پیش بینی وضعیت بیماران مبتلا به هپاتیت با استفاده از تکنیک‌های داده‌کاوی در استان همدان

پیش بینی وضعیت بیماران مبتلا به هپاتیت با استفاده از تکنیک‌های داده‌کاوی در استان همدان


پیش بینی وضعیت بیماران مبتلا به هپاتیت با استفاده از تکنیک‌های داده‌کاوی در استان همدان

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: پیش بینی وضعیت بیماران مبتلا به هپاتیت با استفاده از تکنیک‌های داده‌کاوی در استان همدان

ارائه دهنده: Provider: حمیدرضا مقدم کیا

اساتید راهنما: Supervisors: دکتر حمیدرضا دزفولیان

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر پروانه سموئی – دکتر فرید عزیزی جلیلیان

زمان و تاریخ ارائه: Time and date of presentation: 10/08/99 – ساعت 11 لغایت 12

مکان ارائه: Place of presentation: به صورت مجازی

چکیده: Abstract: امروزه ظهور نظام های اطلاعات یکپارچه و رشد فن آوری اطلاعات باعث شده که رشد چشم گیری در رشته پزشکی بوجود آید. پایگاه داده ها در حوزه ی سلامت حاوی میزان وسیعی از داده های بالینی است و استفاده از روش های داده کاوی در این شاخه از علم باعث شده است که در کلیه مباحث، بویژه بحث تشخیص و پیش بینی بیماری ها کمک شایانی به پزشکان بشود. در این پژوهش به منظور پیش بینی وضعیت بیماران مبتلا به هپاتیت در استان همدان، داده­های مربوط به 1217 بیمار مبتلا به هپاتیت B و C در طی مدت فروردین ماه 1393 لغایت بهمن ماه 1398 در استان همدان مورد تحلیل قرار گرفته است. به منظور پیش بینی وضعیت بالینی مبتلایان، پیامد بیماری و تشخیص نوع هپاتیت، با استفاده از نرم افزار رپیدماینر، ویژگی های برتر با نظر خبره انتخاب و الگوریتم های دسته بندی شبکه عصبی، ماشین بردار پشتیبان، نیو بیز و درخت تصمیم بکار گرفته شد که پس از بهبود نتایج با استفاده از عملگر های متاکاست و آدابوست و مقایسه دقت نتایج، درخت های حاصل از الگوریتم درخت تصمیم C4.5 با عملگر های متاکاست و آدابوست برای پیش بینی ویژگی های هدف بکار گرفته شد و مدل درخت حاصل شده، با توجه به برخی کاستی های اطلاعاتی، تا حد امکان بررسی و تحلیل گردید. همچنین به منظور خوشه بندی بیماران نیز پس از مشخص شدن ویژگی های منتخب با نظر خبره، نتایج حاصل از الگوریتم های خوشه بندی سلسله مراتبی تجمعی، خوشه بندی مبتنی بر چگالی DBSCAN و خوشه بندی افرازی K-میانگین بررسی و تحلیل گردیده است. از نتایج بدست آمده، به نظر می رسد با توجه به این که بیماری هپاتیت، یک بیماری رفتاری محسوب می شود و تابع متغیر های فرهنگی، اقتصادی، اجتماعی و اعتقادی می باشد، وضعیت بالینی بیماران، پیامد بیماری در بیماران و تشخیص نوع هپاتیت با توجه به سطح فرهنگ، آموزش بهداشت در مناطق شهری، روستایی و شهر های مختلف متفاوت می باشد. واژه‌های کلیدی: هپاتیت، داده کاوی، درخت تصمیم C4.5، آدابوست، متاکاست، K-میانگین