهای
پیش‌آگهی بیماری، روشی مناسب و قدرتمند در رده‌بندی نرخ بقای بیماران است.
فرزانه فیض منش، علی اصغر صفائی،
دوره 14، شماره 3 - ( 9-1397 )
چکیده
مقدمه و اهداف: آمبولی ریه یک رویداد بالقوه کشنده و در عین حال شایع است که در سال‌های اخیر باعث افزایش تدریجی تعداد بستری‌های ناشی از آن در بیمارستان‌ها شده است. به همین دلیل، یکی از چالش برانگیزترین بیماری‌ها نزد پزشکان به حساب می‌آید. هدف اصلی از این پژوهش، گزارش یک پروژه تحقیقاتی به منظور مقایسه الگوریتم‌های مختلف داده‌کاوی برای انتخاب دقیق‌ترین مدل برای پیش‌بینی وقوع آمبولی ریه در بیماران بستری است که به فراهم کردن دانش مورد نیاز کادر درمانی در تصمیم‌گیری بهتر کمک می‌کند.
روش کار: در این پژوهش تلاش شد تا با استفاده از روش‌های مختلف یادگیری ماشین، یک مدل پیش‌بینی طراحی شود که بهترین عملکرد در پیش‌بینی احتمال وقوع آمبولی ریه در بیماران بستری در معرض خطر را داشته باشد. از میان الگوریتم‌های داده‌کاوی، از شبکه‌های بیزی و الگوریتم‌های درخت تصمیم J48، رگرسیون لجستیک و نیز بهینه‌سازی حداقل متوالی استفاده شد. داده‌های مورد استفاده تحقیق، عوامل خطرزا و سوابق گذشته مربوط به بیماران بستری بخش ریه بیمارستان شریعتی تهران بود.
یافته‌ها: بررسی‌ها صورت گرفته نشان میدهد که صحت و ویژگی در تمام مدلهای پیش‌بینی از عملکرد مطلوبی برخوردار بوده است، و مدل بیزی در پیش‌بینی وقوع آمبولی ریه، بیشترین میزان حساسیت را داشت.
نتیجه‌گیری: یافته‌ها نشان می‌دهند اگر چه تفاوت کمی در عملکرد مدلهای پیش‌بینی وجود دارد، اما در این گونه داده‌ها برای پیش‌بینی وقوع آمبولی ریه در بیماران بستری، مدل شبکه بیزی ابزار مناسب‌تری است، که می‌تواند به‌عنوان روش حمایتی در کنار تصمیم‌های پزشکی قرار گیرد تا صحت پیش‌بینی بیماری‌ها را ارتقاء بخشد.
محمد خواجه دلویی، ملیحه دادگرمقدم، امیررضا خواجه دلویی، هیوا شاربیانی، حمیدرضا بهرامی طاقانکی، مریم زیادی لطف آبادی، زینب شاطری امیری،
دوره 18، شماره 4 - ( 12-1401 )
چکیده
مقدمه و اهداف: بیماری های قلبی و عروقی علل عمده مرگ و میر بزرگسالان در بسیاری از کشورهای در حال توسعه است. این مطالعه به مقایسه تخمین خطر نسبی ده ساله حوادث قلبی عروقی با استفاده از معیارهای فرامینگهام با مدل بومی پرداخته است.
روش کار: این مطالعه مقطعی مبتنی برجمعیت، به روش نمونه گیری طبقه ای خوشه ای تصادفی، بر روی جمعیت بالغ (≥16 سال) شهرنشین مشهد انجام گردید. اطلاعات شرکت کنندگان براساس معیارهای فرامینگهام جمع آوری و داده کاوی جهت طراحی الگوریتم درخت تصمیم گیری با نرم افزار Rapidminer v5.3 و با متد cross-validation ارزیابی شد.
یافته ها: از 2978 نفر، (64/9%)1930 زن و (35/1%) 1041 مرد با میانگین سنی (14/7±43/5) حضور داشتند. تخمین سطح خطر ده ساله بیماری قلبی عروقی براساس معیارهای فرامینگهام 77/8% با خطر کم و 13/4% خطر متوسط و 8/8% خطر بالا برآاورد شد. در داده کاوی با استفاده از مدل درخت تصمیم گیری، مدل شماره (1) با دقت 79/56% نشان میدهد که مقادیر پیش بینی سطوح خطر الگوریتم فرامینگهام نسبت به مقادیر مشاهده شده در سطح کم خطر 95/24% و خطر متوسط90/8% و خطر بالا 33/13% تطابق داشت و مدل شماره (2) با دقت 82/78%، در سطح کم خطر 98/20% و خطر متوسط 0/42% و خطر بالا 53/01% تطابق داشته است.
نتیجه گیری: معیارهای فرامینگهام در پیش بینی سطوح خطر متوسط و بالا در جمعیت مشهدکارآمد نیست و براساس مدل بومی، مهمترین عامل درپیش گویی خطر بیماریهای قلبی و عروقی درجوانان مصرف سیگار و در بزرگسالی فشارخون بالا است.
