fa استفاده از درخت تصمیم برای پیش‌بینی سطح فریتین سرم در زنان مبتلا به کم‌خونی مقاله اصیل Original Article <p dir="RTL" style="text-align: justify;"><strong><em>زمینه و هدف:</em></strong> 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.</p> <p dir="RTL" style="text-align: justify;"><strong><em>روش بررسی: </em></strong>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.</p> <p dir="RTL" style="text-align: justify;"><strong><em>یافته‌ها:</em></strong> 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 <span dir="LTR">RBC</span>، <span dir="LTR">MCH</span>، <span dir="LTR">MCHC</span>، زخم‌های معده-روده و سرطان معده-روده، به‌عنوان مهم‌ترین عوامل پیش‌بینی‌کننده شناخته شدند. نتایج نشان داد که اگر مقدار متغیرهای <span dir="LTR">Mean corpuscular volume (MCV)</span>، <span dir="LTR">Mean corpuscular hemoglobin concentration (MCHC)</span> و <span dir="LTR">Mean corpuscular hemoglobin (MCH)</span> نرمال و متغیر <span dir="LTR">RBC</span> کمتر از حد نرمال باشند، فرد با احتمال %90 به کم‌خونی فقر آهن مبتلا است.</p> <p dir="RTL" style="text-align: justify;"><strong><em>نتیجه‌گیری: </em></strong>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.</p> <p style="text-align: justify;">Background: Data mining is known as a process of discovering and analysing large amounts of data in order to find meaningful rules and trends. In healthcare, data mining offers numerous opportunities to study the unknown patterns in a data set. These patterns can be used to diagnosis, prognosis and treatment of patients by physicians. The main objective of this study was to predict the level of serum ferritin in women with anemia and to specify the basic predictive factors of iron deficiency anemia using data mining techniques.</p> <p style="text-align: justify;">Methods: In this research 690 patients and 22 variables have been studied in women population with anemia. These data include 11 laboratories and 11 clinical variables of patients related to the patients who have referred to the laboratory of Imam Hossein and Shohada-E- Haft Tir hospitals from April 2013 to April 2014. Decision tree technique has been used to build the model.</p> <p style="text-align: justify;">Results: The accuracy of the decision tree with all the variables is 75%. Different combinations of variables were examined in order to determine the best model to predict. Regarding the optimum obtained model of the decision tree, the RBC, MCH, MCHC, gastrointestinal cancer and gastrointestinal ulcer were identified as the most important predictive factors. The results indicate if the values of MCV, MCHC and MCH variables are normal and the value of RBC variable is lower than normal limitation, it is diagnosed that the patient is likely 90% iron deficiency anemia.</p> <p style="text-align: justify;">Conclusion: Regarding the simplicity and the low cost of the complete blood count examination, the model of decision tree was taken into consideration to diagnose iron deficiency anemia in patients. Also the impact of new factors such as gastrointestinal hemorrhoids, gastrointestinal surgeries, different gastrointestinal diseases and gastrointestinal ulcers are considered in this paper while the previous studies have been limited only to assess laboratory variables. The rules of the decision tree model can improve the process of diagnosing and treatment of the patients with iron deficiency anemia and reduce their costs.</p> کم‌خونی, داده‌کاوی, درخت تصمیم, فریتین anemia, data mining, decision trees, ferritins. 50 57 http://tumj.tums.ac.ir/browse.php?a_code=A-10-1677-2&slc_lang=fa&sid=1 Parisa Safaee پریسا صفایی No Department of Industrial Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran. گروه مهندسی صنایع، مدیریت سیستم و بهره‌وری، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی Rassoul Noorossana رسول نورالسنا rassoul@iust.ac.ir Yes Department of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran. گروه تولید صنعتی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران. Kamran Heidari کامران حیدری No Department of Emergency Medicine, Loghman Hakim Hospital, Shahid Beheshti University of Medical Sciences, Tehran, Iran. گروه طب اورژانس، بیمارستان لقمان حکیم، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. Parya Soleimani پریا سلیمانی No Department of Industrial Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran. گروه مهندسی صنایع، سیستم‌های اقتصادی و اجتماعی، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی