شناسایی عوارض مکمل های ورزشی از طریق شبکه های اجتماعی بوسیله ی متن کاوی

Abstract

چکیده پژوهش مقدمه : مکمل های ورزشی علیرغم فوایدی که دارد. گاهی اوقات خطراتی نیز برای سلامتی ورزشکاران بوجود می آورد. ورزشکاران دانش خود را در مورد مکمل های ورزشی و داروها در فضای مجازی به خصوص در شبکه های اجتماعی برای افزایش آگاهی سایر ورزشکاران به اشتراک می گذارند. هدف از این مطالعه استخراج عوارض جانبی مکمل ها از طریق متن کاوی و انطباق و پیشنهاداتی برای به روزرسانی بانک اطلاعاتی عوارض جانبی داروها بود. مواد و روش ها : این پژوهش از نوع کاربردی- توسعه ای است که در آن از توییت های کاربران شبکه اجتماعی توییتر به تعداد 40466 از سال 2014 تا 2019 برای ده مکمل ورزشی گردآوری شده است. در این پژوهش برای خوشه بندی عوارض جانبی مکمل‌ها از الگوریتم استاندارد K-Means استفاده شد. با بهره گیری از شاخص سیلهوت بهترین مقدار K برای خوشه بندی مکمل‌ها مشخص گردید. روش کلی پژوهش با یک شبیه ساز پایتون پیاده سازی و مورد ارزیابی قرار گرفت. یافته ها : با توجه به نتایج، برمبنای الگوریتم خوشه بندی K-Means مکمل ها به 3 گروه دسته بندی شدند. همچنین از طریق مقایسه عوارض استخراج شده با فهرست طلایی، تعداد 93 عارضه جدید شناسایی گردید پس از تجزیه و تحلیل یافته ها در این بررسی مشخص شد که بالاترین نرخ مغایرت عوارض دارویی برای مکمل ورزشی Dinitrophenol با نرخ مغایرت 0.05 و کمترین نرخ مغایرت نیز برای مکمل Danazol با نرخ مغایرت (0) بوده است. نتیجه گیری: روش کلی پژوهش بر مبنای متن کاوی و الگوریتم خوشه بندی توانایی استخراج عوارض از متن توییت ها و دسته بندی مکمل ها براساس شباهت عوارض را دارد. نتایج حاصل می تواند در بروزرسانی پایگاه داده عوارض دارویی مورد استفاده قرار گیرد.