دوره 81، شماره 4 - ( تیر 1402 )                   جلد 81 شماره 4 صفحات 318-307 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
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
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

URL: http://tumj.tums.ac.ir/article-1-12508-fa.html

تحقق پیش‌بینی زودهنگام بیماری مزمن کلیوی براساس شناسایی موثرترین روش‌های داده‌کاوی
مهدیه جمشیدی* 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.
چکیده:   (445 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.
 
واژه‌های کلیدی: بیماری مزمن کلیوی، داده‌کاوی، تجزیه و تحلیل داده، شبکه عصبی.
متن کامل [PDF 456 kb]   (172 دریافت)    
نوع مطالعه: مقاله اصیل |
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

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

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb