پیش بینی و طبقه بندی احتمال خطر بیماران دچار استروک با استفاده از تکنیک های داده کاوی

Abstract

مقدمه: استروک از شایع ترین بیماری های منجر به مرگ و ناتوانی های نورولوژیک در تمامی جوامع می باشد. استفاده از تکنیك های داده كاوی برای ایجاد مدل های پیش گویی كننده، جهت شناسایی افراد در معرض خطر برای كاهش عوارض ناشی از بیماری بسیار كمك كننده است. هدف: هدف این مطالعه بررسی عملکرد الگوریتم های داده کاوی و پیشگویی احتمال خطر سکته مغزی در افراد مشکوک به استروک با استفاده از درخت تصمیم بر اساس ریسك فاكتورهای موثر بر آن است. روش و مواد کار: این پژوهش از نوع تحلیلی بوده و پایگاه داده آن شامل 1184 ركورد می باشد. داده های مورد نیاز این تحقیق در سال 1395 از بین پرونده بیماران مراجعه كننده به مرکز آموزشی درمانی امام رضا (ع) تبریز بدست آمده است. ابزار جمع آوری داده ها چك لیست بوده است. تجزیه و تحلیل به كمك نسخه 2.7 نرم افزار Orange انجام شده است. در بخش مدل سازی از الگوریتم های Classification Tree، Naïve Bayes، Neural Network، SVM و kNN استفاده شده است. یافته ها: با توجه به مدل های استفاده شده مشخص شد كه به ترتیب متغیرهای عدم فعالیت فیزیکی (Physical Inactivity) بود و صفات کلسترول بالا، داشتن بیماری عروق قلبی، سابقه حمله گذرای ایسکمیک و سابقه استروک قبلی و داشتن وضعیت ازدیاد فشار خون پنج مورد از تاثیر گذارترین صفات در این پژوهش بودند. به كمك درخت تصمیم ایجاد شده، قوانینی استخراج شده است كه می تواند به عنوان الگویی در جهت پیشگویی احتمال خطر سکته مغزی در افراد بیمار استفاده شود. صحت مدل ایجاد شده 95.52 درصد بوده است. نتیجه گیری: یافته ها نشان داد که با بکارگیری قوانین ایجاد شده، برای یك نمونه جدید با ویژگی های مشخص می توان تعیین كرد كه احتمال خطر استروک چقدر است.