دوره 74، شماره 1 - ( فروردین 1395 )                   جلد 74 شماره 1 صفحات 50-57 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Safaee P, Noorossana R, Heidari K, Soleimani P. Using decision tree to predict serum ferritin level in women with anemia. Tehran Univ Med J. 2016; 74 (1) :50-57
URL: http://tumj.tums.ac.ir/article-1-7351-fa.html
صفایی پریسا، نورالسنا رسول، حیدری کامران، سلیمانی پریا. استفاده از درخت تصمیم برای پیش‌بینی سطح فریتین سرم در زنان مبتلا به کم‌خونی. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1395; 74 (1) :50-57

URL: http://tumj.tums.ac.ir/article-1-7351-fa.html


1- گروه مهندسی صنایع، مدیریت سیستم و بهره‌وری، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی
2- گروه تولید صنعتی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران. ، rassoul@iust.ac.ir
3- گروه طب اورژانس، بیمارستان لقمان حکیم، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران.
4- گروه مهندسی صنایع، سیستم‌های اقتصادی و اجتماعی، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی
چکیده:   (2419 مشاهده)

زمینه و هدف: داده‌کاوی به‌عنوان فرایند شناسایی و تجزیه ‌و تحلیل مقدار زیادی داده به‌منظور یافتن رفتارها و قوانین معنا‌دار است. داده‌کاوی در بهداشت و درمان فرصت‌های بی‌شماری را برای بررسی الگوهای پنهان از یک مجموعه داده فراهم می‌کند. این الگوها را می‌توان توسط پزشکان برای تشخیص، پیش‌آگاهی و درمان بیماران استفاده کرد. هدف اصلی در این مطالعه استفاده از تکنیک‌های داده‌کاوی برای پیش‌بینی سطح فریتین سرم در زنان مبتلا به کم‌خونی و شناسایی متغیرهای اساسی در تشخیص این بیماری می‌باشد.

روش بررسی: در این پژوهش کاربردی، تعداد 690 بیمار و 22 متغیر در جمعیت زنان مبتلا به بیماری کم‌خونی بررسی شده‌اند. داده‌ها مربوط به بیمارانی بود که از اردیبهشت 1392 تا اردیبهشت 1393 به آزمایشگاه بیمارستان‌های امام حسین (ع) و شهدای هفتم‌تیر مراجعه کرده‌اند. از تکنیک درخت تصمیم برای ساخت مدل استفاده شد.

یافته‌ها: دقت مدل دسته‌بند درخت تصمیم با تمام متغیرها 75% بود. ترکیب‌های متفاوت از متغیرها جهت یافتن بهترین مدل برای پیش‌بینی بررسی شدند. با توجه به مدل بهینه درخت تصمیم به‌دست آمده، متغیرهای RBC، MCH، MCHC، زخم‌های معده-روده و سرطان معده-روده، به‌عنوان مهم‌ترین عوامل پیش‌بینی‌کننده شناخته شدند. نتایج نشان داد که اگر مقدار متغیرهای Mean corpuscular volume (MCV)، Mean corpuscular hemoglobin concentration (MCHC) و Mean corpuscular hemoglobin (MCH) نرمال و متغیر RBC کمتر از حد نرمال باشند، فرد با احتمال %90 به کم‌خونی فقر آهن مبتلا است.

نتیجه‌گیری: با توجه به سادگی و هزینه پایین آزمایش شمارش کامل خون، مدل درخت تصمیم به‌منظور تشخیص بیماری کم‌خونی فقر آهن ایجاد شد. همچنین در این پژوهش تاثیر عوامل جدیدی مانند جراحی‌ها و بیماری‌های مختلف در نظر گرفته شد. قوانین به‌دست‌آمده از مدل درخت تصمیم می‌تواند فرایند تشخیص و درمان بیماران مبتلا به کم‌خونی فقر آهن را بهبود بخشد.

متن کامل [PDF 962 kb]   (1480 دریافت)    
نوع مطالعه: مقاله اصیل |

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Tehran University Medical Journal TUMS Publications

Designed & Developed by : Yektaweb