کاربرد داده کاوی در پیش بینی بقای پیوند کلیه و شناسایی متغیرهای تاثیرگذار در بقای کلیه پیوندی

مقدمه: نارسایی مزمن کلیه از بیماری های شایع در ایران و جهان است و پیوند کلیه روش درمانی مناسب و موثرترین راهبرد در بین بیماران مبتلا به نارسایی مزمن کلیه است. این مطالعه جهت پیش بینی بقای کلیه پیوندی و شناسایی عوامل موثر بر آن و ارائه یک مدل به منظور صحت پیش بینی بالاتر انجام شد. روش: مطالعه حاضر به روش گذشته نگر بر روی داده های ۴۲۳ مورد پرونده بیماران پیوند کلیه در سال های ۹۰-۱۳۸۵ در مرکز آموزشی-درمانی افضلی پور شهر کرمان انجام گرفت. از طبقه بند های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان جهت پیش بینی بقای پیوند کلیه و از همجوشی اطلاعات برای ترکیب نتایج طبقه بندهای ذکر شده، به منظور طراحی مدلی با صحت بالاتر استفاده شد. همچنین، برای شناسایی متغیرهای تاثیرگذار در بقای کلیه پیوندی از الگوریتم ژنتیک و جهت تحلیل داده ها و اجرای الگوریتم ها از نرم افزارهای Clementine ۱۲ و Weka استفاده شد. نتایج: صحت حاصل از سه روش شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان به ترتیب برابر با ۹۴ ، ۹۲و ۹۲ درصد و صحت به دست آمده از روش همجوشی اطلاعات برابر ۹۵/۷۴درصد بوده است. همچنین، ویژگی های شاخص توده بدنی و جنسیت گیرنده، سن دهنده، همسانی گروه خونی دهنده و گیرنده و سابقه پیوند کلیه توسط الگوریتم ژنتیک به عنوان متغیر های تاثیرگذار در بقای پیوند کلیه شناسایی شد که صحت پیش بینی مدل پیشنهادی با این تعداد ویژگی ۹۱/۶۷درصد بوده است. نتیجه گیری: با استفاده از همجوشی اطلاعات، می توان صحت نتایج طبقه بندها را افزایش داد. همچنین، الگوریتم ژنتیک روش مناسبی جهت شناسایی ویژگی های بهینه است.

کلیدواژه ها:

Information fusion ، Neural Network ، Decision Tree ، Support Vector Machine ، Genetic Algorithm ، همجوشی اطلاعات ، شبکه عصبی ، درخت تصمیم ، ماشین بردار پشتیبان ، الگوریتم ژنتیک