Tehran University Medical Journal

fa تجزیه تحلیل علایم بالینی بیماران مبتلا به اِسکلروزِ چندگانه با استفاده از داده کاوی Analyzing clinical symptoms in multiple sclerosis using data mining مقاله اصیل Original Article زمینه و هدف: تکنیک‌های داده کاوی از معروف‌ترین روش‌ها به‌منظور استخراج دانش و داده‌های نهان و ارزشمند در حیطه پزشکی می‌باشند و از مهمترین دستاوردهای آن می‌توان به کمک‌رسانی در زمینه تشخیص نوع بیماری و یا انتخاب نوع درمان اشاره کرد. هدف از این مطالعه پرداختن به دو مسئله شناخت علایم بالینی تاثیرگذار بر روی بیماری اِسکلروزِ چندگانه (Multiple sclerosis, MS) و بررسی میزان تاثیرگذاری فاکتورهای مختلف در این بیماری و رابطه بین این فاکتورها با انواع دسته‌بندی موجود بیماری بود. روش بررسی: داده‌ها مربوط به بیماران اِسکلروزِ چندگانه مربوط به استان چهارمحال و بختیاری بود. این مطالعه پژوهشی در آزمایشگاه دانشگاه صنعتی شیراز همراه با همکاری تیم پزشکی انجام شد. یافته‌ها: در این مطالعه در بررسی مسئله اول مشخص شد که بیشترین علایم تاثیرگذار در این بیماری علایم بالینی- بینایی بود و در بررسی مسئله دوم نتایج حاصل‌شده نشان داد که نسبت ابتلا زنان به مردان چهار برابر می‌باشد. در واقع ۷۰% از افراد مبتلا، با تحصیلات بالاتر از دیپلم در دسته عود کننده- بهبود یابنده قرار گرفته‌اند و ۶۲/۵% از افراد در محدوده سنی ۲۰ تا ۴۰ سال هستند. نتیجه‌گیری: وجود برخی از علایم MS در افراد، موقت و گذراست و در بسیاری از موارد توسط افراد نادیده گرفته می‌شود که در صورت آگاهی از چگونگی شیوع علایم بالینی، می‌تواند یک اخطار برای افراد پیش از شروع دوره بحرانی بیماری باشد که به‌نوبه خود می‌تواند موجب تشخیص سریع‌تر، درمان موثرتر و تا حدی جلوگیری از پیشرفت بیماری شود. <table align="center" cellpadding="0" cellspacing="0" hspace="0" vspace="0"> <tbody> <tr> <td align="left"> Background: One of the today most common and incurable diseases that is associated with central neural system is ‘MS’ disease. Multiple sclerosis (MS) is a demyelinating disease in which the insulating covers of nerve cells in the brain and spinal cord are damaged. In this disease become apparent a wide spectrum of symptoms such as lose muscles control and their coordination and vision derangement. The goal of this research is to consider to two problems: 1- Recognition of effective clinical symptoms on MS disease and 2- Considering levels of effectiveness of age, sex and education levels factors on MS disease and association between these factors according to verity of categories of this disease. Methods: Data mining science in medicine is worthy of attention with main application in diagnosis, therapy and prognosis, respectively high volume of collected datum. The data that were used in this article are about patients of Chaharmahal and Bakhtiari Province and collected by cure assistance. In this paper classification and association methods in software engineering field are used. Classification is a general process related to <a href="https://en.wikipedia.org/wiki/Categorization" title="Categorization">categorization</a>, the process in which ideas and objects are recognized, differentiated, and understood. Association rules are created by analyzing data for frequent if/then patterns and using the criteria support and confidence to identify the most important relationships. Results: In consideration of first problem in this paper, concluded vision-clinical symptoms are the most effective symptoms and in consideration of second problem, concluded that from 584 records, women affected four times more than men. In other word 70% of MS patients with high graduate are in relapsing-remitting category and 62.5% of MS patients are 20-40 years old. Conclusion: Some of symptoms are quite temporary and transitory and are ignored by people. Awareness of clinical-symptoms prevalence manner can be warning for people before starting critical cycle of illness. This would cause early diagnosis, effective therapy and even prevention of disease progress, respectively to MS chronicity. </td> </tr> </tbody> </table> <div style="clear: both; text-align: justify;"></div> مولتیپل اسکلروزیس, داده کاوی, دسته‌بندی, درخت تصمیم‌گیری association, classification, data mining, multiple sclerosis 39 48 http://tumj.tums.ac.ir/browse.php?a_code=A-10-25-5557&slc_lang=fa&sid=1 Zahra Raeisi زهرا رئیسی z.reisi@sutech.ac.ir Yes Department of Computer Engineering and IT, Shiraz University of Technology, Shiraz, Iran. گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران. Pantea Ramezannezad پانته‌آ رمضان‌نژاد No Department of Forensic Medicine, Shahid Beheshti University of Medical Sciences, Tehran, Iran. گروه پزشکی قانونی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. Marzieh Ahmadzade مرضیه احمدزاده No Department of Computer Engineering and IT, Shiraz University of Technology, Shiraz, Iran. گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شیراز، شیراز، ایران. Shahram Tarahomi شهرام ترحمی No Department of Neurology, Jondi Shapoor University of Medical Sciences, Ahvaz, Iran. گروه نورولوژی، دانشگاه علوم پزشکی جندی شاپور، اهواز، ایران.