15 نتیجه برای دادهکاوی
محمدمهدی سپهری، پریسا رهنما، پژمان شادپور، بابک تیمورپور،
دوره 67، شماره 6 - ( 6-1388 )
چکیده
زمینه و هدف: دادهکاوی یکی از زمینههای چند تخصصی برآمده از زمینههای علومی چون آمار، ریاضی، رایانه و هوش مصنوعی است که کاربردهای آن در حیطههای گوناگون پژوهشی، مدیریتی و اجرایی سلامت و درمان رو به گسترش است. دادهکاوی استخراج دانش و اطلاعات ناشناخته، نهان و ارزشمند از دادههای موجود در پایگاههای داده بهطور خودکار است. بهکارگیری دادهکاوی بر روی دادههای پزشکی، دستاوردهای حیاتی، با ارزش و اثرگذاری را به ارمغان آورده و از جمله میتواند برای یاری رسانی به پزشکان در زمینه تشخیص نوع بیماری و یا انتخاب نوع درمان مناسب کمک شایانی در زمینه نجات جان انسانها انجام دهد. در این مقاله دادهکاوی روی اطلاعات مربوط به بیماران مبتلا به سنگ حالب انجام شده است تا بتوان به کمک آن سیستم کمک تصمیمی طراحی کرد که جهت تعیین نوع درمان بیماران مبتلا به سنگ حالب، با توجه به خصوصیات بیماران استفاده گردد. روش بررسی: اطلاعات مربوط به این بیماران از بیمارستان شهید هاشمینژاد جمعآوری گردید و پس از انجام یکسری پیش پردازش اولیه، درخت تصمیم مربوط به انتخاب روش درمانی مناسب برای بیماران استخراج گردید. یافتهها: با کمک این روش، پارامترهای موثر روی انتخاب روش درمانی مناسب برای بیماران مبتلا به سنگ حالب استخراج شد. نتیجهگیری: با استفاده از این درخت برای انتخاب روش درمانی موفق برای بیماران مبتلا به سنگ حالب، عملکرد بیمارستان بهبود مییابد یعنی تعداد بیشتری از بیماران، پس از انجام روش درمانی، به طور کامل بهبود مییابند.
مژگان تنهاپور، علی اصغر صفائی،
دوره 73، شماره 6 - ( 6-1394 )
چکیده
زمینه و هدف: مراقبتهای بیمار- محور باعث بهبود کیفیت زندگی و مراقبتهای بهداشتی و کاهش هزینههای مراقبتی میشوند. فناوریهای نوین مانند شبکههای اجتماعی سلامت و پروندههای سلامت شخصی (PHR)، تحولات قابل توجهی در ارایه مراقبتهای بیمار- محور ایجاد کردهاند. هدف این مقاله تحلیل و ترکیب قابلیتهای پروندههای PHR و شبکههای اجتماعی سلامت و ارایه مجموعهای از امکانات مورد نیاز برای ایجاد پرونده PHR در شبکه اجتماعی سلامت بود. روش بررسی: در این مقاله، پس از معرفی امکانات ارایه شده توسط شبکههای اجتماعی سلامت موجود و بر اساس مطالعهای تطبیقی به توصیف انواع نیازمندیهای لازم برای ایجاد یک شبکه اجتماعی سلامت جامع بهعنوان یک سامانه PHR پرداخته شد. شناسایی ذینفعان و کاربران چنین شبکهای برای دستهبندی این نیازمندیها و همچنین دستهبندی سیستمهای موجود برای انجام تحلیل و طراحی بهتر ضروری است. یافتهها: شبکه اجتماعی سلامت پیشنهادی توسط گروههای کاربری مختلف در حوزه سلامت قابل استفاده بوده و امکانات مجزایی را برای هر گروه و با توجه به نیازهای آنها ارایه میکند. کاربران هر گروه در این شبکه اجتماعی سلامت، میتوانند با کاربران سایر گروهها تعامل داشته باشند. بررسیها نشان دادند الزامات و قابلیتهای پیشنهادی برای شبکه اجتماعی سلامت، ضمن پوشش قابلیتهای سامانههای مشابه، نیازمندیهای یک سامانه PHR برای ارایه خدمات مراقبت بیمار- محور را تا حد قابل قبولی تامین مینماید. نتیجهگیری: مجموعه نیازمندیهای ارایه شده با قابلیتهای دیگر سیستمهای مشابه از نظر کیفی مقایسه شده است. به کارگیری شبکه اجتماعی سلامت بهعنوان یک پرونده PHR، تاثیر انکارناپذیری در کیفیت و بهرهوری مراقبتهای بیمار- محور داشته و در بهبود سطح سلامت جامعه نقش مهمی را ایفا خواهد کرد.
