استفاده از درخت تصمیم برای پیش‏بینی سطح فریتین سرم در زنان مبتلا به کم خونی

پریسا صفایی، parisa safaee 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 رسول نورالسنا، rassoul noorossana department of industrial engineering, iran university of science and technology, university st., hengam ave., resalat sq., tehran, iran, 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: 021-73225017 کامران حیدری، kamran heidari 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. پریا سلیمانی، parya soleimani department of industrial engineering, south tehran branch, islamic azad university, tehran, iran.گروه مهندسی صنایع، سیستم های اقتصادی و اجتماعی، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی

چکیده

زمینه و هدف: داده کاوی به عنوان فرایند شناسایی و تجزیه و تحلیل مقدار زیادی داده به منظور یافتن رفتارها و قوانین معنا دار است. داده کاوی در بهداشت و درمان فرصت های بی شماری را برای بررسی الگوهای پنهان از یک مجموعه داده فراهم می کند. این الگوها را می توان توسط پزشکان برای تشخیص، پیش آگاهی و درمان بیماران استفاده کرد. هدف اصلی در این مطالعه استفاده از تکنیک های داده کاوی برای پیش بینی سطح فریتین سرم در زنان مبتلا به کم خونی و شناسایی متغیرهای اساسی در تشخیص این بیماری می باشد. روش بررسی: در این پژوهش کاربردی، تعداد 690 بیمار و 22 متغیر در جمعیت زنان مبتلا به بیماری کم خونی بررسی شده اند. داده ها مربوط به بیمارانی بود که از اردیبهشت 1392 تا اردیبهشت 1393 به آزمایشگاه بیمارستان های امام حسین (ع) و شهدای هفتم تیر مراجعه کرده اند. از تکنیک درخت تصمیم برای ساخت مدل استفاده شد. یافته ها: دقت مدل دسته بند درخت تصمیم با تمام متغیرها 75% بود. ترکیب های متفاوت از متغیرها جهت یافتن بهترین مدل برای پیش بینی بررسی شدند. با توجه به مدل بهینه درخت تصمیم به دست آمده، متغیرهای rbc، mch، mchc، زخم های معده-روده و سرطان معده-روده، به عنوان مهم ترین عوامل پیش بینی کننده شناخته شدند. نتایج نشان داد که اگر مقدار متغیرهای mean corpuscular volume (mcv)، mean corpuscular hemoglobin concentration (mchc) و mean corpuscular hemoglobin (mch) نرمال و متغیر rbc کمتر از حد نرمال باشند، فرد با احتمال %90 به کم خونی فقر آهن مبتلا است. نتیجه گیری: با توجه به سادگی و هزینه پایین آزمایش شمارش کامل خون، مدل درخت تصمیم به منظور تشخیص بیماری کم خونی فقر آهن ایجاد شد. همچنین در این پژوهش تاثیر عوامل جدیدی مانند جراحی ها و بیماری های مختلف در نظر گرفته شد. قوانین به دست آمده از مدل درخت تصمیم می تواند فرایند تشخیص و درمان بیماران مبتلا به کم خونی فقر آهن را بهبود بخشد.