این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دیابت و متابولیسم ایران، جلد ۱۵، شماره ۴، صفحات ۲۲۵-۲۳۶
عنوان فارسی داده‌کاوی بالینی: مروری بر تکنیک‌های داده‌کاوی در دیابت
چکیده فارسی مقاله مقدمه: ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می‌کند که از این اطلاعات می‌توان برای شناسایی، درمان، مراقبت‌های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. از طرفی کاوش و بررسی حجم زیادی از این اطلاعات، نیازمند استفاده از روش‌های موثر و کارآمدی برای یافتن الگوهای مربوط در این اطلاعات می‌باشد که استفاده از تکنیک‌های مختلف داده‌کاوی به‌خصوص دسته‌بندی و الگوهای تکرار شونده می‌تواند کمک شایانی در این زمینه باشد. روش‌ها: پایگاه‌های اطلاعاتیScholar, Science Direct Google Scopus, Pubmed, با هدف یافتن مقالات، جستجو و مقالات انگلیسی منتشر شده در سال‌های 2005 تا 2015 مورد بررسی قرار گرفتند. مقالات به‌دست آمده از نظر جمعیت مورد مطالعه، مجموعه داده‌های مورد استفاده و روش‌های داده‌کاوی ارزیابی شدند. یافته‌ها: از میان 2144 مقاله به‌دست آمده در جستجوی اولیه، تعداد 38 مقاله مرتبط با موضوع مطالعه، انتخاب و مورد بررسی قرار گرفت. نتایج این بررسی نشان می دهد که الگوریتم های خوشه بندی، قوانین انجمنی و هوش مصنوعی از پرکاربردترین تکنیک‌های داده‌کاوی می‌باشند که برای تشخیص و پیش‌بینی احتمال ابتلا به بیماری دیابت با موفقیت مورد استفاده قرار گرفته‌اند. نتیجه‌گیری: پیاده‌سازی روشی که بتواند امکان ابتلا یا عدم ابتلای افراد به دیابت را مشخص کند، گام مهمی در کنترل بیماری دیابت خواهد بود. با توجه به مطالعات انجام شده، داده‌کاوی می‌تواند به‌عنوان روشی موثر در پیشگیری، درمان و کشف ارتباط بین بیماری دیابت و عوامل خطر آن، موجب پیشرفت‌های قابل توجه در حوزه تحقیقات دیابت و ارائه مراقبت‌های بهداشتی بهتر برای این گروه از بیماران باشد.
کلیدواژه‌های فارسی مقاله داده‌کاوی بالینی، داده‌کاوی دیابت، دیابت
عنوان انگلیسی CLINICAL DATA MINING: AN OVERVIEW OF DATA MINING TECHNIQUES IN DIABETES
چکیده انگلیسی مقاله Background: Provide a health care service to the patients with diabetes provides useful information that could be used to identify, treatment, following up and prevention of diabetes. Explore and investigation of large volumes of data requires effective and efficient methods for finding hiding patterns in the data. The use of various techniques of data mining in particular Classification and Frequent patterns can be helpful. Methods: This article is a narrative review. We searched keywords related to application of data mining in the field of diabetes, through related databases, in English language articles published from 2005 to 2015. Also related articles in the selected articles list have been analyzed. Results: From the 2144 articles obtained in the initial search, 38 articles related to the subject of study, were selected. Several studies shown that classification and clustering algorithms, association rules and artificial intelligence are the most widely used data mining techniques for predict the risk of diabetes has been successfully used. Conclusion: The important step in control of diabetes, use of the methods that could determine the possibility or lack of diabetes. According to studies conducted in this area seem to use data mining techniques to prevent, treat and discover the connection between diabetes and its risk factors, can lead to significant improvements in the field of diabetes research and provide better health care for this group of patients.
کلیدواژه‌های انگلیسی مقاله Clinical Data mining, Diabetes data mining, Diabetes
نویسندگان مقاله حامد مهدی زاده | hamed mehdizadeh
 school of paramedical sciences .darband st. quds sq. tajrish, tehran, postal code 1971653313. tel 021-22718531
تهران، تجریش، میدان قدس، ابتدای خیابان دربند، دانشکده پیراپزشکی، کد پستی 1971653313، تلفن 02122718531

علیرضا براآنی | alireza baraani
2. department of computer engineering, sharif university of technology, tehran, iran
گروه مهندسی کامپیوتر، دانشکده مهندسی کامپیوتر
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)

نشانی اینترنتی http://ijdld.tums.ac.ir/browse.php?a_code=A-10-402-1&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 تخصصی
نوع مقاله منتشر شده مروری
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات