این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران، جلد ۷۵، شماره ۱، صفحات ۰-۰
عنوان فارسی تجزیه تحلیل علائم بالینی بیماران مبتلا به اِسکلروزِ چندگانه با استفاده از داده کاوی
چکیده فارسی مقاله زمینه و هدف: امروزه اکثر مراکز پزشکی و درمانی با حجم زیادی از داده های جمع آوری شده در مورد بیماری های مختلف و فاکتورهای موثر در بروز هر بیماری روبرو هستند. هدف اصلی، تجزیه وتحلیل این داده ها و استخراج الگوهای مفید برای کمک به پیشرفت علم پزشکی می باشد. حجم زیاد پایگاه های داده منجر به سردرگمی و مانع رسیدن به نتیجه مطلوب می شود. تکنیک های داده کاوی از معروف ترین روش ها به منظور استخراج دانش و اطلاعات نهان و ارزشمند در حیطه پزشکی می باشند و از جمله مهمترین دستاوردهای آن می توان به کمک رسانی در زمینه تشخیص نوع بیماری و یا انتخاب نوع درمان اشاره کرد. در این مقاله، داده کاوی بر روی اطلاعات مربوط به بیماران مبتلا به اِسکلروزِ چندگانه (MS) انجام شده است. هدف از این مطالعه پرداختن به دو مسئله است: 1.شناخت علائم بالینی تاثیرگذار بر روی بیماری MS 2. بررسی میزان تاثیرگذاری فاکتورهای مختلف دراین بیماری و رابطه بین این فاکتورها با انواع دسته بندی موجود بیماری. روش بررسی: داده ها مربوط به بیماران MS مربوط به استان چهارمحال و بختیاری می باشند که توسط معاونت درمان این استان جمع آوری شده اند. پس از انجام مراحل پیش پردازش داده ها، تکنیک های داده کاوی به منظور تحلیل دادها به کار گرفته شده است و در نهایت درخت تصمیم مربوط به هر مسئله استخراج گردیده است. یافته‌ها: در این مطالعه در بررسی مسئله اول مشخص شد که بیشترین علائم تاثیرگذار در این بیماری علائم بالینی – بینایی می باشد و در بررسی مسئله دوم نتایج حاصل شده نشان می دهند که نسبت ابتلا زنان به مردان 4 برابر می باشد. در واقع 70 درصد از افراد مبتلا، با تحصیلات بالاتر از دیپلم در دسته عود کننده_بهبود یابنده قرار گرفته اند و 62.5 درصد از افراد در محدوده سنی 20 تا 40 سال هستند. نتیجه‌گیری: وجود بعضی از علائم MS در افراد کاملا موقت و گذراست و در بسیاری از موارد توسط افراد نادیده گرفته می شود که در صورت اطلاع از نحوه شیوع علائم بالینی می تواند یک اخطار برای افراد قبل از شروع دوره بحرانی بیماری باشد که به نوبه خود و با توجه به ماهیت مزمن بیماری می تواند موجب تشخیص سریعتر، درمان موثرتر و تا حدی جلوگیری از پیشرفت بیماری شود.
کلیدواژه‌های فارسی مقاله مولتیپل اسکلروزیس، داده کاوی، دسته بندی، درخت تصمیم گیری
عنوان انگلیسی Analyzing Clinical symptoms in MS using Data Mining
چکیده انگلیسی مقاله Background: One of the today most common and incurable diseases that is associated with central neural system is ‘MS’ disease. In this disease become apparent a wide spectrum of symptoms such as lose muscles control and their coordination and vision derangement. The goal of this research is to consider to two problems: 1.Recognization of effective clinical symptoms on MS disease and 2. Considering levels of effectiveness of age, sex and education levels factors on MS disease and association between these factors according to verity of categories of this disease. Methods: Data mining science in medicine is worthy of attention with main application in diagnosis, therapy and prognosis, respectively high volume of collected datum. These datum are about patients of Chahar mahal and Bakhtiari province and collected by cure assistance. In this paper classification and association methods are used. Results: In consideration of first problem in this paper, concluded vision_clinical symptoms are the most effective symptoms and in consideration of second problem, concluded that from 584 records, women affected 4 times more than men. In other word 70% of MS patients with high graduate are in Relapsing – Remitting category and 62.5% of MS patients are 20-40 years old. Conclusion: Some of symptoms are quite temporary and transitory and are ignored by people. Awareness of clinical-symptoms prevalence manner can be warning for people before starting critical cycle of illness that is to cause fast diagnosis, effective therapy and even progress prevention, respectively to MS chronicity.
کلیدواژه‌های انگلیسی مقاله Multiple Sclerosis, data mining, classification, association
نویسندگان مقاله زهرا رییسی |
دانشگاه صنعتی شیراز
سازمان اصلی تایید شده: دانشگاه صنعتی شیراز (Shiraz university of technology)

مرضیه احمدزاده |
دانشگاه صنعتی شیراز
سازمان اصلی تایید شده: دانشگاه صنعتی شیراز (Shiraz university of technology)

پانته آ رمضان نژاد | ramezan nejad
دانشگاه علوم پزشکی شهید بهشتی
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)

شهرام ترحمی |
دانشگاه جندی شاپور اهواز

نشانی اینترنتی http://tumj.tums.ac.ir/browse.php?a_code=A-10-1995-1&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده علوم اعصاب
نوع مقاله منتشر شده مقاله اصیل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات