مهدیه جمشیدی، وحید جمشیدی،
دوره 81، شماره 4 - ( 4-1402 )
چکیده
زمینه و هدف: با توجه به اینکه عوامل مختلفی در پیدایش بیماریهای مزمن کلیوی دخالت دارند این بیماری با علایم مختلف بالینی و آزمایشگاهی ظاهر میشود. این تنوع در تعداد و نوع علایم بالینی، پزشک معالج را در بسیاری از موارد گمراه میسازد. پژوهش حاضر با هدف استخراج ویژگیهای کلیدی بیماری و یافتن بهترین روشهای دادهکاوی که باعث بهبود صحت تشخیص و پیشبینی بیماری کلیوی میشود، صورت گرفته است.
روش بررسی: در این مطالعه، اطلاعات و علایم بالینی مربوط به بیماران مبتلا به بیماری کلیوی، از بیمارستان علیبنابیطالب رفسنجان از شهریور 1399 تا اسفند 1401 بهمدت 30 ماه گردآوری شدند. مدلهای پیشبینی با استفاده از ترکیبهای مختلف از ویژگیهای بیماری و هفت روش دادهکاوی، در نرمافزار RapidMiner studio ایجاد شده و مورد آزمایش قرار گرفتند.
یافتهها: نتایج آزمایشهای این مطالعه نشان میدهد که مدل پیشبینی ارایه شده با استفاده از روش بیز و هشت ویژگی کلیدی شناسایی شده (سن، بیوپسی کلیه، اورمی، سدیمانتاسیون، آلبومینوری، ورم، شب ادراری و وزن مخصوص ادرار)، میتواند ابتلا به بیماری کلیوی را در افراد با ویژگیهای بالینی مختلف با دقت 38/99% تشخیص دهد.
نتیجهگیری: با توجه به اینکه تشخیص زودهنگام بیماری کلیوی و اتخاذ روش درمان مناسب، میتواند از پیشروی آسیب کلیوی جلوگیری کند، از اینرو در این مطالعه سعی شده است با بکارگیری شیوههای نوین آماری و تکنیکهای هوش مصنوعی در تحقق این هدف گام برداشت. براساس روش پیشنهادی و آزمایشات انجام شده، مهمترین ویژگیها و بهترین روش دادهکاوی بهدست آمد و در نهایت پیشبینی بیماری کلیوی با دقت بالا میسر گردید.