پریسا صفایی، رسول نورالسنا، کامران حیدری، پریا سلیمانی،
دوره 74، شماره 1 - ( 1-1395 )
چکیده
زمینه و هدف: دادهکاوی بهعنوان فرایند شناسایی و تجزیه و تحلیل مقدار زیادی داده بهمنظور یافتن رفتارها و قوانین معنادار است. دادهکاوی در بهداشت و درمان فرصتهای بیشماری را برای بررسی الگوهای پنهان از یک مجموعه داده فراهم میکند. این الگوها را میتوان توسط پزشکان برای تشخیص، پیشآگاهی و درمان بیماران استفاده کرد. هدف اصلی در این مطالعه استفاده از تکنیکهای دادهکاوی برای پیشبینی سطح فریتین سرم در زنان مبتلا به کمخونی و شناسایی متغیرهای اساسی در تشخیص این بیماری میباشد.
روش بررسی: در این پژوهش کاربردی، تعداد 690 بیمار و 22 متغیر در جمعیت زنان مبتلا به بیماری کمخونی بررسی شدهاند. دادهها مربوط به بیمارانی بود که از اردیبهشت 1392 تا اردیبهشت 1393 به آزمایشگاه بیمارستانهای امام حسین (ع) و شهدای هفتمتیر مراجعه کردهاند. از تکنیک درخت تصمیم برای ساخت مدل استفاده شد.
یافتهها: دقت مدل دستهبند درخت تصمیم با تمام متغیرها 75% بود. ترکیبهای متفاوت از متغیرها جهت یافتن بهترین مدل برای پیشبینی بررسی شدند. با توجه به مدل بهینه درخت تصمیم بهدست آمده، متغیرهای RBC، MCH، MCHC، زخمهای معده-روده و سرطان معده-روده، بهعنوان مهمترین عوامل پیشبینیکننده شناخته شدند. نتایج نشان داد که اگر مقدار متغیرهای Mean corpuscular volume (MCV)، Mean corpuscular hemoglobin concentration (MCHC) و Mean corpuscular hemoglobin (MCH) نرمال و متغیر RBC کمتر از حد نرمال باشند، فرد با احتمال %90 به کمخونی فقر آهن مبتلا است.
نتیجهگیری: با توجه به سادگی و هزینه پایین آزمایش شمارش کامل خون، مدل درخت تصمیم بهمنظور تشخیص بیماری کمخونی فقر آهن ایجاد شد. همچنین در این پژوهش تاثیر عوامل جدیدی مانند جراحیها و بیماریهای مختلف در نظر گرفته شد. قوانین بهدستآمده از مدل درخت تصمیم میتواند فرایند تشخیص و درمان بیماران مبتلا به کمخونی فقر آهن را بهبود بخشد.
خدیجه دولتشاه، رسول نورالسنا، کامران حیدری، پریا سلیمانی، روحاله قاسمپور،
دوره 74، شماره 2 - ( 2-1395 )
چکیده
زمینه و هدف: شایعترین اختلال خونی بهویژه در زنان، بیماری کمخونی است. کشف دانش از میان حجم انبوه دادهها از سوابق بیماران با استفاده از دادهکاوی میتواند منجر به بهبود کیفیت خدمات پزشکی شود. هدف این مطالعه خوشهبندی بیماران کمخونی با استفاده از الگوریتمهای دادهکاوی بهمنظور تحلیل و ارزیابی وضعیت بیماران است.
