مرجان قاضی سعیدی، عباس شیخ طاهری، نسرین بهنیافرد، فاطمه السادات آقایی میبدی، روح الله خارا، مجید کارگربیده،
دوره ۲۷، شماره ۱ - ( ۱-۱۳۹۸ )
چکیده
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 ۲۲۰ رکورد می باشد. داده ها با استفاده از چک لیست و با روش مصاحبه از بیماران مراجعه کننده به یک درمانگاه در سال ۱۳۹۴ جمع آوری گردید. تجزیه و تحلیل داده ها و مدلســـازی با استفاده از نرم افزار IBM SPSS Modeler نسخه ۲/۱۴ انجام شده است. در بخش مدل سازی از الگوریتم های درخت تصمیم CHAID و C۵، الگوریتم شبکه عصبی و الگوریتم شبکه بیز استفاده شده است.
یافته های پژوهش: در این مطالعه ۱۲ متغیر به عنوان موثرترین فاکتورها تعیین گردید و صحت مدل ایجاد شده بر روی داده های مورد استفاده در الگوریتم CHAID ۷۳/۷۲ درصد، C۵ ۱/۶۹ درصد، شبکه بیز ۹/۷۰ درصد و شبکه عصبی ۴۵/۶۵ درصد بوده است.
بحث و نتیجه گیری: یافته ها نشان داد مدل حاصل از الگوریتم درخت تصمیم CHAID از صحت عملکرد(۷۳/۷۲ 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.
