شناسايي عوامل تاثيرگذار بر سكته قلبي در بيماران ديابتي با استفاده از الگوريتم C&R

Identification of influencing factors for heart attack in diabetic patients using C & R algorithm

مقدمه و هدف: بيماري‌هاي قلبي، شايع‌ترين علت مرگ ومير در كشورهاي توسعه يافته و همچنين در كل دنيا هستند و طبق پيش بيني سازمان بهداشت جهاني، عامل اصلي مرگ ومير در سراسر دنيا در سال 2020 خواهندبود. طبق آخرين گزارش‌هاي سازمان بهداشت جهاني از هر 20 مرگ ومير، يكي به دليل ديابت است. بيماري‌هاي قلبي و سكته قلبي از مهم ترين عوارض ديابت به شمارمي‌آيند. در اين تحقيق با استفاده از الگوريتم هاي داده كاوي، احتمال بروز سكته قلبي در بيماران ديابتي را با دقتي قابل قبول پيش‌بيني كرده، عوامل موثر در بروز سكته قلبي شناسايي شده‌اند. مواد و روش‌ها: در اين مطالعه كه به صورت گذشته‌نگر انجام شد، 856 پرونده سال 1388شمسي مركز ديابت گرگان بررسي شده اند. اطلاعات موجود در پرونده بيماران با استفاده از روش هاي داده كاوي با نرم افزارSPSS CLEMENTINE تجزيه وتحليل شدند. براي شناسايي عوامل موثر بر بروز سكته قلبي از الگوريتم هاي دسته بندي داده كاوي استفاده شد. نتايج: با استفاده از الگوريتم درخت تصميم C&R، مدلي با دقت 94 درصد معرفي شده است. براساس درخت تصميم C&R، سابقه فشارخون، شاخص BMI، فشارخون سيستوليك و دياستوليك، چربي خون با چگالي پايين، ميزان فعاليت روزانه و سن از مهم ترين عوامل موثر در[بروز] سكته قلبي در بيماران ديابتي شناسايي شده‌اند. نتيجه گيري: مي‌توان با استفاده از قوانين ايجاد شده و شناسايي ويژگي‌هاي تاثيرگذار و كنترل عوامل موثر در بروز سكته قلبي در بيماران ديابتي، ميزان مرگ ومير ناشي از اين عارضه را تاحدي كاهش داد.

Background and Objective: Cardiovascular disease is the most common cause of death in developed countries and in the whole world, and according to the World Health Organization prediction, will be the major cause of morbidity throughout the world in 2020. According to the recent World Health Organization report from each 20 deaths, one is due to diabetes. Heart disease and heart attack are the most important complications of diabetes. In this study, data mining algorithms were used to predict the risk of heart attack in diabetic patients with acceptable accuracy and identify the factors that affect the incidence of heart attack. Materials and Methods: The study was performed retrospectively on 856 patients in 2009 from Gorgan diabetic center. Clinical data of patients using data mining methods were analyzed in the SPSS software. To identify the influencing factors on incidence heart attack, classification data mining algorithms were used. Results: A model with 94 percent accuracy is identified using the C&R decision tree algorithm. According to the C&R Tree hypertension, index BMI, systolic and diastolic blood pressure, LDL, daily activity level and age are identified as the most important factors of heart disease in diabetic patients Conclusion: With the use of Created rules and identifying effective features and controlling effective factors on diabetic patients, the mortality rate of this complication was somewhat reduced.