روش بررسی: در این پژوهش کاربردی، دادههای آزمایشگاهی و بالینی بیماران کمخونی در جمعیت زنان مورد مطالعه قرار گرفته است. دادههای مورد بررسی از اردیبهشت ۱۳۹۲ تا اردیبهشت ۱۳۹۳ از آزمایشگاه بیمارستانهای امام حسین (ع) و شهدای هفتم تیر شهر تهران با ۶۹۰ رکورد و ۱۵ مشخصهی آزمایشگاهی و بالینی از بیماران کمخونی جمعآوری شدهاست. برای کشف ساختارهای پنهان با استفاده از الگوریتم k-medoids بیماران خوشهبندی شدهاند. برای تعیین کیفیت خوشهبندی از شاخص سیلوئت استفاده شده است.
یافتهها: مشخصههای Red Blood Cell (RBC)، Mean corpuscular hemoglobin (MCH)، Ferritin، GI cancer، GI infection و GI surgery بر اسـاس فرآیند خوشهبندی بهعنوان مهمترین مشخصههای بیماران شناسایی شدهاند. بیماران کمخونی با توجه به مشخصههایشان در سه خوشه توزیع شدهاند. میانگین شاخص سیلوئت(Silhouette Coefficient) برای کیفیت خوشهبندی ۸۰% است. یعنی خوشهبندی دارای ساختار قوی میباشد.
نتیجهگیری: نتایج نشان داد که خوشهبندی با کل مشخصهها نتایج مناسبی را ارایه نمیدهد. بنابراین هر بار با تعداد متفاوتی از مشخصهها خوشهبندی انجام شد. نتایج خوشهبندی وضعیت بیماران هر خوشه را مشابه و متمایز از سایر خوشهها نشان میدهد. خوشه اول شامل بیماران کمخونی فقر آهن خفیف، خوشه دوم شامل بیماران کمخونی فقر آهن شدید و خوشه سوم بیماران با دیگر علل کمخونی را دربرمیگیرد. تقسیمبندی بیماران کمخونی میتواند ابزار مفید و موثر برای تحلیل و بهبود فرآیند تصمیمگیری پزشکان در رابطه با درمان بیماران باشد.
فرزاد فیروزی جهانتیغ، ایرج نجفی، مریم استواره،
دوره 75، شماره 10 - ( 10-1396 )
چکیده
زمینه و هدف: دیالیز صفاقی یکی از متداولترین روشهای درمان بیماران مبتلابه مرحله نهایی نارسایی کلیوی میباشد. در سالهای اخیر، نرخ مرگومیر بیماران تحت این درمان کاهش یافته، اما بقای طولانیمدت، همچنان چالش مهمی برای سیستمهای درمانی به شمار میرود. پژوهش حاضر با هدف پیشبینی بقای بیماران دیالیز صفاقی سرپایی مداوم صورت گرفت.
روش بررسی: در این مطالعه با توجه به تفاوت اهمیت نسبی فاکتورها در بیماران مختلف، ابتدا عوامل مؤثر در بقای بیماران دیالیز صفاقی توسط الگوریتم تصادفی فارست (Random forests analysis) شناسایی شدهاند. سپس با استفاده از الگوریتمهای چند کلاسه ماشین بردار پشتیبان یکی در برابر همه و ماشین بردار پشتیبان مبتنی بر رویکرد نگاشت چندفضایی درخت باینری، دادههای بالینی و آزمایشگاهی بیماران تحت درمان دیالیز صفاقی سرپایی مداوم بهصورت گذشتهنگر از مرداد ماه ۱۳۷۵ تا فروردین ماه ۱۳۹۳ در ۱۸ مرکز دیالیز صفاقی ارزیابیشد.
