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

مقدمه: مسمومیت بارداری یا پره اکلامپسی، یکی از اختلالات خطرناک دوران بارداری است که حتی می تواند به خاتمه بارداری و سقط جنین ختم شود. مطالعه حاضر با هدف تولید یک مدل پیش بینی کننده کارا به منظور پیش بینی دقیق میزان اثربخشی داروهای پره اکلامپسی انجام شد. روش کار: این مطالعه توصیفی- مقطعی در سال ۹۲-۱۳۹۰ بر روی ۷۷۴ بیمار در بیمارستان حکیم نیشابور انجام شد. سه الگوریتم متفاوت از الگوریتم های استنتاج قانون به نام های C۵.۰،  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 تایید صحت نتایج حاصل از پیش بینی از خوشه بندی استفاده شد. در این مطالعه جهت تحلیل داده ها و اجرای الگوریتم های داده کاوی از نرم افزار کلمنتاین (نسخه ۰/۱۲) استفاده شد. یافته ها: مقادیر به دست آمده برای صحت مدل های ایجاد شده از اجرای الگوریتم های  C۵.۰، C&R Treeو CHAID روی مجموعه داده های آموزش و آزمایش برای هر سه الگوریتم ۶۳/۹۹ و ۱۴/۹۹ درصد بود. صحت بالای مدل ها عملکرد خوب این الگوریتم ها را نشان داد. حساسیت ۱۰۰ درصد و دقت ۵/۹۹، برتری الگوریتم C&R Tree نسبت به سایر الگوریتم ها را تایید کرد. نتایج حاصل از خوشه بندی 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. نتیجه گیری: 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 می گیرد.

کلیدواژه ها:

پره اکلامپسی ، خوشه ­بندی ، درخت تصمیم ، دسته ­بندی