دوره 81، شماره 4 - ( تیر 1402 )
جلد 81 شماره 4 صفحات 318-307 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Jamshidi M, Jamshidi V. Realizing the early prediction chronic kidney disease based-on identifing. Tehran Univ Med J 2023; 81 (4) :307-318
URL: http://tumj.tums.ac.ir/article-1-12508-fa.html
URL: http://tumj.tums.ac.ir/article-1-12508-fa.html
جمشیدی مهدیه، جمشیدی وحید. تحقق پیش‌بینی زودهنگام بیماری مزمن کلیوی براساس شناسایی موثرترین روش‌های داده‌کاوی. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1402; 81 (4) :307-318
مهدیه جمشیدی* 
1، وحید جمشیدی2
1، وحید جمشیدی2
1- گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی رفسنجان، رفسنجان، ایران.
2- گروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه شهید باهنر کرمان، کرمان، ایران.
2- گروه مهندسی کامپیوتر، دانشکده فنی، دانشگاه شهید باهنر کرمان، کرمان، ایران.
چکیده: (606 مشاهده)
زمینه و هدف: با توجه به اینکه عوامل مختلفی در پیدایش بیماری‌های مزمن کلیوی دخالت دارند این بیماری با علایم مختلف بالینی و آزمایشگاهی ظاهر می‌شود. این تنوع در تعداد و نوع علایم بالینی، پزشک معالج را در بسیاری از موارد گمراه می‌سازد. پژوهش حاضر با هدف استخراج ویژگی‌های کلیدی بیماری و یافتن بهترین روش‌های داده‌کاوی که باعث بهبود صحت تشخیص و پیش‌بینی بیماری کلیوی می‌شود، صورت گرفته است.
روش بررسی: در این مطالعه، اطلاعات و علایم بالینی مربوط به بیماران مبتلا به بیماری کلیوی، از بیمارستان علی‌بن‌ابیطالب رفسنجان از شهریور 1399 تا اسفند 1401 به‌مدت 30 ماه گردآوری شدند. مدل‌های پیش‌بینی با استفاده از ترکیب‌های مختلف از ویژگی‌های بیماری و هفت روش داده‌کاوی، در نرم‌افزار RapidMiner studio ایجاد شده و مورد آزمایش قرار گرفتند.
یافته‌ها: نتایج آزمایشهای این مطالعه نشان می‌دهد که مدل پیش‌بینی ارایه شده با استفاده از روش بیز و هشت ویژگی کلیدی شناسایی شده (سن، بیوپسی کلیه، اورمی، سدیمانتاسیون، آلبومینوری، ورم، شب ادراری و وزن مخصوص ادرار)، می‌تواند ابتلا به بیماری کلیوی را در افراد با ویژگی‌های بالینی مختلف با دقت 38/99% تشخیص دهد.
نتیجه‌گیری: با توجه به اینکه تشخیص زودهنگام بیماری کلیوی و اتخاذ روش درمان مناسب، می‌تواند از پیشروی آسیب کلیوی جلوگیری کند، از این‌رو در این مطالعه سعی شده است با بکارگیری شیوه‌های نوین آماری و تکنیک‌های هوش مصنوعی در تحقق این هدف گام برداشت. براساس روش پیشنهادی و آزمایشات انجام شده، مهمترین ویژگی‌ها و بهترین روش داده‌کاوی به‌دست آمد و در نهایت پیش‌بینی بیماری کلیوی با دقت بالا میسر گردید.
روش بررسی: در این مطالعه، اطلاعات و علایم بالینی مربوط به بیماران مبتلا به بیماری کلیوی، از بیمارستان علی‌بن‌ابیطالب رفسنجان از شهریور 1399 تا اسفند 1401 به‌مدت 30 ماه گردآوری شدند. مدل‌های پیش‌بینی با استفاده از ترکیب‌های مختلف از ویژگی‌های بیماری و هفت روش داده‌کاوی، در نرم‌افزار RapidMiner studio ایجاد شده و مورد آزمایش قرار گرفتند.
یافته‌ها: نتایج آزمایشهای این مطالعه نشان می‌دهد که مدل پیش‌بینی ارایه شده با استفاده از روش بیز و هشت ویژگی کلیدی شناسایی شده (سن، بیوپسی کلیه، اورمی، سدیمانتاسیون، آلبومینوری، ورم، شب ادراری و وزن مخصوص ادرار)، می‌تواند ابتلا به بیماری کلیوی را در افراد با ویژگی‌های بالینی مختلف با دقت 38/99% تشخیص دهد.
نتیجه‌گیری: با توجه به اینکه تشخیص زودهنگام بیماری کلیوی و اتخاذ روش درمان مناسب، می‌تواند از پیشروی آسیب کلیوی جلوگیری کند، از این‌رو در این مطالعه سعی شده است با بکارگیری شیوه‌های نوین آماری و تکنیک‌های هوش مصنوعی در تحقق این هدف گام برداشت. براساس روش پیشنهادی و آزمایشات انجام شده، مهمترین ویژگی‌ها و بهترین روش داده‌کاوی به‌دست آمد و در نهایت پیش‌بینی بیماری کلیوی با دقت بالا میسر گردید.
نوع مطالعه: مقاله اصیل |
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