یافتهها: تعداد ۳۰۹۷ بیمار با میانگین سنی ۱۵/۶۷±۵۰/۶۳ سال و متوسط زمان پیگیری ۱۹/۱۳±۲۴/۴۸ ماه، مورد مطالعه قرار گرفتند. نتایج حاصل از الگوریتم رندوم فارست ۳۵ عامل را بهعنوان مهمترین عوامل پیشبینی کننده بقای تعیین نموده است. سپس پیشبینی وضعیت بقای بیماران دیالیز صفاقی با استفاده از دو الگوریتم طبقهبندی چند کلاسه ماشین بردار پشتیبان، در پنج کلاس بیماران "باقیمانده در روش دیالیز صفاقی"، "انتقال به همودیالیز"، "دریافت پیوند کلیه"، "فوت شده" و "بهبود عملکرد کلیه" ارزیابیشد. درستی الگوریتمهای پیشبینی بهترتیب ۵۱/۹۹% و ۸۹/۵۷% بهدست آمد.
نتیجهگیری: الگوریتم ماشین بردار پشتیبان مبتنی بر رویکرد نگاشت چندفضایی درخت باینری، با در نظر گرفتن شاخصهای ارزیابی متعدد و توابع توزیع متفاوت کلاسها، از دقت بالایی جهت پیشبینی بقای بیماران دیالیز صفاقی سرپایی مداوم برخورداراست.
روحاله کلهر، اصغر مرتضیقلی، فاطمه ناجی، سعید شهسواری، محمد زکریا کیایی،
دوره 76، شماره 12 - ( 12-1397 )
چکیده
زمینه و هدف: بیماری دیابت عوارض متعددی دارد، تشخیص دیر هنگام دیابت در افراد منجر به گسترش عوارض بیماری میشود. مطالعه حاضر با هدف بررسی امکان پیشبینی دیابت با استفاده از فنون دادهکاوی انجام شد.
روش بررسی: این پژوهش از نوع توصیفی- تحلیلی بود که بهصورت مقطعی انجام شد. جامعه پژوهش شامل افراد مراجعهکننده به مراکز بهداشتی شهرستان محمدیه در استان قزوین جهت انجام غربالگری دیابت بودند. دادههای مورد مطالعه مربوط به فروردین تا خرداد ۱۳۹۴ بود. دادهها در نهایت با استفاده از سه روش نزدیکترین همسایگی (k-nearest neighbors algorithm, k-NN)، درخت تصمیمگیری (Decision tree, DT) و ماشینهای بردار پشتیبان (Support vector machine, SVM) تحلیل و مورد مقایسه قرار گرفتند. جهت تحلیل دادهها از MATLAB® software, version 8.2 (Mathworks Inc., Natick, MA, USA) استفاده شد.
یافتهها: در تمامی معیارها، بهترین نتایج توسط درخت تصمیمگیری با صحت (۰/۹۶) بهدست آمد. پس از آن روشهای نزدیکترین همسایگی با صحت (۰/۹۶) و ماشینهای بردار پشتیبان با صحت (۰/۹۴) قرار داشتند.
نتیجهگیری: براساس نتایج ارایه شده، درخت تصمیمگیری بهترین نتایج را در کلاسبندی نمونههای تست نشان داد. این مدل میتواند بهعنوان مدلی مناسب در پیشبینی دیابت با استفاده از دادههای ریسک فاکتور توصیه شود.
حسین تیره، محمدتقی شاکری، صادق رسولینژاد، حبیباله اسماعیلی، راضیه یوسفی،
دوره 77، شماره 5 - ( 5-1398 )
چکیده
زمینه و هدف: دیابت بیماری مزمنی است که شایعترین بیماری اختلالات متابولیسم و یکی از عمدهترین مسایل بهداشتی-درمانی در سرتاسر دنیا است. امروزه تکنیکهای دادهکاوی (Data mining techniques) با توجه به توانمندی آنها، در حوزههای مختلف بهکار برده میشوند. بنابراین در این پژوهش به مقایسه کارایی روشهای دادهکاوی در پیشبینی ابتلا به بیماری دیابت نوع ۲ پرداخته شد.
