دوره 25، شماره 129 - ( مهر 1394 )                   جلد 25 شماره 129 صفحات 35-26 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Tavousi A, Sepehri M M, Malakoutian T, Khatibi T. Data Mining Approach in Prediction of Erythropoietin Dosage in Hemodialysis Patients. J Mazandaran Univ Med Sci 2015; 25 (129) :26-35
URL: http://jmums.mazums.ac.ir/article-1-6302-fa.html
طاوسی اکرم، سپهری محمد مهدی، ملکوتیان طاهره، خطیبی توکتم. پیش‌بینی مقدار تجویز داروی اریتروپویتین در بیماران همودیالیزی- رویکرد داده‌کاوی. مجله دانشگاه علوم پزشکی مازندران. 1394; 25 (129) :26-35

URL: http://jmums.mazums.ac.ir/article-1-6302-fa.html


چکیده:   (10846 مشاهده)
سابقه و هدف: نارسایی کلیه منجر به کاهش عملکرد کلیه‏ها می‏شود و این امر در درازمدت منجر به‏بیماری مزمن‏کلیه می‏گردد. یکی ازعوارض بیماری مزمن کلیه تخریب برگشت‏ناپذیر کلیه‏ها (رسیدن به مرحله پایانی بیماری‏ کلیه) است. یکی از شایع‏ترین راه‌های درمان بیماران دچار نارسایی کلیوی، همودیالیز است. به‏علاوه یکی از مسائل اصلی در همودیالیز، کمخونی ناشی از کمبود ترشح اریتروپویتین از کلیه‌ها است که معمولا با داروی اریتروپویتین صناعی، درمان می‏شود. از سوی دیگر انتخاب دوز مناسب داروی اریتروپویتین جهت مقابله با کم خونی بیماران همودیالیزی، و با توجه به قیمت بالا و عوارض این دارو، از اهمیت بالایی برخوردار است. لذا این پژوهش به منظور پیش‏بینی دوز داروی اریتروپویتین و شناسایی عوامل اثرگذار بر انتخاب دوز مناسب این دارو از رویکردهای داده کاوی بهره برده و آن‏ها را بر روی داده جمع‌آوری‌شده از بیماران همودیالیزی اعمال می‏کند. مواد و روش‌ها:. داده‌های پژوهش از مرکز دیالیزی در تهران جمع‌آوری‌شده است. فرض می‌شود ورودی مسئله، مشخصه های شش ماهه متوالی از بیمار به همراه مقدار داروی اریتروپویتین مورد استفاده تاکنون است. جهت اعمال رویکردهای داده‌کاوی بر این داده‏ها، آن را تبدیل به یک بردار ویژگی مشخصه نموده و از روش‏های ماشین بردار پشتیبان و جنگل تصادفی برای پیش‏بینی مقدار تجویز دارو استفاده می‏شود. یافته‌ها: نتایج حاصل از این تحقیق نشان می‏دهد مقادیر داروی تجویز شده در ماه‏های قبل بر مقدار دارو در ماه بعدی تاثیرگذار است. الگوریتم جنگل تصادفی با متوسط صحت 90 درصد و ماشین بردار پشتیبان با متوسط صحت 79 درصد در بهترین حالت، قادر به پیش‏بینی دوز داروی تجویزی هستند. استنتاج: این تحقیق با شناسایی ویژگی‌های مؤثر بر درمان بیماران همودیالیزی وکنترل کم‌خونی، سبب صرفه‏جویی در هزینه و زمان شده و از عوارض ناشی از تجویز بیش‌ از حد دارو و افزایش هموگلوبین بیمار، خواهد کاست.
متن کامل [PDF 182 kb]   (3139 دریافت)    
نوع مطالعه: پژوهشي-کامل | موضوع مقاله: مهندسی پزشکی

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشگاه علوم پزشکی مازندران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Mazandaran University of Medical Sciences

Designed & Developed by : Yektaweb