كاربرد الگوريتم‌هاي درخت تصميم و رگرسيون لجستيك براي پيش‌بيني ابتلا به لنف‌ادم در بيماران سرطان پستان

زمينه و هدف: لنف ادم از عوارض شايع و ناتوان كننده بيماران سرطان پستان است. اين مطالعه به پيش بيني و دسته بندي عارضه لنف ادم پرداخته است. همچنين شناسايي عوامل مؤثر و كشف الگوهايي براي تشخيص سريع تر و جلوگيري از بروز اين عارضه از اهداف ديگر اين پژوهش است. روش كار: اطلاعات حاصل از پرونده هاي 1113 بيمار مبتلا به سرطان پستان كه طي سال هاي 1388 تا 1396 به كلينيك لنف ادم سيدخندان مراجعه كرده بودند، مورد ارزيابي قرار گرفت. تحليل داده ها با به كارگيري روش شناسي CRISPDM و در نرم افزار IBM SPSS Modeler 18 انجام شد و در بخش مدل سازي، الگوريتم هاي درخت تصميم و رگرسيون لجستيك استفاده شد. يافته ها: اطلاعات 933 بيمار شامل 25 متغير پس از پيش پردازش داده ها وارد مدل شدند. احتمال ابتلا به لنف ادم براي هر يك از بيماران توسط الگوريتم هاي درخت تصميم C5.0، Chaid، C RT، Quest و الگوريتم رگرسيون لجستيك به ترتيب با حساسيت 79.33%، 74.41%، 71.92%، 72.64% و 77.83% پيش بيني شد و عوامل خطر لنف ادم شناسايي شدند. نسبت تعداد غدد لنفاوي درگير به تعداد غدد لنفاوي خارج شده، احساس سنگيني، نوع عمل جراحي، مرحله بيماري، سن، شاخص توده بدني، متاستاز، تعداد دوره هاي شيمي درماني، بيماري همراه و تعداد غدد لنفاوي خارج شده به ترتيب موثرترين عوامل خطر در پيش بيني ابتلا به لنف ادم هستند كه توسط الگوريتم درخت تصميم C5.0 شاسايي شدند. نتيجه گيري: يافته ها نشان مي دهد الگوريتم درخت تصميم C5.0 با بالاترين حساسيت، مدل برتر براي پيش بيني ابتلا به لنف ادم است. با بكارگيري قوانين ايجاد شده براي يك نمونه جديد با ويژگي هاي مشخص، مي توان پيش بيني كرد بيمار احتمالا مبتلا به لنف ادم خواهد شد يا خير. با در نظر گرفتن شاخص توده بدني به عنوان يك عامل قابل تغيير، رژيم هاي كنترل وزن براي اين بيماران توصيه مي شود. همچنين توجه به احساس سنگيني بيمار در مراحل اوليه ضروري است.