روش بررسی: در این مطالعه تحلیلی-مقطعی، از مجموع ۷۰۰۰ نفر شرکتکننده در طرح غربالگری دیابت سال ۱۳۹۵ در منطقه ثامن مشهد که شامل بررسی میزان قندخون، چشمها، آسیب کلیوی و سلامت پاها بود، تعداد ۵۴۰ نفر مبتلا به بیماری دیابت (درمان نشده) بودند و برای حفظ توازن ۶۰۰ فرد سالم بهصورت نمونهگیری متناسب با حجم انتخاب شدند (حجم کل نمونه ۱۱۴۰ نفر). در این مطالعه مبتلایان به دیابت بالای ۳۰ سال وارد مطالعه گردیدند و افرادی که از پیش سابقهی دیابت نوع ۲ داشتند و اکنون بهسبب استفاده از دارو و یا رعایت سایر نکات مقدار قندخون طبیعی داشتند از مطالعه حذف گردیدند.
یافتهها: صحت هر سه مدل برابر بود (۸۶%) اما از نظر سطح زیرمنحنی راک (Receiver operating characteristic, ROC)، مدلهای رگرسیون لجستیک (Logistic regression model) و بیزین ساده (Simple Bayesian model) با۹۰% سطح زیرمنحنی راک عملکرد بهتری داشتند. در مدل بیزین ساده و رگرسیون لجستیک بهترتیب متغیرهای شاخص توده بدنی و سن دارای بیشترین میزان اهمیت بودند، درحالیکه در مدل ماشینبردار پشتیبان (Support vector machine, SVM)، متغیرهای شاخص توده بدنی و فشارخون دارای بیشترین اهمیت بودند.
نتیجهگیری: صحت هر سه مدل برابر بود. از نظر سطح زیرمنحنی راک، مدلهای رگرسیون لجستیک و بیزین ساده مناسبتر بودند. در مجموع هر سه مدل عملکرد مشابهی داشتند. در هر سه مدل شاخص توده بدنی دارای بیشترین اهمیت بود.
حسین باقریان، شقایق حقجوی جوانمرد، مهران شریفی، محمد ستاری،
دوره 79، شماره 3 - ( 3-1400 )
چکیده
این مقاله مروری نظاممند در سال 98 در دانشگاه علوم پزشکی اصفهان انجام شده است. بررسی مطالعات مختلف مشخص کرد که از چه تکنیکهای دادهکاوی برای پیشبینی احتمال بقا، از چه ریسک فاکتورهایی برای این پیشبینیها، ازچه معیارهایی برای ارزیابی تکنیکهای دادهکاوی و در نهایت چه منابع دادهای برای پیشبینی احتمال بقا مبتلایان به سرطان پستان استفاده شده است. این مطالعه از نوع مروری نظاممند است. مطابق با بیانیه پریزما، مطالعات منتشر شده در حوزهی پیشبینی احتمال بقا بیماران مبتلا به سرطان پستان با استفاده از تکنیکهای دادهکاوی به زبان انگلیسی و در فاصلهی سالهای 2005 تا 2018 در پایگاههای داده Medline Science direct، Web of science و Embase و پایگاه استنادی Scopus مورد جستجو و بازیابی قرار گرفت. پس از جستجو، تعداد 527 مقاله بازیابی شد. پس از حذف موارد تکراری و ارزیابی مقالات در نهایت 21 مقاله مورد استفاده قرار گرفت. سه تکنیک رگرسیون لجستیک، درخت تصمیم و ماشین بردار پشتیبان بیشترین کاربرد را در مقالات داشته اند. در بیشتر مطالعات، ریسک فاکتورهای سن، گرید تومور، استیج تومور و اندازه تومور استفاده شده بودند. معیار صحت در مطالعات بیشتری استفاده شده بود. اکثر مطالعات مورد بررسی از پایگاه داده برنامهی نظارت، اپیدمیولوژی و نتایج نهایی که متعلق به کشور آمریکا میباشد، استفاده کرده بودند. بهطور معمول در حوزهی پیشبینی احتمال بقا، تکنیکهای دادهکاوی در حوزهی کلاسهبندی بهدلیل انطباق با این حوزه بیشتر مورد توجه قرار میگیرند. بر همین اساس، تکنیکهای درخت تصمیم، رگرسیون لجستیک و ماشین بردار پشتیبان در مطالعات مورد بررسی، بیشترین کاربرد را داشتهاند.
