دوره 11، شماره 3 - ( مرداد و شهریور 1396 )
جلد 11 شماره 3 صفحات 296-287 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mazaheri S, Ashoori M, Bechari Z. A Model to Predict Heart Disease Treatment Using Data Mining. payavard 2017; 11 (3) :287-296
URL: http://payavard.tums.ac.ir/article-1-6285-fa.html
URL: http://payavard.tums.ac.ir/article-1-6285-fa.html
مظاهری سجاد، عاشوری مریم، بچاری زینب. پیش بینی روش درمان بیماری قلبی با استفاده از الگوریتم های داده کاوی. پیاورد سلامت. 1396; 11 (3) :287-296
سجاد مظاهری* 
1، مریم عاشوری2 ، زینب بچاری3
1، مریم عاشوری2 ، زینب بچاری3
1- کارشناس ارشد مهندسی کامپیوتر- نرم افزار، اداره کل بیمه سلامت استان سیستان و بلوچستان، سازمان بیمه سلامت ایران، زاهدان، ایران ، sajad.mazaheri@gmail.com
2- مربی گروه فناوری اطلاعات، مجتمع آموزش عالی سراوان، سراوان، ایران
3- کارشناس پرستاری، اداره کل بیمه سلامت استان سیستان و بلوچستان، سازمان بیمه سلامت ایران، زاهدان، ایران
2- مربی گروه فناوری اطلاعات، مجتمع آموزش عالی سراوان، سراوان، ایران
3- کارشناس پرستاری، اداره کل بیمه سلامت استان سیستان و بلوچستان، سازمان بیمه سلامت ایران، زاهدان، ایران
چکیده: (7208 مشاهده)
زمینه و هدف: امروزه بیماری قلبی بسیار معمول و یکی از دلایل اصلی مرگ و میر به شمار می رود. به همین علت تشخیص درست و به موقع این بیماری بسیار مهم است. روش های تشخیصی و درمانی این بیماری عوارض جانبی زیاد و پرهزینه ای دارد. بنابراین محققان به دنبال روش های ارزان و با دقت بالا برای تشخیص این بیماری هستند. پژوهش حاضر با هدف شناسایی الگویی برای تشخیص روش درمان بیماری قلبی صورت گرفته است.
روش بررسی: پژوهش حاضر به روش توصیفی- مقطعی صورت گرفته و نمونه گیری به روش سرشماری بوده است. جامعه ی پژوهش متشکل از داده های بیمارستان های خاتم الانبیاء(ع) و علی ابن ابی طالب(ع) زاهدان است که با مراجعه ی مستقیم پژوهش گر به سازمان حاصل و به صورت فایل اکسل تهیه گردید. جهت تحلیل داده ها از نرم افزار Clementine۱۲.۰ استفاده شده است. در پژوهش حاضر الگوریتم های CHAID ،C&R Tree ،C۵.۰ و QUEST و شبکه عصبی مصنوعی روی مجموعه داده اجرا گردید.
یافته ها: مقدار صحت ۷۶/۰۴ توسط الگوریتم C&R Tree نشان دهنده ی عملکرد بهتر الگوریتم های درخت تصمیم نسبت به شبکه ی عصبی است.
نتیجه گیری: هدف این مطالعه ارایه مدلی برای پیش بینی روش درمانی مناسب بیماری قلبی به منظور کاهش هزینه های درمان و کیفیت ارایه خدمات بهتر به پزشکان می باشد. با توجه به قابل ملاحظه بودن خطرات اجرای روش های تشخیص تهاجمی مانند آنژیوگرافی و نیز حصول تجارب موفقیت آمیز داده کاوی در پزشکی، این مطالعه مدلی مبتنی بر تکنیک های داده کاوی ارایه نموده است. نقطه ی قابل بهبود مدل فوق ارایه سیستمی تصمیم یار جهت کمک به پزشکان برای افزایش صحت تشخیص روش درمان بیماری می باشد.
روش بررسی: پژوهش حاضر به روش توصیفی- مقطعی صورت گرفته و نمونه گیری به روش سرشماری بوده است. جامعه ی پژوهش متشکل از داده های بیمارستان های خاتم الانبیاء(ع) و علی ابن ابی طالب(ع) زاهدان است که با مراجعه ی مستقیم پژوهش گر به سازمان حاصل و به صورت فایل اکسل تهیه گردید. جهت تحلیل داده ها از نرم افزار Clementine۱۲.۰ استفاده شده است. در پژوهش حاضر الگوریتم های CHAID ،C&R Tree ،C۵.۰ و QUEST و شبکه عصبی مصنوعی روی مجموعه داده اجرا گردید.
یافته ها: مقدار صحت ۷۶/۰۴ توسط الگوریتم C&R Tree نشان دهنده ی عملکرد بهتر الگوریتم های درخت تصمیم نسبت به شبکه ی عصبی است.
نتیجه گیری: هدف این مطالعه ارایه مدلی برای پیش بینی روش درمانی مناسب بیماری قلبی به منظور کاهش هزینه های درمان و کیفیت ارایه خدمات بهتر به پزشکان می باشد. با توجه به قابل ملاحظه بودن خطرات اجرای روش های تشخیص تهاجمی مانند آنژیوگرافی و نیز حصول تجارب موفقیت آمیز داده کاوی در پزشکی، این مطالعه مدلی مبتنی بر تکنیک های داده کاوی ارایه نموده است. نقطه ی قابل بهبود مدل فوق ارایه سیستمی تصمیم یار جهت کمک به پزشکان برای افزایش صحت تشخیص روش درمان بیماری می باشد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
