بررسی ویژگی‌های بیماران مبتلا به سل با استفاده از روش خوشه‌بندی K-Means

مقدمه: به گزارش سازمان سلامت جهانی، بیماری سل بیشترین عامل مرگ و میر در بیماری های عفونی است. با توجه به بالا بودن درصد افراد مبتلا به سل و تعداد زیاد مرگ و میر در بین این بیماران، این تحقیق با هدف دسته بندی و پیدا کردن ارتباط بین ویژگی های بالینی و دموگرافیک بیماران مختلف انجام شده است.روش: این پژوهش مطالعه ای توصیفی، تحلیلی بوده که به روی 600 بیمار مرکز تحقیقات سل بیمارستان مسیح دانشوری انجام شده است. برای انجام دسته بندی و تعیین شاخص های مشترک بین بیماران از الگوریتم های داده کاوی خوشه بندی kmeans و قوانین باهم آیی apriori به کمک نرم افزار spss clementine نسخه 14 استفاده شده است.نتایج: به کمک شاخص دان، تعداد 3خوشه به عنوان خوشه بهینه انتخاب شده اند. عوامل مشترک بین خوشه ها به تفصیل در بخش نتایج آورده شده است. با توجه به ویژگی های هر خوشه، می توان بیماران را بر اساس میزان تاثیرگذاری عوامل مختلف بر روی آن ها دسته بندی کرد.نتیجه گیری: با توجه به نتایج حاصل از این مطالعه، مهم ترین عوامل شناسایی شده با استفاده از خوشه بندی عبارت بودند از: هموگلوبین، سن، جنسیت، مصرف سیگار، مصرف الکل و کراتینین. همچنین با توجه به قوانین با هم آیی، بیشترین ارتباط بین سرفه ، کاهش وزن و سرعت رسوب گلبول های قرمز یافت شده است.

The investigation of TB patients features with K-Means clustering

Introduction: According to the World Health Organization, TB is the largest cause of death among infectious diseases. Due to the high percentage of tuberculosis infection and the high number of death among these patients, this study was carried out to categorized and find the relationship between different clinical and demographical characteristics.Method: This descriptive analytical study was done on 600 patients from Masih Daneshvari hospital tuberculosis research center. Kmeans clustering, Apriori association rules, and data mining algorithms (SPSS Clementine software) were used for clustering and determining the common characteristics among patients.Results: Based on DUNN index, 3 clusters were chosen as optimal cluster. The common factors between clusters have been described in details in findings section. According to the characteristics of each cluster, patients can be classified based on the effectiveness of various factorsConclusion: According to the results of this study, the most important identified factors by the use of clustering are Hemoglobin, age, sex, smoking, alcohol and Creatinine. Based on the association rules the highest rate of relationship is found between cough, weight loss, and ESR.