این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت سلامت، جلد ۱۶، شماره ۵۴، صفحات ۳۴-۴۵
عنوان فارسی تعیین عوامل مؤثر بر مرگ­ ومیر بیماران سوختگی با استفاده از الگوریتم داده­کاوی درخت تصمیم
چکیده فارسی مقاله مقدمه: در سال­های اخیر استفاده از روش­های داده­کاوی روی حجم زیادی از داده­ها با هدف تولید مدل­ها و الگوهای پیش­بینی­کننده در حیطه­های متعدد پزشکی رواج یافته است. در این مطالعه پژوهشگران قصد دارند با استفاده از الگوریتم داده­کاوی درخت تصمیم، عوامل موثر بر مرگ­ومیر بیماران سوختگی را مشخص نمایند. روش کار: این پژوهش توصیفی گذشته­نگر است که مبتنی بر اطلاعات پرونده­های بیمارستانی می­باشد. در مجموع 4804 پرونده پزشکی مربوط به بیماران سوختگی، مورد بررسی قرار گرفت. داده­های گردآوری شده با استفاده از نرم افزارهای تحلیل آماری SPSS-16 و داده­کاوی Clementine-12 و از طریق الگوریتم (Chi-squared Automatic Interaction Detection: CHAID) مورد تجزیه و تحلیل قرار گرفتند. یافته­ها: مدل پیش­بینی فوت و زنده­ماندن برای بیماران سوختگی که کارایی آن توسط پژوهشگران اثبات گردید، به ترتیب اهمیت شامل درصد سطح سوختگی، درجه سوختگی، مدت زمان بستری، جنسیت و سن می­باشد. سایر متغیرهای مورد مطالعه شامل کشت خون، کشت زخم، کشت ادرار، عامل سوختگی و ماه بستری بیمار در کارایی مدل تاثیری نداشتند. نتیجه­گیری: با توجه به میانگین دقت مدل پیشنهادی(تقریباً 95درصد) و میانگین دقت مدل روی داده­های آزمون(تقریباً 95درصد)، مدل پیشنهادی معتبر و قابل استناد می­باشد. در حقیقت، نتایج این مطالعه یک مدل جامع، دقیق و معتبر پیش­بینی فوت و زنده­ماندن بیماران سوختگی را بر اساس متغیرهای فوق­الذکر که بعضی از آن‌ها با نتایج سایر پژوهشگران مطابقت دارد پیشنهاد می­کند. لذا چنین مدلی می­تواند به عنوان یک معیار مهم ارزیابی جهت درمان موثر بیماران سوختگی مورد استفاده قرار بگیرد.
کلیدواژه‌های فارسی مقاله داده­کاوی، درخت تصمیم، سوختگی
عنوان انگلیسی Determining of the Factors Affecting Mortality in Burn Patients Using a Decision Tree Data Mining Algorithm
چکیده انگلیسی مقاله Introduction : Using data mining to develop prediction models from large amounts of data in medicine has become increasingly popular during the recent years. In this study, we intend to use a decision tree data mining algorithm in order to identify factors influencing mortality in burn patients. Methods: The present retrospective descriptive study is based on burning patients’ records. Overall, the medical records of 4804 patients were scrutinized. The collected data were analyzed using statistical software (SPSS version 16), data mining software (Clementine version 12), and CHAID algorithm. Results: The resulting model for predicting survival and mortality of burning patients included the percentage of Total Burn Surface Area (TBSA %), degree of burn, length of stay, gender, and age of patients. Other variables including blood cultures, wound cultures, urine cultures, and the months of patient hospitalization had no effect on improving the efficiency of the model. Conclusion: The proposed model is valid and reliable due to its accuracy (approximately 95%). In fact, the results of this study, some of which are consistent with the results of other studies, can propose a comprehensive, accurate, and reliable local model for predicting mortality and survival of burning patients based on the mentioned variables. Thus, this local model can be used as an important criterion for evaluating the effective treatment of burn patients.
کلیدواژه‌های انگلیسی مقاله Data Mining, Decision Tree, Burn
نویسندگان مقاله امیرعباس عزیزی | aa azizi
دانشگاه علوم پزشکی مشهد
سازمان اصلی تایید شده: دانشگاه علوم پزشکی مشهد (Mashhad university of medical sciences)

جواد زارعی | j zarei
دانشگاه علوم پزشکی جندی شاپور اهواز
سازمان اصلی تایید شده: دانشگاه علوم پزشکی جندی شاپور اهواز (Ahvaz jundishapur university of medical sciences)

احسان نبوتی | e nabovati
دانشگاه علوم پزشکی مشهد
سازمان اصلی تایید شده: دانشگاه علوم پزشکی مشهد (Mashhad university of medical sciences)

حسن وکیلی ارکی | h vakili arki
دانشگاه علوم پزشکی مشهد
سازمان اصلی تایید شده: دانشگاه علوم پزشکی مشهد (Mashhad university of medical sciences)

ابراهیم عباسی | e abbasi
دانشگاه علوم پزشکی مشهد
سازمان اصلی تایید شده: دانشگاه علوم پزشکی مشهد (Mashhad university of medical sciences)

امیررضا رضوی | ar razavi
مشهد، میدان آزادی، پردیس دانشگاه، گروه آموزشی انفورماتیک پزشکی

نشانی اینترنتی http://jha.iums.ac.ir/browse.php?a_code=A-10-498-5&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات