>
Fa   |   Ar   |   En
   تجزیه تحلیل علایم بالینی بیماران مبتلا به اِسکلروزِ چندگانه با استفاده از داده کاوی  
   
نویسنده رئیسی زهرا ,رمضان‌نژاد پانته‌آ ,احمدزاده مرضیه ,ترحمی شهرام
منبع مجله دانشكده پزشكي دانشگاه علوم پزشكي تهران - 1396 - دوره : 75 - شماره : 1 - صفحه:39 -48
چکیده    زمینه و هدف: تکنیک های داده کاوی از معروف ترین روش ها به منظور استخراج دانش و داده های نهان و ارزشمند در حیطه پزشکی می باشند و از مهمترین دستاوردهای آن می توان به کمک رسانی در زمینه تشخیص نوع بیماری و یا انتخاب نوع درمان اشاره کرد. هدف از این مطالعه پرداختن به دو مسئله شناخت علایم بالینی تاثیرگذار بر روی بیماری اِسکلروزِ چندگانه (multiple sclerosis, ms) و بررسی میزان تاثیرگذاری فاکتورهای مختلف در این بیماری و رابطه بین این فاکتورها با انواع دسته بندی موجود بیماری بود.روش بررسی: داده ها مربوط به بیماران اِسکلروزِ چندگانه مربوط به استان چهارمحال و بختیاری بود. این مطالعه پژوهشی در آزمایشگاه دانشگاه صنعتی شیراز همراه با همکاری تیم پزشکی انجام شد.یافته ها: در این مطالعه در بررسی مسئله اول مشخص شد که بیشترین علایم تاثیرگذار در این بیماری علایم بالینی بینایی بود و در بررسی مسئله دوم نتایج حاصل شده نشان داد که نسبت ابتلا زنان به مردان چهار برابر می باشد. در واقع 70% از افراد مبتلا، با تحصیلات بالاتر از دیپلم در دسته عود کننده بهبود یابنده قرار گرفته اند و 62/5% از افراد در محدوده سنی 20 تا 40 سال هستند.نتیجه گیری: وجود برخی از علایم ms در افراد، موقت و گذراست و در بسیاری از موارد توسط افراد نادیده گرفته می شود که در صورت آگاهی از چگونگی شیوع علایم بالینی، می تواند یک اخطار برای افراد پیش از شروع دوره بحرانی بیماری باشد که به نوبه خود می تواند موجب تشخیص سریع تر، درمان موثرتر و تا حدی جلوگیری از پیشرفت بیماری شود.
کلیدواژه مولتیپل اسکلروزیس، داده کاوی، دسته‌بندی، درخت تصمیم‌گیری
آدرس دانشگاه صنعتی شیراز, گروه مهندسی کامپیوتر و فناوری اطلاعات, ایران, دانشگاه علوم پزشکی شهید بهشتی, گروه پزشکی قانونی, ایران, دانشگاه صنعتی شیراز, گروه مهندسی کامپیوتر و فناوری اطلاعات, ایران, دانشگاه علوم پزشکی جندی شاپور اهواز, گروه نورولوژی, ایران
 
   Analyzing clinical symptoms in multiple sclerosis using data mining  
   
Authors Raeisi Zahra ,Ramezannezad Pantea ,Ahmadzade Marzieh ,Tarahomi Shahram
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved