تعیین عوامل موثر بر مرگ و میر بیماران سوختگی با استفاده از الگوریتم داده کاوی درخت تصمیم

مقدمه: در سال های اخیر استفاده از روش های داده کاوی روی حجم زیادی از داده ها با هدف تولید مدل ها و الگوهای پیش بینی کننده در حیطه های متعدد پزشکی رواج یافته است. در این مطالعه پژوهشگران قصد دارند با استفاده از الگوریتم داده کاوی درخت تصمیم، عوامل موثر بر مرگ ومیر بیماران سوختگی را مشخص نمایند.روش کار: این پژوهش توصیفی گذشته نگر است که مبتنی بر اطلاعات پرونده های بیمارستانی می باشد. در مجموع 4804 پرونده پزشکی مربوط به بیماران سوختگی، مورد بررسی قرار گرفت. داده های گردآوری شده با استفاده از نرم افزارهای تحلیل آماری spss-16 و داده کاوی clementine-12 و از طریق الگوریتم (chi-squared automatic interaction detection: chaid) مورد تجزیه و تحلیل قرار گرفتند. یافته ها: مدل پیش بینی فوت و زنده ماندن برای بیماران سوختگی که کارایی آن توسط پژوهشگران اثبات گردید، به ترتیب اهمیت شامل درصد سوختگی، درجه سوختگی، مدت زمان بستری، جنسیت و سن می باشد. سایر متغیرهای مورد مطالعه شامل کشت خون، کشت زخم، کشت ادرار، عامل سوختگی و ماه بستری بیمار در کارایی مدل تاثیری نداشتند. نتیجه گیری: با توجه به میانگین دقت مدل پیشنهادی(تقریباً 95درصد) و میانگین دقت مدل روی داده های آزمون(تقریباً 95درصد)، مدل پیشنهادی معتبر و قابل استناد می باشد. در حقیقت، نتایج این مطالعه یک مدل جامع، دقیق و معتبر پیش بینی فوت و زنده ماندن بیماران سوختگی را بر اساس متغیرهای فوق الذکر که بعضی از آن‌ها با نتایج سایر پژوهشگران مطابقت دارد پیشنهاد می کند. لذا چنین مدلی می تواند به عنوان یک معیار مهم ارزیابی جهت درمان موثر بیماران سوختگی مورد استفاده قرار بگیرد.کلیدواژه‌ها: داده کاوی، درخت تصمیم، سوختگی