فیروزه معینزاده، محمد حسین روحانی، مژگان مرتضوی، محمد ستاری،
دوره 79، شماره 6 - ( 6-1400 )
چکیده
زمینه و هدف: سالانه میلیونها مرگ بهدلیل دسترسی نداشتن به درمان مناسب بیماری کلیوی در جهان اتفاق میافتد. پژوهشگران قصد دارند از طریق ترکیب بهینه تکنیکهای بهکار رفته در مراحل مختلف دادهکاوی، بیماری مزمن کلیوی را شناسایی نمایند.
روش بررسی: این پژوهش از بهمن 99 تا اردیبهشت 1400 بهصورت مقطعی انجام شده است. مجموعه داده مورد استفاده شامل 4145 نمونه (بیمار) و 32 صفت (دموگرافیک و بالینی) در نظر گرفته شده است. معیارهای واجد شرایط بودن برای آزمایش شامل بزرگسالان 18 سال به بالا، ساکن اصفهان، مایل به شرکت در مطالعه، نبود تب و سرماخوردگی در زمان انجام آزمایشات آزمایشگاهی، بدون انجام تمرینات سنگین 48 ساعت پیش از آزمایشهای آزمایشگاهی و ناشتا بودن است. متغیر هدف، بیماری کلیوی است که مقادیرش بیمار و سالم است. در این مطالعه از چهار تکنیک ماشینبردار پشتیبان، جنگل تصادفی، شبکه عصبی و CHAID استفاده شدهاند.
یافتهها: براساس معیار Accuracy، ماشینبردار پشتیبان نسبت به سایر تکنیکها عملکرد بهتری داشته است. مطمئنترین قانون بیان مینماید که اگر فرد از نمک در غذا استفاده نماید و سن وی بین 50 تا 69 باشد و بیماری دیابت داشته باشد به احتمال 82% دچار بیماری مزمن کلیوی خواهد شد.
نتیجهگیری: همچنین قواعد مستخرج نشان داد که استفاده از نمک در کنار بیماری دیابت میتواند منجر به بیماری مزمن کلیوی شود و حتی داشتن بیماری دیابت میتواند خطر مرگومیر بیماران کلیوی را هم افزایش دهد که خود این موضوع قابل تامل است. همچنین افراد مسن هم باید بیشتر مراقب سلامتی خود باشند تا کمتر در معرض بیماری مزمن کلیوی قرار گیرند.
زهرا محمدی تقی آباد، مریم احمدی، علیرضا آتشی،
دوره 79، شماره 7 - ( 7-1400 )
چکیده
زمینه و هدف: تحلیل پیامدها در بخشهای مراقبت ویژه از چالشهای مهم حوزه سلامت میباشد. از اینرو هدف مطالعه حاضر پیشبینی مرگومیر بیماران بخشهای مراقبت ویژه (ICUs) با استفاده از چند تکنیک دادهکاوی است.
روش بررسی: در این مطالعه نرمافزار (Weka software, version 3.9.2, University of Waikato, New Zealand) و دادههای 874 بیمار ICUs از دی 1396 تا پایان اسفند 1397 برای توسعه مدلها بکار گرفته شد. بر مبنای چند الگوریتم منتخب دادهکاوی، مدلهای پیشبینی ایجاد و از شاخصهAUC برای مقایسه عملکرد استفاده شد.
یافتهها: بر مبنای 19 متغیر شناخته شده با اهمیت بیشتر از جمله نمره کمای گلاسکو، مدلهای پیشبینی توسعه یافت. اگرچهAUC مدلهای KNN، شبکه عصبی مصنوعی و درخت تصمیم (بهترتیب 5/81%، 5/77% و 3/74%) قابل قبول بود اما صحت الگوریتم درخت تصمیم 48J (2/74%) بالاتر گزارش شد.
نتیجهگیری: نتایج این مطالعه بیانگر برتری مدل KNN، نسبت به سایر مدلهای پیشبینی مرگومیر بیماران ICUs بود.
