پیش بینی میزان اثربخشی داروهای پره اکلامپسی با داده کاوی بر اساس دوز و روش مصرف دارو

Abstract

مقدمه: مسمومیت بارداری یا پره ‌اکلامپسی، یکی از اختلالات خطرناک دوران بارداری است که حتی می‌تواند به خاتمه بارداری و سقط جنین ختم شود. مطالعه حاضر با هدف تولید یک مدل پیش‌بینی کننده کارا به ‌منظور پیش بینی دقیق میزان اثربخشی داروهای پره ‌اکلامپسی انجام شد. روش کار: این مطالعه‌ توصیفی- مقطعی در سال 92-1390 بر روی 774 بیمار در بیمارستان حکیم نیشابور انجام شد. سه الگوریتم متفاوت از الگوریتم ‌های استنتاج قانون به نام‌های C5.0، C&R Treeو CHAID. روی داده‌ های عارضه پره ‌اکلامپسی اعمال شد و سپس صحت مدل‌ های تولید شده به دست آمد. در نهایت برای تأیید صحت نتایج حاصل از پیش‌بینی از خوشه‌ بندی استفاده شد. در این مطالعه جهت تحلیل داده‌ ها و اجرای الگوریتم‌ های داده‌ کاوی از نرم‌ افزار کلمنتاین (نسخه 0/12) استفاده شد. یافته‌ها: مقادیر به ‌دست آمده برای صحت مدل ‌های ایجاد شده از اجرای الگوریتم‌های C5.0، C&R Treeو CHAID روی مجموعه داده‌ های آموزش و آزمایش برای هر سه الگوریتم 63/99 و 14/99 درصد بود. صحت بالای مدل‌ ها عملکرد خوب این الگوریتم ‌ها را نشان داد. حساسیت 100 درصد و دقت 5/99، برتری الگوریتم C&R Tree نسبت به سایر الگوریتم‌ ها را تأیید کرد. نتایج حاصل از خوشه‌بندی روی درخت بهتر نشان داد که در مواقعی ‌که میزان اثربخشی دارو افزایش یافت، میانگین سنی بیمار هم بالاتر بود و دلیل آن، رابطه مستقیم ایجاد عارضه پره اکلامپسی با افزایش سن بود. نتیجه‌گیری: شواهد به دست آمده نشان می‌ دهند که با افزایش سن احتمال وجود این عارضه افزایش و از داروهایی با میزان اثربخشی بالاتر برای درمان باید استفاده نمود. بنابراین در انتخاب داروی مصرفی با میزان اثربخشی متفاوت دقت بیشتری باید صورت گیرد. پیش ‌بینی میزان اثربخشی دارو با هدف دستیابی به مواردی چون: کمک به پزشک برای افزایش صحت تشخیص و جلوگیری از تشخیص نادرست در دوز مصرفی دارو برای بیمار، تشخیص شدت پره اکلامپسی و مهار عوارض خطرناک مصرف بیش از حد دارو توسط بیمار، پیش ‌بینی ذخیره داروی کافی و جلوگیری از عوارض جانبی ناشی از کمبود دارو صورت می‌گیرد.

Keywords

• پره اکلامپسی
• خوشه ­بندی
• درخت تصمیم
• دسته ­بندی