fa تعیین عوامل موثر در بروز سرطان معده با استفاده از رویکرد داده کاوی فناوری اطلاعات سلامت Health Information Technology پژوهشی اصيل Original Research <div style="text-align: justify;"><strong>زمینه و هدف:</strong> سرطان معده دومین علت مرگ ناشی از سرطان در جهان است. با توجه به اینکه این بیماری جزو کشنده ترین بیماری ها در کشور ماست بررسی و شناخت عوامل تاثیرگذار در ایجاد این بیماری، بسیار اهمیت دارد. در این پژوهش از دو تکنیک داده کاوی یعنی الگوریتم Apriori و الگوریتم ID۳&nbsp; به منظور بررسی عوامل موثر در بروز سرطان معده استفاده شده است.<br> <strong>روش بررسی:</strong> مجموعه داده های این پژوهش از ۴۹۰ بیمار شامل ۲۲۰ نمونه ی مبتلا به سرطان و۲۷۰ نمونه ی سالم مراجعه کننده به بیمارستان امام رضای تبریز جمع آوری شد. با استفاده از الگوریتم Apriori و پیاده سازی آن در نرم افزار متلب، بهترین قوانین حاکم بر روی این مجموعه داده، استخراج شده است. همچنین از الگوریتم ID۳ نیز جهت بررسی این عوامل استفاده شد.<br> <strong>یافته‌ها: </strong>نتایج داده کاوی نشان می دهد که داشتن سابقه رفلاکس معده بیشترین تأثیر&nbsp; را در بروز این بیماری دارد. با استفاده از الگوریتم Apriori قوانینی به دست آمد که می تواند به عنوان الگویی برای پیش بینی وضعیت بیماران و احتمال بروز این بیماری و بررسی عوامل تاثیرگذار در ایجاد این بیماری استفاده شود. همچنین دقت پیش بینی به دست آمده از الگوریتم ID۳&nbsp; برابر ۸۵/۵۶ به دست آمد که نتیجه ی بسیار خوبی در پیش بینی سرطان معده است.<br> <strong>نتیجه گیری: </strong>استفاده از داده کاوی به خصوص در داده های پزشکی با توجه به حجم بالای داده ها و وجود روابط ناشناخته بین ویژگی های سیستمیک، شخصی و رفتاری بیماران بسیار مفید است. نتایج حاصل از این پژوهش می تواند به پزشکان در شناسایی عوامل موثر در بروز این بیماری و نیز پیش بینی بروز این بیماری کمک فراوانی کند.</div> <div style="text-align: justify;"><strong>Background and Aim:</strong> Gastric cancer is the second leading cause of cancer death in the world. Due to the prevalence of the disease and the high mortality rate of gastric cancer in Iran, the factors affecting the development of this disease should be taken into account. In this research, two data mining techniques such as Apriori and ID3 algorithm were used in order to investigate the effective factors in gastric cancer.<br> <strong>Materials and Methods: </strong>Data sets in this study were collected among 490 patients including 220 patients with gastric cancer and 270 healthy samples referred to Imam Reza hospital in Tabriz. The best rules related to this data set were extracted through Apriori algorithm and implementing it in MATLAB. ID3 algorithm was also used to investigate these factors.<br> <strong>Results: </strong>The results showed that having a history of gastro esophageal reflux has the greatest impact on the incidence of this disease. Some rules extracted through Apriori algorithm can be a model to predict patient status and the incidence of the disease and investigate factors affecting the disease. The prediction accuracy achieved through ID3 algorithm is 85.56 which was a very good result in the prediction of gastric cancer.<br> <strong>Conclusion:</strong> Using data mining, especially in medical data, is very useful due to the large volume of data and unknown relationships between systemic, personal, and Behavioral Features of patients. The results of this study could help physicians to identify the contributing factors in incidence of the disease and predict the incidence of the disease.</div> داده کاوی, قوانین انجمنی, الگوریتم Apriori, سرطان معده, الگوریتم ID3 Data Mining, Association Rules, Apriori Algorithm, Gastric Cancer, ID3 Algorithm 332 341 http://payavard.tums.ac.ir/browse.php?a_code=A-10-1-245&slc_lang=fa&sid=1 Seyed Abbas Mahmoodi سید عباس محمودی sa_mahmoodi_85@yahoo.com Yes Master of Science in Computer Engineering, Computer Engineering Department, School of Engineering, Islamic Azad University, Yazd Branch, Yazd, Iran کارشناس ارشد مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد یزد، یزد، ایران Kamal Mirzaie کمال میرزائی No Assistant Professor, Computer Engineering Department, School of Engineering, Islamic Azad University, Maybod Branch, Maybod, Iran استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد میبد، میبد، ایران Seyed Mostafa Mahmoodi سید مصطفی محمودی No Assistant Professor, Oral Pathology Department, School of Dentistry, Shahid Sadoughi University of Medical Sciences, Yazd, Iran استادیار گروه پاتولوژی دهان، دانشکده دندانپزشکی، دانشگاه علوم پزشکی شهید صدوقی یزد، یزد، ایران