خوشه بندی بیماران مبتلا به کم خونی با رویکرد داده کاوی

خدیجه دولتشاه، khadijeh dolatshah department of industrial engineering, south tehran branch, islamic azad university, tehran, iran.گروه مهندسی صنایع، مدیریت سیستم و بهره وری، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران. رسول نورالسنا، rassoul noorossana department of industrial engineering, iran university of science and technology, university st., hengam ave., resalat sq., tehran, iran. post code: 16846-13114 tel: +98- 21- 73225017تهران، میدان رسالت، خیابان هنگام، خیابان دانشگاه، دانشگاه علم و صنعت ایران، دانشکده مهندسی صنایع، کد پستی: 13114- 16846 تلفن: 73225017 -021 کامران حیدری، kamran heidari department of emergency medi-cine, loghman hakim hospital, shahid beheshti university of med-ical sciences, tehran, iran.گروه طب اورژانس، بیمارستان لقمان حکیم، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. پریا سلیمانی، parya soleimani department of industrial engi-neering, south tehran branch, is-lamic azad university, tehran, iran.گروه مهندسی صنایع، سیستم های اقتصادی و اجتماعی، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران. روح اله قاسم پور، roohallah ghasempour department of health care man-agement, school of medicine, sha-hid beheshti university of medical sciences, tehran, iran.گروه مدیریت خدمات بهداشتی و درمانی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران.

چکیده

زمینه و هدف: شایع ترین اختلال خونی به ویژه در زنان، بیماری کم خونی است. کشف دانش از میان حجم انبوه داده ها از سوابق بیماران با استفاده از داده‏کاوی می‏تواند منجر به بهبود کیفیت خدمات پزشکی شود. هدف این مطالعه خوشه بندی بیماران کم خونی با استفاده از الگوریتم های داده کاوی به منظور تحلیل و ارزیابی وضعیت بیماران است. روش بررسی: در این پژوهش کاربردی، داده های آزمایشگاهی و بالینی بیماران کم خونی در جمعیت زنان مورد مطالعه قرار گرفته است. داده های مورد بررسی از اردیبهشت ۱۳۹۲ تا اردیبهشت ۱۳۹۳ از آزمایشگاه بیمارستان های امام حسین (ع) و شهدای هفتم تیر شهر تهران با ۶۹۰ رکورد و ۱۵ مشخصه ی آزمایشگاهی و بالینی از بیماران کم خونی جمع آوری شده است. برای کشف ساختارهای پنهان با استفاده از الگوریتم k-medoids بیماران خوشه بندی شده اند. برای تعیین کیفیت خوشه بندی از شاخص سیلوئت استفاده شده است. یافته ها: مشخصه های red blood cell (rbc)، mean corpuscular hemoglobin (mch)، ferritin، gi cancer، gi infection و gi surgery بر اسـاس فرآیند خوشه بندی به عنوان مهم ترین مشخصه های بیماران شناسایی شده اند. بیماران کم خونی با توجه به مشخصه هایشان در سه خوشه توزیع شده اند. میانگین شاخص سیلوئت(silhouette coefficient) برای کیفیت خوشه بندی ۸۰% است. یعنی خوشه بندی دارای ساختار قوی می باشد. نتیجه گیری: نتایج نشان داد که خوشه بندی با کل مشخصه ها نتایج مناسبی را ارایه نمی دهد. بنابراین هر بار با تعداد متفاوتی از مشخصه ها خوشه بندی انجام شد. نتایج خوشه بندی وضعیت بیماران هر خوشه را مشابه و متمایز از سایر خوشه ها نشان می دهد. خوشه اول شامل بیماران کم خونی فقر آهن خفیف، خوشه دوم شامل بیماران کم خونی فقر آهن شدید و خوشه سوم بیماران با دیگر علل کم خونی را دربرمی گیرد. تقسیم بندی بیماران کم خونی می تواند ابزار مفید و موثر برای تحلیل و بهبود فرآیند تصمیم‏گیری پزشکان در رابطه با درمان بیماران باشد.