طراحی سیستم پشتیبان برای پیش بینی بقای بیماران مبتلا به سرطان ملانوم مبتنی بر الگوریتم های داده کاوی
- سال انتشار: 1402
- محل انتشار: فصلنامه تحقیقات نظام سلامت، دوره: 19، شماره: 2
- کد COI اختصاصی: JR_HSR-19-2_009
- زبان مقاله: فارسی
- تعداد مشاهده: 116
نویسندگان
PhD Student, Department of Information Technology Management, School of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran
Assistant Professor, Department of Industrial Management, School of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran
Professor, Department of Information Technology Management, School of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran
Professor, Department of Industrial Management, School of Management and Economics, Tarbiat Modares University, Tehran, Iran
چکیده
مقدمه: ملانوم از جمله شایع ترین سرطان های تشخیصی و دومین علت مرگ ناشی از سرطان در میان افراد است. این بیماری، نادرترین و بدخیم ترین نوع سرطان پوست به شمار می رود و در شرایط پیشرفته، توانایی انتشار به ارگان های داخلی را دارد و می تواند منجر به مرگ شود. چندین سال است که در ایران داده های قابل توجهی درباره ملانوم چه به صورت دستی و چه به شکل الکترونیکی، به علت شیوع آن و هزینه های بالایی که بر سیستم بهداشت و درمان کشور به جای می گذارد، جمع آوری شده، اما با وجود این داده های ارزشمند، سیستم بهداشتی هنوز از پتانسیل بالای داده کاوی در پیش بینی بقای بیماران مبتلا به ملانوم غافل مانده است. پژوهش حاضر با هدف طراحی سیستم هوشمند برای پیش بینی بقای بیماران مبتلا به ملانوم انجام شد. روش ها: این مطالعه از نظر ماهیت، کاربردی و از نظر روش، توصیفی- تحلیلی و گذشته نگر بود. جامعه تحقیق را بیماران مبتلا به سرطان ملانوم پایگاه داده مرکز تحقیقات کشوری سرطان وابسته به دانشگاه شهید بهشتی، واقع در بیمارستان شهدای تجریش (بین سال های ۱۳۸۷ تا ۱۳۹۲) که تا ۵ سال مورد پیگیری قرار گرفته بودند (۴۱۱۸ نفر)، تشکیل داد. برای طراحی سیستم پشتیبان پیش بینی بقای سرطان ملانوم، از نرم افزارهای SPSS و Weka استفاده شد. مدل نهایی پیش بینی بقای سرطان ملانوم بر اساس شاخص های ارزیابی الگوریتم های داده کاوی انتخاب گردید. یافته ها: الگوریتم های شبکه عصبی، Bayes ساده، Bayesian network (BN) و ترکیب درخت تصمیم گیری با Bayes ساده، رگرسیون لجستیک، J۴۸ و ID۳ به عنوان مدل های استفاده شده پایگاه داده کشور انتخاب شدند. بر اساس یافته ها، شبکه عصبی با مقدار ۹۷/۰ از لحاظ دقت و ۰۳/۹۱ از لحاظ ویژگی، عملکرد بهتری داشت. نتیجه گیری: عملکرد شبکه عصبی در همه شاخص های ارزیابی از لحاظ آماری نسبت به سایر الگوریتم های منتخب بالاتر بود. بنابراین، الگوریتم شبکه عصبی به عنوان سیستم پشتیبان پیش بینی بقای سرطان ملانوم انتخاب گردید.کلیدواژه ها
Data mining, Prediction, Melanoma, Disease survival, Neural networks, Support system, داده کاوی, پیش بینی, ملانوم, بقای بیماری, شبکه های عصبی, سیستم پشتیباناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.