fa کاربرد داده کاوی در بیماران مبتلا به بیماری آسم مدیریت خدمات بهداشتی درمانی Hospital Managment پژوهشی اصيل Original Research زمینه و هدف: داده کاوی شاخ هی بسیار مهمی در فهم عمی قتر داد ههای پزشکی است که در صدد حل مسائل در تشخیص و درمان بیماری ها می باشد. یکی از مهمترین کاربردهای داده کاوی، بررسی الگوهای موجود در داد هها است. هدف از این پژوهش تعیین الگوهای موجود در داده های بیماران مبتلا به آسم است. روش بررسی: جامعه ی پژوهش شامل بیماران دارای نشانه های تنفسی و نمونه پژوهش شامل داده های ثبت شده ی 258 فرد مراجعه کننده با علائم تنفسی به بیمارستانهای امام خمینی(ره) و مسیح دانشوری شهر تهران بود. مجموعه داده ی وارد شد و افزونه داده کاوی این نرم Excel مذکور با استفاده از فرم گردآوری داده جمع آوری گردید و در محیط نرم افزار افزار مورد استفاده قرار گرفت و سپس تحلیل های اثرگذارهای کلیدی، دسته بندی بیماران و تشخیص استثنائات انجام شد. یافته ها: فراوان ترین نشانه بالینی مبتلایان به آسم در مجموعه ی حاضر، سرفه های شدید بود و این بیماری تحت تاثیر شدید هیجانات قرار داشت. داده ها، جهت انجام تحلیل های کلی تر، در پنج خوشه تجمیع شدند و وجه مشترک آنها ارائه ، شد و سوابقی که ویژگی های استثنایی داشتند، شناسایی شدند. سپس با تحلیل هزین هها و تعیین مقدار آستانه برابر 612 پرسش نامه ی تشخیص آسم به روش کارت امتیاز ارائه گردید. نتیجه گیری: چارچوب ارائه شده برای تحلیل و داده کاوی، ابزاری مناسب جهت استخراج دانش از روی داد هها می باشد و می تواند هنگام استفاده از راهکارهای بالینی، شکاف موجود در تصمیم گیری را شناسایی و پر کند Background and Aim: Data mining is a very important branch in deeper understanding of medical data, which attempts to solve problems in the diagnosis and treatment of diseases. One of the most important data mining applications is to examine the existing data patterns. The present study aims to examine the existing data patterns of patients with asthma. Materials and Methods: This study was performed on 258 patients with respiratory symptoms, who referred to Imam Khomeini and Masih Daneshvari Hospitals in 2009. All records were entered into Excel software, and data mining add-ins were used. Analyses such as key influencers, cluster analysis of patients, and detecting exceptions have been done. Results: The most common clinical sign of asthma among subjects was severe coughing, which was highly affected by thrills. The data were aggregated into 5 clusters for more general analyses. Their common denominator was then identified and the records with exceptional features were determined. Then, following cost analysis and setting the threshold value at 612, a questionnaire was developed based on data features for diagnosis of asthma. Conclusion: The developed framework for data mining and analysis is an appropriate tool for knowledge extraction based on the data and their relationships. Meanwhile, it can identify and fill the existing gap in medical decision- making when using clinical guideline داده کاوی, دسته بندی بیماران, بیماری آسم Data Mining, Patient Scale, Asthma 224 234 http://payavard.tums.ac.ir/browse.php?a_code=A-10-1-120&slc_lang=fa&sid=1 Taha Samad Soltani طاها صمدسلطانی No Ph.D Student in Medical Informatics, Health Information Management Department, School of Allied Medicine, Tehran University of Medical Sciences, Tehran, Iran دانشجوی دکتری انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران Mostafa Langarizadeh مصطفی لنگری زاده Langarizadeh.m@iums.ac.ir Yes Assistant Professor, Health Information Management Department, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran استادیار گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران Maryam Zolnoori مریم ذالنوری No Ph.D Student in Health Informatics, Bio Health Informatics Department, School of Informatics and Computing, Indiana University, Indianapolis, USA دانشجوی دکتری انفورماتیک سلامت، گروه انفورماتیک سلامت، دانشکده انفورماتیک، دانشگاه ایالتی ایندیانا