عنوان پایان‌نامه
کاربرد روشهای داده کاوی در سیستم سلامت و درمان ایران جهت پیش بینی بستری شدن بیماران دیالیزی
- رشته تحصیلی
- مهندسی صنایع- صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63267;کتابخانه پردیس البرز شماره ثبت: 145
- تاریخ دفاع
- ۳۰ تیر ۱۳۹۲
- دانشجو
- شیوا باقری مرنی
- استاد راهنما
- عباس کرامتی
- چکیده
- چکیده در مرحله آخر بیماری کلیوی، درمانی جز پیوند کلیه یا دیالیز وجود ندارد. بیمارانی کههفتهای سهبار برای دیالیز خون خود به بیمارستان مراجعه مینمایند، دچار مشکلات عدیدهای هستند. یکیازاینمشکلات، بستری شدن اینبیماران بهعلت ابتلا به عفونت، مشکلاتقلبیعروقیوسرطان میباشد. برای کاهش عوارض دیالیز خون و به تبع راحتی بیشتر بیماران و افزایش طول عمر آنها همچنین جلوگیری ازهزینههایاضافیبرایبیمارانوسیستمسلامتودرمان نیاز بهپیشگیریواتخاذ دستورالعملهایی است که از سوی پزشکان و دیگر متخصصان کلینیکیوخود بیمار میباشد تا احتمال بستری شدن بیمار به علل فوق کاهش یابد. درصورتیکه بتوان ابزاری به عنوان یک سیستم پشتیبانی تصمیم در اختیار پزشکان قرار داد تا بتوانند به پیش بینی احتمال بستری شدن و خوشه بندی بیماران خود بپردازند، بیماران خود را بیشتر شناخته، قادر خواهند بود تا دستورالعملهای پیش گیرانه ای به بیمار و مراقبانشان ارائه نمایند واینکمک شایانیبهسیستم سلامتودرمان کشور میکند. در این تحقیق با هدف ایجاد این سیستم پشتیبانی تصمیم، ابتدا به یک بیمارستان در تهران مراجعه شده و با مصاحبه با متخصصین، مشخص گردید که چه نوع اطلاعات و متغیرهایی باید در نظر گرفته شود. بعد از تعیین متغیرهای لازم، اقدام به جمع آوری اطلاعات مورد نیاز آزمایشگاهی، دموگرافیک، اقتصادی و اجتماعی بیماران گردید. در مرحله بعد این اطلاعات آماده سازی و پیش پردازش شد تا بتوان از آنها به عنوان داده برای کاربرد روشهای داده کاوی استفاده گردد. سپس چند روش مناسب داده کاوی برای خوشه بندی بیمارانوپیش بینی احتمال بستری شدن انتخاب گردیدهومدل سازی انجام شد. مرور ادبیات موجود نشان داد که در هیچ تحقیقی تمامی متغیرهای درنظر گرفته شده در این تحقیق به صورت یکجا استفاده نشده است. بنابراین امید می رود که نتیجه مدلهای داده کاوی این تحقیق برای پزشکان مفید واقع شود. اجرای مدلهاوتحلیل نتایج بدست آمده بر این نکته صحه گذاشتهودسته بندیهای جالبی از بیماران ارائه مینماید. همچنین میتوان ادعا نمود که این تحقیق پیش درآمد تحقیقات آتی مناسبی میباشد.
- Abstract
- Abstract: There is no treatment for patients at end stage renal disease (ESRD) other than kidney transplant or dialysis. Patients who go three times a week to hospital for the dialysis of their blood face enormous problems. One of these problems is the hospitalization of these patients due to infection, cardiovascular syndromes, and other disorders like cancer. To reduce the aftermath of hemodialysis, to increase the comfort and life time of the patients, and also to lessen the additional costs for patients and health care system, it is necessary to do prevention and hence precautions must be instructed by doctors to all clinical professionals and the patient with the purpose of decreasing the probability of hospitalization due to the above disorders. If a tool, as a decision support system, can be provided to physiscians such that they know their patients more, cluster them in appropriate groups, and forecast the probability of their hospitalization, then they will be able to instruct better preventive measures to patients and their caregivers which is a great help to the health care system of the country. In research at hand, with the purpose of creating such a decision support system, first attending a hospital in Tehran and doing interviews with professionals, the list of important measures and required information was specified. After finalizing these necessary variables, the clinical lab test results and demographic and socio-economic information of patients was collected. In the next stage, these informations was preprocessed and prepared to be used as the data for the implementation of data mining techniques. Next few suitable data mining algorithms were selected and modeling was carried out. The review of literature reveals that no other research considered all of these measures simultaneously that was used in this work. Thus, it seems promising that the results obtained from the data mining models in this research can be useful for the decision makers and doctors. Implementing the models and analyzing the results proved this point and delivered interesting grouping of patients. Also, it can be claimed that this research is a good prologue for future researches. Keywords: Hemodialysis, Clustering, Data Mining, Forecasting, Hospitalization
