شناسايي الگوي رفتار مردم در اهداي خون با استفاده از الگوريتم K-Means مبتني بر تازگي، بسامد و ارزش خون

Identifying Behavioral Patterns in Blood Donation Using K-Means Algorithm Based on Recency, Frequency and Blood Value

مقدمه: اهداي خون در كشورهاي توسعه يافته 18 برابر بيشتر از كشورهاي در حال توسعه است. اگر تنها پنج درصد از كل جمعيت جهان به طور مستمر خون اهدا كنند، ذخيره كافي براي تامين نيازهاي جامعه وجود خواهد داشت. اين رقم در كشورهاي در حال توسعه كمتر از يك درصد است. هدف مطالعه حاضر شناخت رتبه وفاداري اهداكنندگان خون به منظور برنامه ريزي مناسب براي گسترش و تقويت رفتار اهداي خون در جامعه است. روش ها: پژوهش حاضر به روش توصيفي- مقطعي صورت گرفته و نمونه گيري به روش سرشماري بوده است. جامعه پژوهش متشكل از داده هاي سازمان انتقال خون تهران از آبان 1383 تا خرداد 1388 است. براي تحليل داده ها از نرم افزار Clementine12.0 استفاده شده است. براي مدل سازي الگوريتم K-Means در دو حالت جمعيت شناختي و مبتني بر مقادير تازگي، بسامد و ارزش خون (Recency-Frequency- Monetary (RFM)) اجرا گرديد تا ارتباط بين متغييرهاي مختلف بدست آيد. يافته ها: مقدار ميانگين شاخص ريشه ميانگين مربع انحراف از معيار براي خوشه بندي مبتني بر تازگي، بسامد و ارزش خون و جمعيت شناختي 10/72 و 11/14 است و خوشه بندي بهتر داده ها توسط الگوريتم مبتني بر تازگي، بسامد و ارزش خون را تاييد كرد. اين الگوريتم داده ها را در چهار خوشه قرار داد كه خوشه چهارم شامل مردان مجرد حائز بيشترين رتبه وفاداري اهداي خون و خوشه سه شامل زنان متاهل حائز كمترين رتبه وفاداري گرديد. نتيجه گيري: استفاده از رو ش هاي نوين داده كاوي براي تحليل و رده بندي اهدا كنندگان خون، شيوه نگرش سازمان هاي انتقال خون را به روند اهداي خون تغيير مي دهد. بررسي رفتار اهداكنندگان به شناسايي سريع تر و دقيق تر وفاداري اهداكنندگان و مديريت صحيح پايگاه خون كمك مي كند.

Introduction: Blood donation rate in developed countries is 18 times higher than developing countries. It is estimated that if only five percent of Iran population embark on blood donation, it will be adequate to meet the needs of the community. The aim of this paper is to identify the blood donators’ loyalty behavior for proper planning to extend and enhance blood donation habits among the community. Methods: A cross-sectional survey was applied through census in the present study. The data extracted from blood transfusion center of Tehran from 2005 to 2010 was used in this study. Clementine 12.0 was used for data analysis. K-Means clustering is based on demographic data and RFM values modes which were applied to obtain the best ratio among different fields. Results: The mean value of root mean square standard deviation for RFB-based clustering and demographic were 10.7194 and 11.1411,respectively. This finding confirmed better data clustering by RFB-based algorithm. The data were placed by RFB-based algorithm in four clusters. The fourth cluster consisted of single males who obtained the best loyalty rank and the third cluster consisted of married females who obtained the least loyalty rank. Conclusion: Applying data mining methods for analysis and classification of blood donors changes current attitude towards blood donation procedure. Survey of donor behavior helps us to identify faster and more precise donor loyalty as well as having proper management of the blood transfusion centers.