کاربرد فن های داده کاوی در پیش بینی احتمال بقای بیماران مبتلابه سرطان سینه

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 358

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

THPC02_113

تاریخ نمایه سازی: 24 مهر 1398

چکیده مقاله:

مقدمه : در حال حاضر سرطان سینه، شایع ترین سرطان در میان زنان در سراسر جهان است. به گونه ای که 2/24 درصد سرطان هایی که در زنان در سال 2018 شناسایی شده، سرطان سینه هست. بررسی میزان بقا در بیماران مبتلابه سرطان سینه، به عنوان شاخصی جهت ارزیابی و ارتقا روش های مختلف درمانی قلمداد شده و از اهمیت ویژه ای برخوردار هست. طی سالیان اخیر از فن های داده کاوی برای پیش بینی احتمال بقا در بیماران مبتلابه سرطان استفاده شده است. با توجه به اهمیت شناسایی عوامل تاثیرگذار بر احتمال بقای این بیماران، پژوهشگران قصد دارند در این مطالعه به این سوال پاسخ دهند که کدام یک از فن های داده کاوی در پیش بینی احتمال بقای بیماران مبتلابه سرطان سینه عملکرد بهتری داشته است.روش کار : این مطالعه از نوع مروری روایتی است. به منظور گردآوری داده ها، پایگاه های داده medline، science direct، web of science و موتور جستجو google scholar با استفاده از کلیدواژه های breast cancer ، survivability ، prediction و data mining و ترکیب این کلیدواژه ها با یکدیگر مورد جستجو قرار گرفت. مطالعاتی که به زبان انگلیسی و فارسی و مرتبط با به کارگیری یک یا چند فن داده کاوی در پیش بینی احتمال بقا در فاصله ی سال های 2005 تا 2018 منتشرشده بودند، استخراج شدند. پس از استخراج مقالات، آن دسته از مقالاتی که از فن های داده کاوی در حوزه های مانند تشخیص ، عود و تعیین بدخیم و خوش خیم بودن سرطان سینه استفاده کرده بودند، کنار گذاشته شدند.یافته ها : پس از جستجو، تعداد 170مقاله بازیابی شد. پس از حذف موارد تکراری و ارزیابی مقالات درنهایت 15 مقاله مورداستفاده قرار گرفت. نتایج نشان داد که در مطالعات موردبررسی درمجموع از 7 فن شبکه ی عصبی، درخت تصمیم، رگرسیون، ماشین بردار پشتیبان، بیزین، k- نزدیک ترین همسایه و دسته بندی نیمه خودکار در محاسبه ی احتمال بقا در زنان مبتلابه سرطان سینه استفاده شد. فن درخت تصمیم و مشتقات آن در 6 مقاله (40 درصد) به عنوان بهترین فن ازلحاظ میزان صحت نتایج انتخاب شد. نتیجه گیری : در تشخیص احتمال بقا، استفاده از فن درخت تصمیم عملکرد بهتری داشته است. به نظر می رسد می توان با مبنا قرار دادن این فن و ترکیب آن با سایر فن های پرکاربرد داده کاوی در این زمینه، به نتایج دقیق تر دست یافت.

نویسندگان

محمد ستاری

گروه مدیریت و فناوری اطلاعات سلامت، دانشکده مدیریت و اطلاعرسانی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران.

حسین باقریان

مرکز تحقیقات فناوری اطلاعات در امور سلامت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران.