زمینه و هدف: آسم یک بیماری مزمنِ غیرقابل درمان، اما قابل کنترل است که پزشکان جهت دستیابی به سطح مطلوب کنترل بیماری، نظارت مداوم بر علایم و همچنین تنظیم یک برنامه درمانی مبتنی بر خودمراقبتی را پیشنهاد می نمایند. ارایه این برنامه، مطابق با سطح کنترلی که بیمار در آن قرار دارد، تنظیم میگردد. لذا ارزیابی و دسته بندی دقیق سطح کنترل آسم، می تواند در ارایه برنامه درمانی موثر به بیمار حایز اهمیت بوده و موجب بهبود خودمراقبتی و توسعه ی مداخلات پیشگیرانه جهت کاهش علایم آسم شود.
روش بررسی: در این مقاله، داده های ۹۶ بیمار آسمی شامل اطلاعات دموگرافیک، متغیرهای بالینی و سوابق پزشکی بیمار، دادههای زیست محیطی موثر بر آسم، معیارهای عملکرد ریه و گروه محرک مبتنی بر پرسش نامه های کنترل آسم، در یک دوره زمانی ۹ ماهه از یک بیمارستان تخصصی بیماریهای ریوی تهران جمع آوری و در یک پایگاه داده چندمتغیره و چندکلاسه تجمیع شده و سپس سطح کنترل آسم با کمک یک مدل تلفیقی مبتنی بر خوشه بندی فازی و الگوریتمهای با نظارت در یادگیری ماشین دسته بندی شده است.
یافته ها: مدل پیشنهادی برای ارزیابی سطح کنترل آسم که حاصلِ عملیات متوازن سازی، خوشه بندی فازی و انتخاب مشخصه بر روی داده هاست، دقتی به میزان ۸۸% ارایه نموده است.
نتیجه گیری: مدل حاضر، علاوه بر کمک به پزشکان برای شناسایی دقیق تر سطح کنترل آسم، می تواند در سیستم های الکترونیکی خودمراقبتی به منظور ارایه هشدارهای شخصی شده در مورد احتمال تضعیف کنترل آسم به کار رود. این چنین ابزارهایی می توانند مراقبت از آسم را از رویکرد مراقبتی واکنشی به یک رویکرد پیشگیرانه ارتقا دهند که در آن تصمیم ها و اقدام های درمانی از سوی پزشک ناشی از سطح کنترل آسم مزمن و پیشگیری از آسم حاد باشد.