مژگان مرتضوی، عبدالامیر عطاپور، مریم محمدی، محمد ستاری،
دوره 79، شماره 9 - ( 9-1400 )
چکیده
زمینه و هدف: امروزه دادههای پزشکی با سرعت فزایندهای جمعآوری میشوند. این مجموعه دادهها حاوی اطلاعات قیمتی هستند که دستیابی به آنها با استفاده از روشهای آزمایشگاهی زمانبر و هزینهبر خواهد بود. بنابراین نیاز به روشهایی کم هزینه برای استخراج اطلاعات وجود دارد. این مطالعه بر توسعه یک مدل پیشبینی برای طبقهبندی علت سنگ کلیه در اصفهان با استفاده از تکنیکهای دادهکاوی متمرکز شده است.
روش بررسی: این پژوهش از بهمن 1399 تا مرداد 1400 بهصورت مقطعی انجام شده است. مجموعه دادهای مورد استفاده شامل اطلاعات 353 بیمار سنگ کلیه در شهر اصفهان است. در این مطالعه شش صفت هدف سدیم، فسفات، اگزالات، سیترات، سیستئین و اسید اوریک تعیین شده است. تکنیکهای مورد استفاده برای هر یک از شش صفت بهصورت جداگانه استفاده میشود. تکنیکهای مورد استفاده در این مطالعه شامل جنگل تصادفی، شبکه عصبی و ماشین بردار پشتیبان خواهد بود.
یافتهها: بهترین عملکرد از لحاظ میزان صحت مربوط به تکنیکهای ماشین بردار پشتیبان در کلاس اسید اوریک، ماشین بردار پشتیبان در کلاس اگزالات و شبکه عصبی در کلاس سیستئین است. بدترین عملکرد هم مربوط به تکنیک جنگل تصادفی در کلاس سیترات است. مطمئنترین قوانین با میزان اطمینان 66% مربوط به دو کلاس سیترات و سدیم هست و کم اطمینانترین قاعده با میزان اطمینان 50% مربوط به کلاس اگزالات است.
نتیجهگیری: سنگ کلیه میتواند بهدلایل مختلفی از جمله پایین بودن سیترات و بالا بودن اگزالات کلسیم باشد. بهعنوان مثال برای سیترات، عواملی مانند PH خون، قند خون و فشار خون موثر است. برای جلوگیری از هر یک از دلایل سنگ کلیه، باید عوامل آن کنترل شود.
سید علی اکبر عربزاده، وحید جمشیدی، مسعود سعید، رستم یزدانی، مهدیه جمشیدی،
دوره 79، شماره 10 - ( 10-1400 )
چکیده
زمینه و هدف: تشخیص زود هنگام بیماری همهگیر کرونا (کوید-19) نقش مهمی در جلوگیری از مرگومیر دارد. مطالعه حاضر با هدف استخراج ویژگیهای کلیدی بیماری و یافتن بهترین روشهای دادهکاوی که باعث بهبود صحت تشخیص بیماری کرونا میشود، صورت گرفته است.
روش بررسی: در این مطالعه، اطلاعات و علایم بالینی مربوط به بیماران مبتلا به کوید-19، از کلینیکهای عفونی بیمارستان افضلی پور کرمان و علیبنابیطالب رفسنجان از اسفند 1398 تا بهمن 1399 بهمدت 12 ماه گردآوری شدند. مدلهای پیشبینی با استفاده از ترکیبهای مختلف از ویژگیهای بیماری و هفت روش دادهکاوی، ایجاد شده و مورد آزمایش قرار گرفتند.
یافتهها: 9 ویژگی کلیدی و سه تکنیک برتر دادهکاوی شناسایی شدند. نتایج آزمایشها نشان میدهند که مدل پیشبینی ارایه شده با استفاده از ویژگیهای کلیدی شناسایی شده و بهترین تکنیک دادهکاوی بهدست آمده، دقت 19/83% را برای تشخیص بیماری کرونا فراهم میکند.
نتیجهگیری: با توجه ویژگیهای کلیدی و تکنیکهای دادهکاوی بهدست آمده از این مطالعه میتوان با تکمیل مجموعه داده و استفاده از این روش، با دقت بالا ابتلا به کوید- 19 را در افراد با ویژگیهای بالینی مختلف تشخیص داد.
