AU - Ghazisaeedi, Marjan AU - Sheikhtaheri, Abbas AU - Behniafard, Nasrin AU - Aghaei Meybodi, Fatemehalsadat AU - khara, Rouhallah AU - Kargar Bideh, Majid TI - A Proposed Model to Identify Factors Affecting Asthma using Data Mining PT - JOURNAL ARTICLE TA - sjimu JN - sjimu VO - 27 VI - 1 IP - 1 4099 - http://sjimu.medilam.ac.ir/article-1-4300-fa.html 4100 - http://sjimu.medilam.ac.ir/article-1-4300-fa.pdf SO - sjimu 1 AB  - 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. CP - IRAN IN - Dept of Health Information Management, Faculty of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran LG - eng PB - sjimu PG - 203 PT - Research YR - 2019