Journal of Ilam University of Medical Sciences

fa ارائه مدل جهت شناسایی عوامل موثر بر ایجاد بیماری آسم با استفاده از داده‌ کاوی A Proposed Model to Identify Factors Affecting Asthma using Data Mining پژوهشي Research 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.   Introduction: The identification of asthma risk factors plays an important role in the prevention of the asthma as well as reducing the severity of symptoms. Nowadays, the identification process can be performed using modern techniques. Data mining is one of the techniques which has many applications in the fields of diagnosis, prediction, and treatment. This study aimed to identify the effective factors on asthma to provide a predictive model using data mining algorithms.   Materials & Methods:  This descriptive study with a practical approach included 220 data bases. The data were collected using a checklist and interviews from the patients referred to clinical centers of Shahid Sadoughi Hospital in Yazd, Iran, during 2014. The data were analyzed in SPSS IBM Modeler software (Version 14.2). Moreover, the CHAID decision tree,C5 algorithm, neural network algorithm, and Bayesian network algorithm were utilized in the modeling.   Findings: In total, 12 variables were determined as the most influential factors in this study. The accuracy of the model on the data was estimated at 72.73%, 69.1%, 70.9%, and 65.45% in the CHAID algorithm, C5, Bayesian network, and the neural network, respectively.   Discussion & Conclusions: According to the results, the performance accuracy of the model obtained from CHAID decision tree algorithm (73/72%) was higher than that of the other models. Moreover, an individual’s risk of asthma can be predicted with regard to the predictive factors and the established rules for a new sample with distinctive features. آسم, داده کاوی, مدل پیش بینی Asthma, Data Mining, Prediction model 203 212 http://sjimu.medilam.ac.ir/browse.php?a_code=A-10-3972-1&slc_lang=fa&sid=1 Marjan Ghazisaeedi مرجان قاضی سعیدی marjanghazisaeeidi@yahoo.com 9600319475328460039204 9600319475328460039204 No Dept of Health Information Management, Faculty of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Abbas Sheikhtaheri عباس شیخ طاهری Sheikhtaheri.a@gmail.com 9600319475328460039205 9600319475328460039205 No Dept of Health Information Management, Faculty of Health Management and Information Sciences, Iran University of Medical Sciences,Tehran,Iran گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی، دانشگاه علوم پزشکی ایران، تهران، ایران Nasrin Behniafard نسرین بهنیافرد NasrinBehniafard@yahoo.com 9600319475328460039206 9600319475328460039206 No Dept of Pediatrics, Faculty of Medicine, Shahid Sadoughi University of Medical Sciences,Yazd, Iran گروه کودکان، دانشکده پزشکی، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد، یزد، ایران Fatemehalsadat Aghaei Meybodi فاطمه السادات آقایی میبدی Fatemehalsadat.Aghaei.Meybodi@yahoo.com 9600319475328460039207 9600319475328460039207 No Dept of Internal Medicine, Faculty of Medicine , Shahid Sadoughi General Hospital, Shahid Sadoughi University of Medical Sciences, Yazd, Iran گروه داخلی،بیمارستان شهید صدوقی، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد، یزد، ایران Rouhallah khara روح الله خارا r.khara@yahoo.com 9600319475328460039208 9600319475328460039208 No Dept of Health Information technology, Faculty of Management and Medical Informatics, Tabriz University of Medical Science, Tabriz, Iran گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران Majid Kargar Bideh مجید کارگربیده majkarbid@yahoo.com 9600319475328460039209 9600319475328460039209 Yes Dept of Health Information Management, Faculty of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران