دوره 19، شماره 2 - ( 4-1402 )
جلد 19 شماره 2 صفحات 165-160 |
برگشت به فهرست نسخه ها
Research code: 184-202
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Sanaei F, Mousavi S A A, Toloie Eshlaghy A, Rajabzadeh-Ghatari A. Designing a Support System for Predicting the Survival of Patients with Melanoma Based on Data Mining Algorithms. HSR 2023; 19 (2) :160-165
URL: http://hsr.mui.ac.ir/article-1-1491-fa.html
URL: http://hsr.mui.ac.ir/article-1-1491-fa.html
صناعی فریناز، موسوی سید عبداله امین، طلوعی اشلقی عباس، رجب‌زاده قطری علی. طراحی سیستم پشتیبان برای پیش‌بینی بقای بیماران مبتلا به سرطان ملانوم مبتنی بر الگوریتم‌های داده‌کاوی. تحقیقات نظام سلامت. 1402; 19 (2) :160-165
طراحی سیستم پشتیبان برای پیش‌بینی بقای بیماران مبتلا به سرطان ملانوم مبتنی بر الگوریتم‌های داده‌کاوی
1- دانشجوی دکتری تخصصی، گروه مدیریت فن‌آوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2- استادیار، گروه مدیریت صنعتی، دانشکده مدیریت، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
3- استاد، گروه مدیریت فن‌آوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4- استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران
2- استادیار، گروه مدیریت صنعتی، دانشکده مدیریت، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
3- استاد، گروه مدیریت فن‌آوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4- استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران
چکیده: (747 مشاهده)
مقدمه: ملانوم از جمله شایع‌ترین سرطان‌های تشخیصی و دومین علت مرگ ناشی از سرطان در میان افراد است. این بیماری، نادرترین و بدخیم‌ترین نوع سرطان پوست به شمار می‌رود و در شرایط پیشرفته، توانایی انتشار به ارگان‌های داخلی را دارد و می‌تواند منجر به مرگ شود. چندین سال است که در ایران داده‌های قابل توجهی درباره ملانوم چه به صورت دستی و چه به شکل الکترونیکی، به علت شیوع آن و هزینه‌های بالایی که بر سیستم بهداشت و درمان کشور به جای می‌گذارد، جمع‌آوری شده، اما با وجود این داده‌های ارزشمند، سیستم بهداشتی هنوز از پتانسیل بالای داده‌کاوی در پیش‌بینی بقای بیماران مبتلا به ملانوم غافل مانده است. پژوهش حاضر با هدف طراحی سیستم هوشمند برای پیش‌بینی بقای بیماران مبتلا به ملانوم انجام شد.
روش‌ها: این مطالعه از نظر ماهیت، کاربردی و از نظر روش، توصیفی- تحلیلی و گذشته‌نگر بود. جامعه تحقیق را بیماران مبتلا به سرطان ملانوم پایگاه داده مرکز تحقیقات کشوری سرطان وابسته به دانشگاه شهید بهشتی، واقع در بیمارستان شهدای تجریش (بین سال‌های ۱۳۸7 تا ۱۳92) که تا ۵ سال مورد پیگیری قرار گرفته بودند (4118 نفر)، تشکیل داد. برای طراحی سیستم پشتیبان پیش‌بینی بقای سرطان ملانوم، از نرم‌افزارهای SPSS و Weka استفاده شد. مدل نهایی پیش‌بینی بقای سرطان ملانوم بر اساس شاخص‌های ارزیابی الگوریتم‌های داده‌کاوی انتخاب گردید.
یافته‌ها: الگوریتم‌های شبکه عصبی، Bayes ساده، Bayesian network (BN) و ترکیب درخت تصمیم‌گیری با Bayes ساده، رگرسیون لجستیک، J48 و ID3 به عنوان مدل‌های استفاده شده پایگاه داده کشور انتخاب شدند. بر اساس یافته‌ها، شبکه عصبی با مقدار 97/0 از لحاظ دقت و 03/91 از لحاظ ویژگی، عملکرد بهتری داشت.
نتیجه‌گیری: عملکرد شبکه عصبی در همه شاخص‌های ارزیابی از لحاظ آماری نسبت به سایر الگوریتم‌های منتخب بالاتر بود. بنابراین، الگوریتم شبکه عصبی به عنوان سیستم پشتیبان پیش‌بینی بقای سرطان ملانوم انتخاب گردید.
روش‌ها: این مطالعه از نظر ماهیت، کاربردی و از نظر روش، توصیفی- تحلیلی و گذشته‌نگر بود. جامعه تحقیق را بیماران مبتلا به سرطان ملانوم پایگاه داده مرکز تحقیقات کشوری سرطان وابسته به دانشگاه شهید بهشتی، واقع در بیمارستان شهدای تجریش (بین سال‌های ۱۳۸7 تا ۱۳92) که تا ۵ سال مورد پیگیری قرار گرفته بودند (4118 نفر)، تشکیل داد. برای طراحی سیستم پشتیبان پیش‌بینی بقای سرطان ملانوم، از نرم‌افزارهای SPSS و Weka استفاده شد. مدل نهایی پیش‌بینی بقای سرطان ملانوم بر اساس شاخص‌های ارزیابی الگوریتم‌های داده‌کاوی انتخاب گردید.
یافته‌ها: الگوریتم‌های شبکه عصبی، Bayes ساده، Bayesian network (BN) و ترکیب درخت تصمیم‌گیری با Bayes ساده، رگرسیون لجستیک، J48 و ID3 به عنوان مدل‌های استفاده شده پایگاه داده کشور انتخاب شدند. بر اساس یافته‌ها، شبکه عصبی با مقدار 97/0 از لحاظ دقت و 03/91 از لحاظ ویژگی، عملکرد بهتری داشت.
نتیجه‌گیری: عملکرد شبکه عصبی در همه شاخص‌های ارزیابی از لحاظ آماری نسبت به سایر الگوریتم‌های منتخب بالاتر بود. بنابراین، الگوریتم شبکه عصبی به عنوان سیستم پشتیبان پیش‌بینی بقای سرطان ملانوم انتخاب گردید.
نوع مطالعه: پژوهشي |
موضوع مقاله:
آموزش بهداشت و ارتقاء سلامت
دریافت: 1401/9/28 | پذیرش: 1402/2/24 | انتشار: 1402/4/15
دریافت: 1401/9/28 | پذیرش: 1402/2/24 | انتشار: 1402/4/15
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
