Payavard Salamat

other ایجاد مدل تصمیم غربال‌گری بر اساس میزان خطر ابتلا به سرطان کولورکتال Decision Model Making for Colorectal Cancer Screening Based on Risk Determination فناوری اطلاعات سلامت Health Information Technology پژوهشی اصيل Original Research <div style="text-align: justify;">زمینه و هدف:سرطان کولورکتال از شایعترین سرطانهای دستگاه گوارش در انسان و مهمترین عامل مرگ و میر در جهان محسوب میشود. استفاده از برنامه ی غربالگری مناسب بر اساس میزان خطر ابتلا به سرطان کولورکتال در افراد، میتواند در پیشگیری از این بیماری مناسب باشد. بنابراین، هدف این پژوهش طراحی مدلی برای غربالگری سرطان کولورکتال بر اساس ریسک فاکتورها بود تا بتوان از یک سو میزان بقای این بیماری را در سطح جامعه افزایش داد و از سوی دیگر میزان مرگ و میر کاهش یابد. روش بررسی: ابتدا با مرور مقالات و بررسی اطلاعات موجود در پرونده بیماران، ۳۸ ریسک فاکتور کشف شدند، برای تعیین مهمترین ریسک فاکتورها از بعد بالینی، ازcontent validity ratio (CVR) و از نظر آماری و با توجه به مجموعه داده گردآوری شده از روشهای آماری ضریب همبستگی اسپیرمن و تحلیل رگرسیون لجیستیک استفاده گردید. سپس از چهار الگوریتم تولید قوانین J-۴۸، J-RIP، PART و REP-Tree برای دادهکاوی استفاده شد و مناسبترین مدل بر اساس مقایسه میزان عملکرد الگوریتم‌ها به‌دست آمد. یافته‌ها: پس از مقایسه عملکرد الگوریتم‌ها، الگوریتم داده‌کاوی J-۴۸ با میزان F-Measure ۰/۸۸۹، عملکرد بالاتری نسبت به سایر الگوریتم‌ها داشته است. نتیجه‌گیری: نتایج حاصل از ارزیابی عملکرد الگوریتم داده‌کاوی J-۴۸ نشان داد که این الگوریتم می‌تواند به عنوان مناسبترین مدل تعیین خطر ابتلا به سرطان کولورکتال در نظر گرفته شود.</div> <div style="text-align: justify;">Background and Aim: Colorectal cancer is one of the most common gastrointestinal cancers among human beings and the most important cause of death in the world. Based on the risk of colorectal cancer for individuals, using an appropriate screening program can help to prevent the disease. Therefore, the purpose of this study was to design a model for screening colorectal cancer based on risk factors to increase the survival rate of the disease on the one hand and to reduce the mortality rate on the other. Materials and Methods: By reviewing articles and patients' records, 38 risk factors were detected. To determine the most important risk factors clinically, CVR(content validity ratio) was used; and considering the collected data, Spearman correlation coefficient and logistic regression analysis were applied for statistical analyses. Then, four algorithms -- J-48, J-RIP, PART and REP-Tree -- were used for data mining and rule generation. Finally, the most common model was obtained based on comparing the performance of the algorithms. Results: After comparing the performance of algorithms, the J-48 algorithm with an F-Measure of 0.889 was found to be better than the others. Conclusion: The results of evaluating J-48 data mining algorithm performance showed that this algorithm could be considered as the most appropriate model for colorectal cancer risk prediction.</div> مدل تصمیم, تشخیص زودرس, سرطان کولورکتال, ریسک فاکتور, داده کاوی Decision Model, Early Detection, Colorectal Cancer, Risk Factor, Data Mining 163 175 http://payavard.tums.ac.ir/browse.php?a_code=A-10-1732-21&slc_lang=other&sid=1 Raoof Nopour رئوف نوپور No Master of Sciences in Health Information Technology, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran کارشناس ارشد فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Mohammad Shirkhoda محمد شیرخدا No Associate Professor, Department of Cancer Surgery, Cancer Institute, Imam Khomeini Hospital Complex, Tehran, Iran دانشیار گروه جراحی آنکولوژی، انستیتو کانسر، مجتمع بیمارستانی امام خمینی(ره)، تهران، ایران Sharareh Rostam Niakan Kalhori شراره رستم نیاکان کلهری sh-rniakank@sina.tums.ac.ir Yes Associate Professor, Department of Health Information Management, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran دانشیار گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران