ارائه مدل جهت شناسايي عوامل موثر بر ايجاد بيماري آسم با استفاده از داده‌ كاوي

A Proposed Model to Identify Factors Affecting Asthma using Data Mining

مقدمه: شناخت عوامل محيطي خطر ايجاد آسم، نقش مهمي در پيشگيري يا كاهش شدت آن ايفا مي ‌كند. امروزه مي توان اين كار را با استفاده از تكنيك هاي نوين انجام داد. داده كاوي يكي از اين تكنيك ها است كه كاربردهاي فراواني در زمينه ‌هاي تشخيص، پيش بيني و درمان دارد، هدف اين پژوهش شناسايي عوامل موثر بر ايجاد بيماري آسم و ارائه مدل پيش بيني با استفاده از الگوريتم ‌هاي داده كاوي است. مواد و روش ها: اين پژوهش از نوع توصيفي با رويكرد كاربردي مي ‌باشد. پايگاه داده آن شامل 220 ركورد مي ‌باشد. داده‌ ها با استفاده از چك ليست و با روش مصاحبه از بيماران مراجعه كننده به يك درمانگاه در سال 1394 جمع آوري گرديد. تجزيه و تحليل داده ‌ها و مدلســـازي با استفاده از نرم افزار IBM SPSS Modeler نسخه 2/14 انجام شده است. در بخش مدل سازي از الگوريتم‌ هاي درخت تصميم CHAID و C5، الگوريتم شبكه عصبي و الگوريتم شبكه بيز استفاده شده است. يافته هاي پژوهش: در اين مطالعه 12 متغير به عنوان موثرترين فاكتورها تعيين گرديد و صحت مدل ايجاد شده بر روي داده‌ هاي مورد استفاده در الگوريتم CHAID 73/72 درصد، C5 1/69 درصد، شبكه بيز 9/70 درصد و شبكه عصبي 45/65 درصد بوده است. بحث و نتيجه گيري: يافته ها نشان داد مدل حاصل از الگوريتم درخت تصميم CHAID از صحت عملكرد(73/72 درصد) بالاتري نسبت به مدل‌ هاي ديگر برخوردار است. با توجه به متغيرهاي پيش بيني كننده و قوانين ايجاد شده براي يك نمونه جديد با ويژگي‌ هاي مشخص، مي ‌توان احتمال ابتلا فرد به بيماري آسم را پيش بيني نمود.

Introduction: The identification of asthma risk factors plays an important role in the prevention of the asthma as well as reducing the severity of symptoms. Nowadays, the identification process can be performed using modern techniques. Data mining is one of the techniques which has many applications in the fields of diagnosis, prediction, and treatment. This study aimed to identify the effective factors on asthma to provide a predictive model using data mining algorithms. Materials & Methods: This descriptive study with a practical approach included 220 data bases. The data were collected using a checklist and interviews from the patients referred to clinical centers of Shahid Sadoughi Hospital in Yazd, Iran, during 2014. The data were analyzed in SPSS IBM Modeler software (Version 14.2). Moreover, the CHAID decision tree,C5 algorithm, neural network algorithm, and Bayesian network algorithm were utilized in the modeling. Findings: In total, 12 variables were determined as the most influential factors in this study. The accuracy of the model on the data was estimated at 72.73%, 69.1%, 70.9%, and 65.45% in the CHAID algorithm, C5, Bayesian network, and the neural network, respectively. Discussion & Conclusions: According to the results, the performance accuracy of the model obtained from CHAID decision tree algorithm (73/72%) was higher than that of the other models. Moreover, an individual’s risk of asthma can be predicted with regard to the predictive factors and the established rules for a new sample with distinctive features.