آنارام یعقوبی نوتاش، پیمان بیات، شهپر حقیقت، علی یعقوبی نوتاش،
دوره 79، شماره 11 - ( 11-1400 )
چکیده
زمینه و هدف: سرطان پستان بهعنوان دومین عامل مرگ ناشی از سرطان در زنان است. با توجه به اهمیت پیشبینی این عارضه، استفاده از روشهای دادهکاوی میتواند کمک بزرگی در جلوگیری از بروز عوارض لنف ادم در بیماران باشد. هدف از این تحقیق تشخیص ابتلا به لنف ادم میباشد.
روش بررسی: در مطالعه کاربردی توصیفی-تحلیلی بهصورت گذشتهنگر حاضر، عوامل مرتبط با لنف ادم در1117 بیمار مبتلا به سرطان پستان بررسی و احتمال ابتلا به لنف ادم، با بهکارگیری الگوریتمهای یادگیری ماشین پیشبینی شد. به طوریکه پس از جمعآوری دادهای (فروردین 1388 تا خرداد 1397)، احتمال ابتلا به لنف ادم برای بیمار جدید بررسی و عوامل موثر بر بیماری استخراج شد. بدون احتساب زمان جمعآوری دادههای آماری، مطالعه از شهریور ماه سال 1398 تا اسفند ماه سال 1399 در مرکز توانبخشی سید خندان ادامه داشت.
یافتهها: نتایج الگوریتمها، در روش وزندهی یادگیری جمعی دارای صحت 87% و در روش یادگیری جمعی با استخراج ویژگیها دارای صحت 90% ارزیابی شد و نهایتا براساس ارزیابی نهایی تاثیرگذارترین عوامل خطر لنف ادم استخراج شدند.
نتیجهگیری: یکی از مهمترین عوارض در سرطان پستان، لنف ادم در اندامهای فوقانی است، که میتواند کیفیت زندگی بیماران را تحت تاثیر قراردهد. وجود روشی که بتواند با دقت بالا به پزشک متخصص پیشنهاد بدهد که آیا بیمار جدید در آینده، مبتلا به لنف ادم میشود یا خیر و یا با چه احتمالی مبتلا میشود، ضروری است.
منیره حسینی، زهرا منوچهری،
دوره 79، شماره 12 - ( 12-1400 )
چکیده
زمینه و هدف: نوسانات فشارخون پس از القای بیهوشیعمومی، نقش معناداری در بروز عوارض در اعمال جراحی داشته است. بههمین منظور مطالعه حاضر با شناسایی علل رخداد نوسانات فشارخون پس از القای بیهوشی، پیشبینی و پیشگیری از آنها صورت گرفته است.
روش بررسی: برای این پژوهش که بهصورت کوهرت گذشتهنگر میباشد، از روشهای دادهکاوی در مجموعه دادهای، شامل دادههای مربوط به 2640 بیمار که از فروردین 1397 تا شهریور 1398 در بیمارستان امامخمینی (ره) کرمانشاه که 18 سال و بالاتر داشتند و تحت القاء بیهوشی عمومی با استفاده از پروپوفل و متعاقباً لولهگذاری تراشه برای جراحیهای غیرقلبی قرارگرفتند، استفاده شد.
یافتهها: در این مطالعه، از 53 ویژگی پرونده بیماران استفاده شد که برای هر ویژگی مقدار P محاسبه گردید و از پرتکرارترین الگوریتمهایدادهکاوی جهت پیشبینی فشارخون استفاده شد. همچنین، عملکرد الگوریتمهای پیشبینی در دادهکاوی مورد ارزیابی قرارگرفته شدند.
نتیجهگیری: شش ویژگی با 05/0P< انتخاب شدند که مدل رگرسیونلجستیک از دقت بیشتری برخوردار بود که از آن بهعنوان مدل نهایی پیشبینی افزایش نوسان فشارخون با ضرایب مسیر ارایه شد
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.
