کاربرد داده کاوی در پیش بینی بقای پیوند کلیه و شناسایی متغیرهای تأثیرگذار در بقای کلیه پیوندی

مقدمه: نارسایی مزمن کلیه از بیماری‌های شایع در ایران و جهان است و پیوند کلیه روش درمانی مناسب و مؤثرترین راهبرد در بین بیماران مبتلا به نارسایی مزمن کلیه است. این مطالعه جهت پیش‌بینی بقای کلیه پیوندی و شناسایی عوامل مؤثر بر آن و ارائه یک مدل به منظور صحت پیش‌بینی بالاتر انجام شد. روش: مطالعه حاضر به روش گذشته‌نگر بر روی داده‌های 423 مورد پرونده بیماران پیوند کلیه در سال‌های 90-1385 در مرکز آموزشی-درمانی افضلی‌پور شهر کرمان انجام گرفت. از طبقه‌بند‌های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان جهت پیش بینی بقای پیوند کلیه و از همجوشی اطلاعات برای ترکیب نتایج طبقه‌بندهای ذکر شده، به منظور طراحی مدلی با صحت بالاتر استفاده شد. همچنین، برای شناسایی متغیرهای تأثیرگذار در بقای کلیه پیوندی از الگوریتم ژنتیک و جهت تحلیل داده‌ها و اجرای الگوریتم‌ها از نرم افزارهای Clementine 12 و Weka استفاده شد. نتایج: صحت حاصل از سه روش شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان به ترتیب برابر با 94 ، 92و 92 درصد و صحت به دست آمده از روش همجوشی اطلاعات برابر 95/74درصد بوده است. همچنین، ویژگی‌های شاخص توده بدنی و جنسیت گیرنده، سن دهنده، همسانی گروه خونی دهنده و گیرنده و سابقه پیوند کلیه توسط الگوریتم ژنتیک به عنوان متغیر‌های تأثیرگذار در بقای پیوند کلیه شناسایی شد که صحت پیش‌بینی مدل پیشنهادی با این تعداد ویژگی 91/67درصد بوده است. نتیجه‌گیری: با استفاده از همجوشی اطلاعات، می‌توان صحت نتایج طبقه‌بندها را افزایش داد. همچنین، الگوریتم ژنتیک روش مناسبی جهت شناسایی ویژگی‌های بهینه است.