بررسي ويژگي‌هاي بيماران مبتلا به سل با استفاده از روش خوشه‌بندي k-means

The Investigation of TB Patients Features with K-Means Clustering

به گزارش سازمان سلامت جهاني، بيماري سل بيشترين عامل مرگ و مير در بيماري هاي عفوني است. با توجه به بالا بودن درصد افراد مبتلا به سل و تعداد زياد مرگ و مير در بين اين بيماران، اين تحقيق با هدف دسته بندي و پيدا كردن ارتباط بين ويژگي هاي باليني و دموگرافيك بيماران مختلف انجام شده است.روش: اين پژوهش مطالعه اي توصيفي، تحليلي بوده كه به روي 600 بيمار مركز تحقيقات سل بيمارستان مسيح دانشوري انجام شده است. براي انجام دسته بندي و تعيين شاخص هاي مشترك بين بيماران از الگوريتم هاي داده كاوي خوشه بندي kmeans و قوانين باهم آيي apriori به كمك نرم افزار spss clementine نسخه 14 استفاده شده است.نتايج: به كمك شاخص دان، تعداد 3خوشه به عنوان خوشه بهينه انتخاب شده اند. عوامل مشترك بين خوشه ها به تفصيل در بخش نتايج آورده شده است. با توجه به ويژگي هاي هر خوشه، مي توان بيماران را بر اساس ميزان تاثيرگذاري عوامل مختلف بر روي آن ها دسته بندي كرد.نتيجه گيري: با توجه به نتايج حاصل از اين مطالعه، مهم ترين عوامل شناسايي شده با استفاده از خوشه بندي عبارت بودند از: هموگلوبين، سن، جنسيت، مصرف سيگار، مصرف الكل و كراتينين. همچنين با توجه به قوانين با هم آيي، بيشترين ارتباط بين سرفه ، كاهش وزن و سرعت رسوب گلبول هاي قرمز يافت شده است.

Introduction: According to the World Health Organization, TB is the largest cause of death among infectious diseases. Due to the high percentage of tuberculosis infection and the high number of death among these patients, this study was carried out to categorized and find the relationship between different clinical and demographical characteristics. Method: This descriptive analytical study was done on 600 patients from Masih Daneshvari hospital tuberculosis research center. K-means clustering, Apriori association rules, and data mining algorithms (SPSS Clementine software) were used for clustering and determining the common characteristics among patients. Results: Based on DUNN index, 3 clusters were chosen as optimal cluster. The common factors between clusters have been described in details in findings section. According to the characteristics of each cluster, patients can be classified based on the effectiveness of various factors Conclusion: According to the results of this study, the most important identified factors by the use of clustering are Hemoglobin, age, sex, smoking, alcohol and Creatinine. Based on the association rules the highest rate of relationship is found between cough, weight loss, and ESR.