تعیین عوامل خطرزا و ارایه مدل پیش‌آگهی آمبولی ریه بیماران بستری با استفاده از شبکه‌های بیزی

مقدمه و اهداف: آمبولی ریه یک رویداد بالقوه کشنده و در عین حال شایع است که در سال های اخیر باعث افزایش تدریجی تعداد بستری های ناشی از آن در بیمارستان ها شده است. به همین دلیل، یکی از چالش برانگیزترین بیماری ها نزد پزشکان به حساب می آید. هدف اصلی از این پژوهش، گزارش یک پروژه تحقیقاتی به منظور مقایسه الگوریتم های مختلف داده کاوی برای انتخاب دقیق ترین مدل برای پیش بینی وقوع آمبولی ریه در بیماران بستری است که به فراهم کردن دانش مورد نیاز کادر درمانی در تصمیم گیری بهتر کمک می کند.روش کار: در این پژوهش تلاش شد تا با استفاده از روش های مختلف یادگیری ماشین، یک مدل پیش بینی طراحی شود که بهترین عملکرد در پیش بینی احتمال وقوع آمبولی ریه در بیماران بستری در معرض خطر را داشته باشد. از میان الگوریتم های داده کاوی، از شبکه های بیزی و الگوریتم های درخت تصمیم j48، رگرسیون لجستیک و نیز بهینه سازی حداقل متوالی استفاده شد. داده های مورد استفاده تحقیق، عوامل خطرزا و سوابق گذشته مربوط به بیماران بستری بخش ریه بیمارستان شریعتی تهران بود.یافته ها: بررسی ها صورت گرفته نشان می دهد که صحت و ویژگی در تمام مدل های پیش بینی از عملکرد مطلوبی برخوردار بوده است، و مدل بیزی در پیش بینی وقوع آمبولی ریه، بیشترین میزان حساسیت را داشت.نتیجه گیری: یافته ها نشان می دهند اگر چه تفاوت کمی در عملکرد مد ل های پیش بینی وجود دارد، اما در این گونه داده ها برای پیش بینی وقوع آمبولی ریه در بیماران بستری، مدل شبکه بیزی ابزار مناسب تری است، که می تواند به عنوان روش حمایتی در کنار تصمیم های پزشکی قرار گیرد تا صحت پیش بینی بیماری ها را ارتقاء بخشد.