داده کاوی بالینی: مروری بر تکنیک های داده کاوی در دیابت

مقدمه: ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می کند که از این اطلاعات می توان برای شناسایی، درمان، مراقبت های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. از طرفی کاوش و بررسی حجم زیادی از این اطلاعات، نیازمند استفاده از روش های موثر و کارآمدی برای یافتن الگوهای مربوط در این اطلاعات می باشد که استفاده از تکنیک های مختلف داده کاوی به خصوص دسته بندی و الگوهای تکرار شونده می تواند کمک شایانی در این زمینه باشد. روش ها: پایگاه های اطلاعاتیscholar, science direct  google scopus, pubmed, با هدف یافتن مقالات، جستجو و مقالات انگلیسی منتشر شده در سال های 2005 تا 2015 مورد بررسی قرار گرفتند. مقالات به دست آمده از نظر جمعیت مورد مطالعه، مجموعه داده های مورد استفاده و روش های داده کاوی ارزیابی شدند. یافته ها: از میان 2144 مقاله به دست آمده در جستجوی اولیه، تعداد 38 مقاله مرتبط با موضوع مطالعه، انتخاب و مورد بررسی قرار گرفت. نتایج این بررسی نشان می دهد که الگوریتم های خوشه بندی، قوانین انجمنی و هوش مصنوعی از پرکاربردترین تکنیک های داده کاوی می باشند که برای تشخیص و پیش بینی احتمال ابتلا به بیماری دیابت با موفقیت مورد استفاده قرار گرفته اند. نتیجه گیری: پیاده سازی روشی که بتواند امکان ابتلا یا عدم ابتلای افراد به دیابت را مشخص کند، گام مهمی در کنترل بیماری دیابت خواهد بود. با توجه به مطالعات انجام شده، داده کاوی می تواند به عنوان روشی موثر در پیشگیری، درمان و کشف ارتباط بین بیماری دیابت و عوامل خطر آن، موجب پیشرفت های قابل توجه در حوزه تحقیقات دیابت و ارائه مراقبت های بهداشتی بهتر برای این گروه از بیماران باشد.