Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

---

چکیده مقدمه: تروما شایع‌ترین سبب مرگ‌و‌میر در جهان است که بیشتر بر اثر پیشامدهای جاده‌ای رخ می‌دهد و شناسایی به هنگام بیماران با آسیب‌دیدگی حاد، باعث اتخاذ درست اقدام پزشکی و در نتیجه نجات جان آنان و پرهیز از صرف هزینه‌های هنگفت درمانی خواهد شد. هدف: یافتن بهترین الگوریتم داده کاوی برای شناسایی اختلال پاراکلینیکی موثر در مرگ‌و‌میر بیماران ترومایی مواد و روش‌ها: این پژوهش بر 1073 بیمار ترومایی و 52 ویژگی ثبت شده در سیستم بیمارستانی مرکز آموزشی درمانی پورسینای رشت انجام شد. برای یافتن عوامل موثر و الگوی ارتباطی بین متغیرها، تکنیک‌های داده کاوی دسته‌بندی و روش‌هایی مانند درخت تصمیم، k نزدیک‌ترین همسایه و شبکه عصبی بر داده‌ها پیاده‌سازی و دقت پیشگویی آنان به روش 10-fold ارزیابی و مقایسه شد. نتایج: از 1073 بیمار ترومایی، 185 نفر(2/17%) زن و 888 نفر(8/82%) مرد بودند. 237 نفر )1/22%( فوت شدند که بیشترین آنان (30% معادل 71 نفر) کمتر از یک هفته بستری و 56 نفر (6/23%) تا یک روز بستری بودند که ارتباط معنی‌داری بین مدت بستری و مرگ بیماران وجود داشت(0001/0p=). از الگوریتم‌های اجرا شده داده کاوی، درخت تصمیم و k نزدیک‌ترین همسایه بالاترین دقت، به‌ترتیب 91% و 89% در دسته‌بندی و پیشگویی پیامد بیماران(مرگ یا بهبود) را داشت. به همین سبب به روش Best First (بهترین اولین) در درخت تصمیم از 52 ویژگی بررسی شده، 18 ویژگی از عوامل موثر در مرگ بیماران تشخیص داده شد. نتیجه‌گیری: با توجه به دقت بالای الگوریتم‌های داده کاوی مانند درخت تصمیم، عوامل موثر در مرگ‌و‌میر بیماران ترومایی پیشگویی و بدین وسیله با شناسایی افراد در معرض خطر، جان آنان نجات داده شد.

واژه‌های کلیدی: داده کاوی، ضربه، میزان مرگ و میر

متن کامل [PDF 304 kb]   (2163 دریافت)    

* نشانی نویسنده مسئول: گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی مهندسی، دانشگاه پیام نور، تهران، ایران- مدیریت آمار و فناوری اطلاعات، دانشگاه علوم پزشکی گیلان، رشت، ایران

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:

---