مقایسه الگوریتم‌های دسته‌بند در شناسایی چنددارویی و ویژگی‌های موثر بر آن در سالمندان

مقدمه: تجویز و مصرف بیش از حد داروها که با عنوان چنددارویی شناخته می‌شود، هم موجب اتلاف منابع می‌گردد و هم برای بیماران زیان‌بار است. چنددارویی به‌خصوص برای سالمندان از اهمیت بیشتری برخوردار است؛ بنابراین عوامل موثر بر آن باید به‌درستی شناسایی و واکاوی شود.روش: در این پژوهش گذشته‌نگر، نخست عملکرد الگوریتم‌های مختلف دسته‌بند c4.5، svm، knn، mlp و شبکه بیزی برای شناسایی چنددارویی، با نرم‌افزار weka مورد مقایسه قرار می‌گیرد. این فرآیند، با استخراج 16 ویژگی جدید در کنار چهار ویژگی موجود در داده‌های 81،677 نسخه که برای تعداد 19،428 بیمار سرپایی با سن 70 تا 95 سال که در داروخانه‌های طرف قرارداد با بیمه سلامت استان تهران پیچیده شده‌اند، انجام شد. مقایسه عملکرد به‌وسیله آزمون t اصلاح شده با بازنمونه‌برداری صورت پذیرفت. به‌منظور شناسایی اثر ویژگی‌های بیماران بر چنددارویی، دو پارامتر مهم الگوریتم c4.5 به‌‌وسیله جستجوی توری بر روی 50% مجموعه‌داده بهینه‌سازی و سپس بر 50‌% دیگر مجموعه‌ داده اعمال گردید و قوانین حاصل از آن در قالب درخت تصمیم و عبارات کلامی ارائه شد. نتایج: مقایسه زوجی دسته‌بندها نشان‌گر عملکرد مناسب‌تر c4.5 و شبکه بیزی در مقایسه با سایر روش‌ها است. c4.5 توانایی شناسایی ویژگی‌های موثر بر چنددارویی را دارد. تنظیم پارامتر این الگوریتم باعث بهبود شاخص درستی و auc شده و به‌شدت اندازه درخت تصمیم و تعداد قوانین تولیدی را کاهش می‌هد.نتیجه گیری: استفاده از رویکرد داده‌کاوی و به‌کارگیری c4.5 توانایی شناسایی و تبیین ویژگی‌های سالمندان را بر پدیده چنددارویی دارد. درصد مراجعه بیشتر به پزشکان عمومی و ارتباط با تعداد محدودتری از داروخانه از مهم‌ترین این ویژگی‌ها است.

Comparison of Classifier Algorithms in the Identification of Polypharmacy and Factors Affecting it in the Elderly Patients

Introduction: Prescribing and consuming drugs more than necessary which is known as polypharmacy, is both waste of resources and harm to patients. Polypharmacy is especially important for elderly patients; therefore, the factors affecting it must be identified and analyzed properly.Method: In this retrospective study, first, several classifier algorithms, i.e., C4.5, SVM, KNN, MLP, and BN for polypharmacy identification were compared in terms of performance using WEKA software. In this process, 16 new features were extracted alongside the four existing features from data on 81,677 prescriptions of 19,428 outpatients aged 70 to 95 years whose prescriptions were dispensed in pharmacies contracted by the Iran Health Insurance Organization Tehran province. The performance comparison was done using corrected ttest with resampling. In order to identify the effect of elderly patients rsquo; characteristics on polypharmacy, two important parameters of the C4.5 were optimized by grid search using 50% of the dataset and then run on the rest of the dataset. The resulted rules were then presented in the form of a decision tree and verbal expressions.Results: Paired comparison of the classifiers indicated better performance of C4.5 and BN compared to the others. C4.5 had the ability to identify the factors that affect polypharmacy. In addition, parameter tuning improved the accuracy and AUC of applied algorithms. It also reduced the size of the resulted decision trees as well as the number of generated rules significantly.Conclusion: The data mining approach and C4.5 can identify and explain the characteristics of the elderly effective on the polypharmacy. The higher percentage of visits to general practitioners and contacts with a limited number of pharmacies are the most important characteristics.