Journal of Health Administration

fa ارائه الگوی ترکیبی داده‌کاوی برای سنجش افت فشار خون بیماران همودیالیزی A Synthetic Data Mining Model for Evaluating Hypotension in Hemodialysis Patients مروری Review مقدمه: افت فشار خون حین دیالیز در بیمارانی که به مدت طولانی تحت دیالیز قرار میگیرند، اغلب با افزایش مرگ و میر همراه است. پژوهش حاضر با هدف سنجش میزان افت فشارخون بیماران همودیالیزی به ارائه مدلی پیش بینانه از طریق دادهکاوی توصیفی پرداخته است. زیرا، افت فشار خون شایعترین عارضه جدی حین همودیالیز است. روش ها: پژوهش حاضر به روش توصیفی- مقطعی صورت گرفته است. جامعهی پژوهش متشکل از داده های بیمارستان علی ابن ابی طالب (ع) زاهدان در خردادماه ۹۵ است. جهت تحلیل داده ها از نرم افزار Clementine۱۲.۰ استفاده شده است.  برای مدلسازی از الگوریتمهای K-Means،  C۵.۰ و CART استفاده گردید. یافته &rlm;ها: پارامترهای تاثیرگذار در میزان افت فشار خون شامل نوع صافی و دور پمپ بود. بررسی خوشهبندی و قوانین استخراج شده از مدل، اهمیت تاثیر نوع صافی و دور پمپ را تصدیق نمود. نتیجه گیری: استفاده از روش های نوین مدلسازی برای تحلیل وکشف ارتباطات بین داده های دیالیز، باعث ایجاد تغییر در نحوهی نگرش پرسنل بخش دیالیز نسبت به روند انجام دیالیز و مراقبت های لازم حین آن می شود. سنجش میزان افت فشار خون بیماران دیالیزی به شناسایی سریعتر و دقیقتر افت فشار و مدیریت صحیح و پیشگیرانه کمک مینماید و منجر به ارتقای عملکرد بخش دیالیز می گردد. مطالعه حاضر نشان داد نوع صافی به جهت تاثیر آن روی افت فشار خون بیمار اهمیت دارد. Introduction: Hypotension during Hemodialysis often increases mortality in patients undergoing dialysis for a long time. Hypotension is the most frequent adverse event during hemodialysis; therefore, the present study was conducted to investigate hypotension value of patients and present a predictive model using descriptive data mining. Methods: In this cross-sectional study, conducted from May-June 2016, the data were extracted from Ali Ibn Abi Talib hospital in Zahedan and were then analyzed using Clementine 12.0. The model was presented using K-Means, C5.0 and CART algorithms. Results: According to the findings the parameters influencing hypotension were buffer type and blood flow the importance of which was verified through clustering and the extracted rules from the model. Discussion: The use of new modelling methods to analyze dialysis data and discover the existing relationships among them, changes the attitudes of dialysis personnel towards the process of dialysis and dialysis care. The evaluation of hypotension in hemodialysis patients helps a faster and more precise identification of hypotension. It would also facilitate proper and preventive management which enhances performance in dialysis centers. The study highlighted the importance of buffer type due to its effect on hypotension. داده کاوی, درخت تصمیم, افت فشار خون, همودیالیز Data Mining, Decision Tree, Hypotension, Hemodialysis 9 18 http://jha.iums.ac.ir/browse.php?a_code=A-10-1121-8&slc_lang=fa&sid=1 Alireza Sobhkhizi علیرضا صبح خیزی sobhkhizi.ch@gmail.com 11200319475328460019894 11200319475328460019894 No School of Agriculture, Higher Educational Complex of Saravan, Saravan, Iran دانشکده کشاورزی، مجتمع آموزش عالی سراوان، سراوان، Maryam Ashoori مریم عاشوری maryam.ashoori@gmail.com 11200319475328460019895 11200319475328460019895 Yes 2. School of Technical and Engineering, Higher Educational Complex of Saravan, Saravan, Iran; Corresponding author (mashoori@saravan.ac.ir ) دانشکده فنی و مهندسی، مجتمع آموزش عالی سراوان، سراوان