شنبه 1 دی 1403
[Archive]
دوره 19، شماره 11 - ( 9-1400 )
جلد 19 شماره 11 صفحات 968-959 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Manoochehri Z, Manoochehri S, Soltani F, Tapak L, Sadeghifar M. Predicting preeclampsia and related risk factors using data mining approaches: A cross-sectional study. IJRM 2021; 19 (11) :959-968
URL: http://ijrm.ir/article-1-1989-fa.html
URL: http://ijrm.ir/article-1-1989-fa.html
پیش بینی پره اکلامپسی و ریسک فاکتورهای مرتبط با استفاده از روش های داده کاوی: یک مطالعه مقطعی. International Journal of Reproductive BioMedicine. 1400; 19 (11) :959-968
چکیده: (1863 مشاهده)
مقدمه: پرهاکلامپسی نوعی از اختلالات فشار خون بارداری است که دارای عوارض نامطلوبی برای مادر و جنین میباشد. علی‌رغم پیشرفت‌های اخیر در اتیولوژی پرهاکلامپسی، تاکنون هیچ تست غربالگری بالینی مناسبی جهت تشخیص این اختلال شناخته نشده است.
هدف: هدف ما ارائه مدلی بر مبنای رویکردهای داده‌کاوی بود تا بتوان از آن به‌عنوان یک ابزار کمک غربالگری به‌منظور شناسایی بیماران دارای این سندروم استفاده نمود و همچنین به شناسایی ریسک فاکتورهای مرتبط با آن نیز پرداختیم.
مواد و روش ها: داده‌های مورد استفاده برای انجام این مطالعه مقطعی از پرونده‌های بالینی726 مادر مبتلا به پرهاکلامپسی و 726 مادر فاقد پرهاکلامپسی که طی سال‌های 1394-۱۳84 به بیمارستان فاطمیه شهر همدان مراجعه کرده‌اند استخراج شد. در این مطالعه 6 روش داده کاوی مرسوم شامل رگرسیون لجستیک،k - نزدیکترین همسایگی، درخت تصمیم C50، تحلیل ممیزی، جنگل تصادفی و ماشین بردار پشتیبان بر روی دادهها برازش یافته و عملکرد آنها با بهره‌گیری از معیارهای دقت، حساسیت و ویژگی مورد مقایسه قرار گرفت.
نتایج: متغیرهای بیماری زمینهای، سن، فصل بارداری و تعداد حاملگیها مهمترین ریسک فاکتورها در تشخیص بیماری پرهاکلامپسی بودند. دقت بدست آمده برای مدلها به ترتیب عبارتند از: رگرسیون لجستیک (713/0)، KNN (742/0)، درخت تصمیم (788/0) C5.0، تحلیل ممیزی (687/0)، جنگل تصادفی (758/0)، ماشین بردار پشتیبان (791/0).
نتیجه گیری: در میان روشهای داده کاوی برازش داده شده در این مطالعه SVM عملکرد مناسبی در پیش‌بینی پرهاکلامپسی از خود به نمایش گذاشته است؛ بنابراین این مدل می‌تواند به‌عنوان یک ابزار کمک غربالگری جهت تشخیص این اختلال مورد توجه واقع شود.
هدف: هدف ما ارائه مدلی بر مبنای رویکردهای داده‌کاوی بود تا بتوان از آن به‌عنوان یک ابزار کمک غربالگری به‌منظور شناسایی بیماران دارای این سندروم استفاده نمود و همچنین به شناسایی ریسک فاکتورهای مرتبط با آن نیز پرداختیم.
مواد و روش ها: داده‌های مورد استفاده برای انجام این مطالعه مقطعی از پرونده‌های بالینی726 مادر مبتلا به پرهاکلامپسی و 726 مادر فاقد پرهاکلامپسی که طی سال‌های 1394-۱۳84 به بیمارستان فاطمیه شهر همدان مراجعه کرده‌اند استخراج شد. در این مطالعه 6 روش داده کاوی مرسوم شامل رگرسیون لجستیک،k - نزدیکترین همسایگی، درخت تصمیم C50، تحلیل ممیزی، جنگل تصادفی و ماشین بردار پشتیبان بر روی دادهها برازش یافته و عملکرد آنها با بهره‌گیری از معیارهای دقت، حساسیت و ویژگی مورد مقایسه قرار گرفت.
نتایج: متغیرهای بیماری زمینهای، سن، فصل بارداری و تعداد حاملگیها مهمترین ریسک فاکتورها در تشخیص بیماری پرهاکلامپسی بودند. دقت بدست آمده برای مدلها به ترتیب عبارتند از: رگرسیون لجستیک (713/0)، KNN (742/0)، درخت تصمیم (788/0) C5.0، تحلیل ممیزی (687/0)، جنگل تصادفی (758/0)، ماشین بردار پشتیبان (791/0).
نتیجه گیری: در میان روشهای داده کاوی برازش داده شده در این مطالعه SVM عملکرد مناسبی در پیش‌بینی پرهاکلامپسی از خود به نمایش گذاشته است؛ بنابراین این مدل می‌تواند به‌عنوان یک ابزار کمک غربالگری جهت تشخیص این اختلال مورد توجه واقع شود.
واژه‌های کلیدی: پره اکلامپسی، جنگل تصادفی، رگرسیون لجستیک، درخت تصمیم C5.0، ماشین بردار پشتیبان، رگرسیون لجستیک.
نوع مطالعه: Original Article |
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
