دوره 11، شماره 2 - ( تابستان 1404 )
جلد 11 شماره 2 صفحات 0-0 |
برگشت به فهرست نسخه ها
Ethics code: IR.US.PSYEDU.REC.1404.007
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ronaghi M H, Malekpoor A R. Applications of Data Mining in Healthcare: A Systematic Review. JMIS 2025; 11 (2)
URL: http://jmis.hums.ac.ir/article-1-606-fa.html
URL: http://jmis.hums.ac.ir/article-1-606-fa.html
رونقی محمدحسین، ملک پور احمدرضا. کاربردهای داده کاوی در حوزه سلامت - مرور نظام مند. اطلاعرسانی پزشکی نوین. 1404; 11 (2)
گروه مدیریت، دانشکده اقتصاد مدیریت و علوم اجتماعی، دانشگاه شیراز، شیراز، ایران.
چکیده: (674 مشاهده)
هدف: این مطالعه باهدف مرور نظام مند کاربردهای داده کاوی در پیشبینی و تشخیص بیماری ها در حوزه سلامت انجام شد.
منابع اطلاعات یا داده ها: این مطالعه براساس دستورالعمل پریزما 2020 انجام شد. پس از حذف مطالعات تکراری، عناوین، چکیده ها و متون کامل مقالات براساس معیارهای ورود و خروج بررسی شدند و درنهایت 44 مطالعه وارد تحلیل شدند. کیفیت مطالعات با استفاده از چک لیست مؤسسه جوآنا بریگز ارزیابی شد و سنتز داده ها به صورت کیفی و روایت محور انجام گرفت.
روش های انتخاب برای مطالعه: استخراج داده ها در پنج محور اصلی نوع الگوریتم های پردازش تصویر، ارزیابی بالینی و حضور پزشک در تیم تحقیق و نیازهای فنی و اقتصادی سیستم ها متمرکز بود.
ترکیب مطالب و نتایج: یافته ها نشان داد که بیشترین کاربرد داده کاوی در پیشبینی و تشخیص بیماری های قلبی و عروقی، دیابت، بیماری های کلیوی، سرطان ها و سایر بیماری های مزمن بوده است. داده های مورد استفاده عمدتاًً شامل داده های بالینی ساخت یافته و پرونده های الکترونیکی سلامت بودند. الگوریتم های پرکاربرد شامل درخت تصمیم، نیوی بیز، ماشین بردار پشتیبان، شبکه های عصبی و جنگل تصادفی بودند. مطالعات جدیدتر، علاوه بر دقت پیشبینی، بر تفسیرپذیری مدل ها، انتخاب ویژگی و کاربرد بالینی نتایج با استفاده از روش هایی مانند شاپ و لایم تمرکز داشته اند. همچنین هیچ الگوریتمی در تمامی مسائل برتری مطلق نشان نداد و عملکرد مدل ها به نوع بیماری، کیفیت داده ها و روش های پیش پردازش وابسته بود.
نتیجه گیری: نتایج این مرور نظام مند نشان داد که داده کاوی می تواند نقش مؤثری در تشخیص زود هنگام بیماری ها و پشتیبانی از تصمیم گیری بالینی ایفا کند. بااین حال، چالش هایی مانند ناهمگونی داده ها، کیفیت اطلاعات و محدودیت های پیاده سازی بالینی همچنان وجود دارد. توسعه زیرساخت های داده، استاندارد سازی اطلاعات سلامت و توجه بیشتر به تفسیرپذیری مدل ها برای استفاده مؤثر از داده کاوی در نظام سلامت ضروری است.
منابع اطلاعات یا داده ها: این مطالعه براساس دستورالعمل پریزما 2020 انجام شد. پس از حذف مطالعات تکراری، عناوین، چکیده ها و متون کامل مقالات براساس معیارهای ورود و خروج بررسی شدند و درنهایت 44 مطالعه وارد تحلیل شدند. کیفیت مطالعات با استفاده از چک لیست مؤسسه جوآنا بریگز ارزیابی شد و سنتز داده ها به صورت کیفی و روایت محور انجام گرفت.
روش های انتخاب برای مطالعه: استخراج داده ها در پنج محور اصلی نوع الگوریتم های پردازش تصویر، ارزیابی بالینی و حضور پزشک در تیم تحقیق و نیازهای فنی و اقتصادی سیستم ها متمرکز بود.
ترکیب مطالب و نتایج: یافته ها نشان داد که بیشترین کاربرد داده کاوی در پیشبینی و تشخیص بیماری های قلبی و عروقی، دیابت، بیماری های کلیوی، سرطان ها و سایر بیماری های مزمن بوده است. داده های مورد استفاده عمدتاًً شامل داده های بالینی ساخت یافته و پرونده های الکترونیکی سلامت بودند. الگوریتم های پرکاربرد شامل درخت تصمیم، نیوی بیز، ماشین بردار پشتیبان، شبکه های عصبی و جنگل تصادفی بودند. مطالعات جدیدتر، علاوه بر دقت پیشبینی، بر تفسیرپذیری مدل ها، انتخاب ویژگی و کاربرد بالینی نتایج با استفاده از روش هایی مانند شاپ و لایم تمرکز داشته اند. همچنین هیچ الگوریتمی در تمامی مسائل برتری مطلق نشان نداد و عملکرد مدل ها به نوع بیماری، کیفیت داده ها و روش های پیش پردازش وابسته بود.
نتیجه گیری: نتایج این مرور نظام مند نشان داد که داده کاوی می تواند نقش مؤثری در تشخیص زود هنگام بیماری ها و پشتیبانی از تصمیم گیری بالینی ایفا کند. بااین حال، چالش هایی مانند ناهمگونی داده ها، کیفیت اطلاعات و محدودیت های پیاده سازی بالینی همچنان وجود دارد. توسعه زیرساخت های داده، استاندارد سازی اطلاعات سلامت و توجه بیشتر به تفسیرپذیری مدل ها برای استفاده مؤثر از داده کاوی در نظام سلامت ضروری است.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
