RT - Journal Article T1 - Determining of the Factors Affecting Mortality in Burn Patients Using a Decision Tree Data Mining Algorithm JF - jha YR - 2014 JO - jha VO - 16 IS - 54 UR - http://jha.iums.ac.ir/article-1-1317-fa.html SP - 34 EP - 45 K1 - Data Mining K1 - Decision Tree K1 - Burn AB -     مقدمه: در سال­های اخیر استفاده از روش­های داده­کاوی روی حجم زیادی از داده­ها با هدف تولید مدل­ها و الگوهای پیش­بینی­کننده در حیطه­های متعدد پزشکی رواج یافته است. در این مطالعه پژوهشگران قصد دارند با استفاده از الگوریتم داده­کاوی درخت تصمیم، عوامل موثر بر مرگ­ومیر بیماران سوختگی را مشخص نمایند.   روش کار: این پژوهش توصیفی گذشته­نگر است که مبتنی بر اطلاعات پرونده­های بیمارستانی می­باشد. در مجموع 4804 پرونده پزشکی مربوط به بیماران سوختگی، مورد بررسی قرار گرفت. داده­های گردآوری شده با استفاده از نرم افزارهای تحلیل آماری SPSS-16 و داده­کاوی Clementine-12 و از طریق الگوریتم (Chi-squared Automatic Interaction Detection: CHAID) مورد تجزیه و تحلیل قرار گرفتند.   یافته­ها: مدل پیش­بینی فوت و زنده­ماندن برای بیماران سوختگی که کارایی آن توسط پژوهشگران اثبات گردید، به ترتیب اهمیت شامل درصد سطح سوختگی، درجه سوختگی، مدت زمان بستری، جنسیت و سن می­باشد. سایر متغیرهای مورد مطالعه شامل کشت خون، کشت زخم، کشت ادرار، عامل سوختگی و ماه بستری بیمار در کارایی مدل تاثیری نداشتند.   نتیجه­گیری: با توجه به میانگین دقت مدل پیشنهادی(تقریباً 95درصد) و میانگین دقت مدل روی داده­های آزمون(تقریباً 95درصد)، مدل پیشنهادی معتبر و قابل استناد می­باشد. در حقیقت، نتایج این مطالعه یک مدل جامع، دقیق و معتبر پیش­بینی فوت و زنده­ماندن بیماران سوختگی را بر اساس متغیرهای فوق­الذکر که بعضی از آن‌ها با نتایج سایر پژوهشگران مطابقت دارد پیشنهاد می­کند. لذا چنین مدلی می­تواند به عنوان یک معیار مهم ارزیابی جهت درمان موثر بیماران سوختگی مورد استفاده قرار بگیرد. LA eng UL http://jha.iums.ac.ir/article-1-1317-fa.html M3 ER -