کاربرد داده کاوی پیش بینی کننده در پزشکی : مقایسه الگوهای منتخب در شناسایی زودهنگام بیماری مننژیت باکتریایی در ایران

کاربرد داده کاوی پیش بینی کننده در پزشکی : مقایسه الگوهای منتخب در شناسایی زودهنگام بیماری مننژیت باکتریایی در ایران

آکادمی داده

۱۳۹۷/۰۵/۰۵


  • 105 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

پژوهش حاضر با هدف بررسی کاربرد مدل های پیش بینی کننده در پزشکی به منظور شناسایی زود هنگام بیماری مننژیت باکتریایی حاد در کشور ایران می باشد که با استفاده از عناصر دادهای متناسب با اهداف پایش و نظارتی بیماری مننژیت مربوط به سال های 1388 و 1389 که از طریق فرم های الکترونیکی از سراسر کشور گردآوری شده و در پایگاه داده مرکز مدیریت بیماری های وزارت بهداشت درمان و آموزش پزشکی ذخیره می شود، انجام شد. 
در رسیدن به این هدف، مدل سازی بر اساس متغیر هدف تشخیص نهایی گروه بندی شده بر حسب موارد باکتریایی و غیر باکتریایی انجام شد. هدف از ساخت دو مدل پیش بینی کننده با تکنیک های SOTA و Naive Bayes به منظور شناسایی زودهنگام بیماری مننژیت، ایجاد مدل هایی حساس با Sensitive می باشد تا بتواند افرادی را که هر کدام از سه میکروارگانیسم باکتریایی را دارند شناسایی کند. بنابراین تا حد امکان False Negative آن باید پایین باشد تا اگر اعلام کرد که هر یک از این سه میکروارگانیسم هموفیلوس آنفلوانزا نوع b، نایسریامننژیتیدیس و استرپتوکوک پنمونی را ندارد اشتباه نکرده باشد. بنابراین همانطور که در جداول 2 و 3 مشاهده میشود، جداول Score کمترین مقادیر False Negative و حساسیت بالای 90 % را نشان می دهند. یعنی در مدل ساخته شده با تکنیک SOTA با حساسیت 94% و در مدل ساخته شده با تکنیک Naive Bayes با حساسیت  99.7 % می توان اعلام کرد که یکی از این سه میکروارگانیسم که مولد اپیدمی های خطرناک در جامعه می باشند شناسایی شده اند. کاربرد این مدل ها در سیستم های پایش و نظارتی در مدیریت سلامت می باشد زیرا به محض شناسایی هر کدام از این سه میکروارگانیسم باکتریایی پیشگیری دارویی در خصوص فرد بیمار باید آغاز گردد و از خطر گسترش اپیدمی در جامعه و مرگ و میر بیماران در پی آن جلوگیری شود.

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 


کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.