این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت سلامت، جلد ۲۱، شماره ۷۴، صفحات ۹-۱۸
عنوان فارسی ارائه الگوی ترکیبی داده‌کاوی برای سنجش افت فشار خون بیماران همودیالیزی
چکیده فارسی مقاله مقدمه: افت فشار خون حین دیالیز در بیمارانی که به مدت طولانی تحت دیالیز قرار می­گیرند، اغلب با افزایش مرگ و میر همراه است. پژوهش حاضر با هدف سنجش میزان افت فشارخون بیماران همودیالیزی به ارائه مدلی پیش بینانه از طریق داده­کاوی توصیفی پرداخته است. زیرا، افت فشار خون شایع­ترین عارضه جدی حین همودیالیز است. روش ­ها: پژوهش حاضر به روش توصیفی- مقطعی صورت گرفته است. جامعه­ی پژوهش متشکل از داده­ های بیمارستان علی ابن ابی طالب (ع) زاهدان در خردادماه 95 است. جهت تحلیل داده ­ها از نرم افزار Clementine12.0 استفاده شده است.  برای مدل­سازی از الگوریتم­های K-Means،  C5.0 و CART استفاده گردید. یافته ‏ها: پارامترهای تاثیرگذار در میزان افت فشار خون شامل نوع صافی و دور پمپ بود. بررسی خوشه­بندی و قوانین استخراج شده از مدل، اهمیت تاثیر نوع صافی و دور پمپ را تصدیق نمود. نتیجه­ گیری: استفاده از رو­ش ­های نوین مدل­سازی برای تحلیل وکشف ارتباطات بین داده ­های دیالیز، باعث ایجاد تغییر در نحوه­ی نگرش پرسنل بخش دیالیز نسبت به روند انجام دیالیز و مراقبت ­های لازم حین آن می ­شود. سنجش میزان افت فشار خون بیماران دیالیزی به شناسایی سریع­تر و دقیق­تر افت فشار و مدیریت صحیح و پیشگیرانه کمک می­نماید و منجر به ارتقای عملکرد بخش دیالیز می­ گردد. مطالعه حاضر نشان داد نوع صافی به جهت تاثیر آن روی افت فشار خون بیمار اهمیت دارد.
کلیدواژه‌های فارسی مقاله داده­ کاوی، درخت تصمیم، افت فشار خون، همودیالیز
عنوان انگلیسی A Synthetic Data Mining Model for Evaluating Hypotension in Hemodialysis Patients
چکیده انگلیسی مقاله Introduction: Hypotension during Hemodialysis often increases mortality in patients undergoing dialysis for a long time. Hypotension is the most frequent adverse event during hemodialysis; therefore, the present study was conducted to investigate hypotension value of patients and present a predictive model using descriptive data mining. Methods: In this cross-sectional study, conducted from May-June 2016, the data were extracted from Ali Ibn Abi Talib hospital in Zahedan and were then analyzed using Clementine 12.0. The model was presented using K-Means, C5.0 and CART algorithms. Results: According to the findings the parameters influencing hypotension were buffer type and blood flow the importance of which was verified through clustering and the extracted rules from the model. Discussion: The use of new modelling methods to analyze dialysis data and discover the existing relationships among them, changes the attitudes of dialysis personnel towards the process of dialysis and dialysis care. The evaluation of hypotension in hemodialysis patients helps a faster and more precise identification of hypotension. It would also facilitate proper and preventive management which enhances performance in dialysis centers. The study highlighted the importance of buffer type due to its effect on hypotension.
کلیدواژه‌های انگلیسی مقاله Data Mining, Decision Tree, Hypotension, Hemodialysis
نویسندگان مقاله علیرضا صبح خیزی | Alireza Sobhkhizi
School of Agriculture, Higher Educational Complex of Saravan, Saravan, Iran
دانشکده کشاورزی، مجتمع آموزش عالی سراوان، سراوان،

مریم عاشوری | Maryam Ashoori
2. School of Technical and Engineering, Higher Educational Complex of Saravan, Saravan, Iran; Corresponding author (mashoori@saravan.ac.ir )
دانشکده فنی و مهندسی، مجتمع آموزش عالی سراوان، سراوان

نشانی اینترنتی http://jha.iums.ac.ir/browse.php?a_code=A-10-1121-8&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/52/article-52-1133247.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات