مروری بر روش‌های تشخیص و پیش‌بینی بیماری‌های مزمن کلیوی با استفاده از تکنیک‌های داده‌کاوی

رشد چشم‌گیر بیماری کلیوی، اثرات و عوارض آنها و هزینه‌هایی که بر جامعه وارد می‌شود، باعث شده است که جامعه پزشکی به‌دنبال برنامه‌هایی برای پیش‌بینی و تشخیص زودهنگام این بیماری باشند. در سال‌های اخیر استفاده از تکنیک‌های داده‌کاوی در حوزه پزشکی از اهمیت بالایی برخوردار شده است. هدف از این مقاله مروری بر روش‌های مبتنی بر تکنیک‌های داده‌کاوی به منظور پیش‌بینی بیماری‌های مزمن کلیوی می‌باشد. در این مقاله قصد بر آن بوده تا جامعی از بیمارهای مزمن کلیوی، روش‌های تشخیص در حوزه پزشکی را گردآوری و بررسی نمود. بدین جهت در ابتدا بیمارهای مزمن کلیوی بررسی شده و پیرو این بررسی به بحث و تحلیل حوزه تشخیص زود هنگام این بیماری‌ها خواهیم پرداخت. در ادامه انواع الگوریتم‌های داده‌کاوی در تشخیص بیماری‌های مزمن کلیوی را معرفی خواهیم کرد. پس از آن به بحث در ارتباط با روش‌های تشخیص و پیش‌بینی بیمارهای مزمن کلیوی خواهیم پرداخت و این روش‌ها را از نظر اهداف، محدودیت‌ها و قابلیت‌ها نقد و بررسی خواهیم کرد. در این مقاله برای پیش‌بینی بیماری نارسایی کلیه دیدگاه‌های مختلف که عبارتند از: انتخاب ویژگی، روش طبقه‌بندی، ابزارهای استفاده شده، مورد بررسی قرار می‌گیرند، که با تحلیل الگوریتم‌های طبقه‌بندی نشان می‌دهیم استفاده از الگوریتم جنگل تصادفی، الگوریتم k- نزدیک‌ترین همسایه و الگوریتم بردار پشتیبان به همراه روش‌های انتخاب ویژگی می‌توانند نقش موثری در پیش‌بینی بیماری نارسایی کلیه داشته باشند. همچنین نتایج گویای این است که که پایگاه داده uci و ابزار matlab بیشترین کاربرد را در تشخیص و پیش‌بینی بیماری‌های مزمن کلیوی دارند.

survey on diagnosis and prediction methods of chronic kidney diseases using data mining techniques

the significant growth of kidney disease, its effects and complications, and the costs that are imposed on the society, have caused the medical community to look for programs to predict and diagnose this disease early. in recent years, the use of data mining techniques in the field of medicine has gained great importance. the purpose of this article is to review methods based on data mining techniques in order to predict chronic kidney diseases. in this article, it is intended to collect and review a comprehensive review of chronic kidney disease, diagnosis methods in the field of medicine. in this paper, chronic kidney diseases were examined first, and following this examination, we will discuss and analyze the field of early diagnosis of these diseases. in the following, we will introduce various data-mining algorithms in the diagnosis of chronic kidney diseases. after that, we will discuss the methods of diagnosing and predicting chronic kidney diseases, and we will review these methods in terms of their goals, limitations, and capabilities. in this article, in order to predict the failure disease, all the different points of view, which are: feature selection, classification method, used tools, are examined, which we show by analyzing the classification algorithms. the use of random forest algorithm, k-nearest neighbor algorithm and support vector algorithm along with feature selection methods can play an effective role in predicting kidney failure disease. also, the results show that the uci database and matlab tool are the most useful in diagnosing and predicting chronic kidney diseases.