پیش بینی مقدار تجویز داروی اریتروپویتین در بیماران همودیالیزی- رویکرد داده کاوی

سابقه و هدف: نارسایی کلیه منجر به کاهش عملکرد کلیهها میشود و این امر در درازمدت منجر بهبیماری مزمنکلیه میگردد. یکی ازعوارض بیماری مزمن کلیه تخریب برگشتناپذیر کلیهها (رسیدن به مرحله پایانی بیماری کلیه) است. یکی از شایعترین راه های درمان بیماران دچار نارسایی کلیوی، همودیالیز است. بهعلاوه یکی از مسائل اصلی در همودیالیز، کمخونی ناشی از کمبود ترشح اریتروپویتین از کلیه ها است که معمولا با داروی اریتروپویتین صناعی، درمان میشود. از سوی دیگر انتخاب دوز مناسب داروی اریتروپویتین جهت مقابله با کم خونی بیماران همودیالیزی، و با توجه به قیمت بالا و عوارض این دارو، از اهمیت بالایی برخوردار است. لذا این پژوهش به منظور پیشبینی دوز داروی اریتروپویتین و شناسایی عوامل اثرگذار بر انتخاب دوز مناسب این دارو از رویکردهای داده کاوی بهره برده و آنها را بر روی داده جمع آوری شده از بیماران همودیالیزی اعمال میکند. مواد و روش ها:. داده های پژوهش از مرکز دیالیزی در تهران جمع آوری شده است. فرض می شود ورودی مسئله، مشخصه های شش ماهه متوالی از بیمار به همراه مقدار داروی اریتروپویتین مورد استفاده تاکنون است. جهت اعمال رویکردهای داده کاوی بر این دادهها، آن را تبدیل به یک بردار ویژگی مشخصه نموده و از روشهای ماشین بردار پشتیبان و جنگل تصادفی برای پیشبینی مقدار تجویز دارو استفاده میشود. یافته ها: نتایج حاصل از این تحقیق نشان میدهد مقادیر داروی تجویز شده در ماههای قبل بر مقدار دارو در ماه بعدی تاثیرگذار است. الگوریتم جنگل تصادفی با متوسط صحت ۹۰ درصد و ماشین بردار پشتیبان با متوسط صحت ۷۹ درصد در بهترین حالت، قادر به پیشبینی دوز داروی تجویزی هستند. استنتاج: این تحقیق با شناسایی ویژگی های موثر بر درمان بیماران همودیالیزی وکنترل کم خونی، سبب صرفهجویی در هزینه و زمان شده و از عوارض ناشی از تجویز بیش از حد دارو و افزایش هموگلوبین بیمار، خواهد کاست.

کلیدواژه ها:

Data mining ، prediction ، erythropoietin ، hemodialysis patients