:: دوره 27، شماره 1 - ( 1-1398 ) ::
جلد 27 شماره 1 صفحات 203-212 برگشت به فهرست نسخه ها
ارائه مدل جهت شناسایی عوامل موثر بر ایجاد بیماری آسم با استفاده از داده‌ کاوی
مرجان قاضی سعیدی1 ، عباس شیخ طاهری2، نسرین بهنیافرد3، فاطمه السادات آقایی میبدی4، روح الله خارا5، مجید کارگربیده 6
1- گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
2- گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی، دانشگاه علوم پزشکی ایران، تهران، ایران
3- گروه کودکان، دانشکده پزشکی، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد، یزد، ایران
4- گروه داخلی،بیمارستان شهید صدوقی، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد، یزد، ایران
5- گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران
6- گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ، majkarbid@yahoo.com
چکیده:   (447 مشاهده)
مقدمه: شناخت عوامل محیطی خطر ایجاد آسم، نقش مهمی در پیشگیری یا کاهش شدت آن ایفا می ‌کند. امروزه می توان این کار را با استفاده از تکنیک های نوین انجام داد. داده کاوی یکی از این تکنیک ها است که کاربردهای فراوانی در زمینه ‌های تشخیص، پیش بینی و درمان دارد، هدف این پژوهش شناسایی عوامل موثر بر ایجاد بیماری آسم و ارائه مدل پیش بینی با استفاده از الگوریتم ‌های داده کاوی است.
مواد و روش ها: این پژوهش از نوع توصیفی با رویکرد کاربردی می ‌باشد. پایگاه داده آن شامل 220 رکورد می ‌باشد. داده‌ ها با استفاده از چک لیست و با روش مصاحبه از بیماران مراجعه کننده به یک درمانگاه در سال 1394 جمع آوری گردید. تجزیه و تحلیل داده ‌ها و مدلســـازی با استفاده از نرم افزار IBM SPSS Modeler نسخه 2/14 انجام شده است. در بخش مدل سازی از الگوریتم‌ های درخت تصمیم CHAID و C5، الگوریتم شبکه عصبی و الگوریتم شبکه بیز استفاده شده است.
یافته های پژوهش: در این مطالعه 12 متغیر به عنوان موثرترین فاکتورها تعیین گردید و صحت مدل ایجاد شده بر روی داده‌ های مورد استفاده در الگوریتم CHAID 73/72 درصد، C5 1/69 درصد، شبکه بیز 9/70 درصد و شبکه عصبی 45/65 درصد بوده است.
بحث و نتیجه گیری: یافته ها نشان داد مدل حاصل از الگوریتم درخت تصمیم CHAID از صحت عملکرد(73/72 درصد) بالاتری نسبت به مدل‌ های دیگر برخوردار است. با توجه به متغیرهای پیش بینی کننده و قوانین ایجاد شده برای یک نمونه جدید با ویژگی‌ های مشخص، می ‌توان احتمال ابتلا فرد به بیماری آسم را پیش بینی نمود.
 
واژه‌های کلیدی: آسم، داده کاوی، مدل پیش بینی
متن کامل [PDF 980 kb]   (146 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: ۱۳۹۶/۲/۱۴ | پذیرش: ۱۳۹۶/۱۲/۱۵



XML   English Abstract   Print



دوره 27، شماره 1 - ( 1-1398 ) برگشت به فهرست نسخه ها