ایجاد مدل تصمیم غربال‌گری بر اساس میزان خطر ابتلا به سرطان کولورکتال

زمینه و هدف:سرطان کولورکتال از شایع ترین سرطان های دستگاه گوارش در انسان و مهم ترین عامل مرگ و میر در جهان محسوب می شود. استفاده از برنامه ی غربال گری مناسب بر اساس میزان خطر ابتلا به سرطان کولورکتال در افراد، می تواند در پیشگیری از این بیماری مناسب باشد. بنابراین، هدف این پژوهش طراحی مدلی برای غربال گری سرطان کولورکتال بر اساس ریسک فاکتورها بود تا بتوان از یک سو میزان بقای این بیماری را در سطح جامعه افزایش داد و از سوی دیگر میزان مرگ و میر کاهش یابد.روش بررسی: ابتدا با مرور مقالات و بررسی اطلاعات موجود در پرونده بیماران، 38 ریسک فاکتور کشف شدند، برای تعیین مهم ترین ریسک فاکتورها از بعد بالینی، ازcontent validity ratio (cvr) و از نظر آماری و با توجه به مجموعه داده گرد آوری شده از روش های آماری ضریب همبستگی اسپیرمن و تحلیل رگرسیون لجیستیک استفاده گردید. سپس از چهار الگوریتم تولید قوانین j48، jrip، part و reptree برای داده کاوی استفاده شد و مناسب ترین مدل بر اساس مقایسه میزان عملکرد الگوریتم‌ ها به‌ دست آمد.یافته‌ ها: پس از مقایسه عملکرد الگوریتم‌ ها، الگوریتم داده ‌کاوی j48 با میزان fmeasure 0/889، عملکرد بالاتری نسبت به سایر الگوریتم ‌ها داشته است. نتیجه ‌گیری: نتایج حاصل از ارزیابی عملکرد الگوریتم داده ‌کاوی j48 نشان داد که این الگوریتم می‌ تواند به عنوان مناسب ترین مدل تعیین خطر ابتلا به سرطان کولورکتال در نظر گرفته شود.

Decision Model Making for Colorectal Cancer Screening Based on Risk Determination

Background and Aim: Colorectal cancer is one of the most common gastrointestinal cancers among human beings and the most important cause of death in the world. Based on the risk of colorectal cancer for individuals, using an appropriate screening program can help to prevent the disease. Therefore, the purpose of this study was to design a model for screening colorectal cancer based on risk factors to increase the survival rate of the disease on the one hand and to reduce the mortality rate on the other.Materials and Methods: By reviewing articles and patientschr('39') records, 38 risk factors were detected. To determine the most important risk factors clinically, CVR(content validity ratio) was used; and considering the collected data, Spearman correlation coefficient and logistic regression analysis were applied for statistical analyses. Then, four algorithms J48, JRIP, PART and REPTree were used for data mining and rule generation. Finally, the most common model was obtained based on comparing the performance of the algorithms.Results: After comparing the performance of algorithms, the J48 algorithm with an FMeasure of 0.889 was found to be better than the others.Conclusion: The results of evaluating J48 data mining algorithm performance showed that this algorithm could be considered as the most appropriate model for colorectal cancer risk prediction.