fa ارتباط‌سنجی وضعیت اجتماعی- اقتصادی بیماران سوختگی و حیات با استفاده از تکنیک‌های داده‌کاوی تخصصي Special كاربردي Applicable <div style="text-align: justify;"><span style="font-family:tahoma;"><strong>هدف: </strong>سوختگی در تمام جوامع یک چالش عمده بهداشتی است و با توجه به اینکه داده‌کاوی علم جدیدی است این مطالعه با هدف ارتباط سنجی وضعیت اجتماعی- اقتصادی بیماران سوختگی و حیات، با استفاده از تکنیک‌های داده‌کاوی انجام گرفت. تا رابطه معنادار بین وضعیت اقتصادی و اجتماعی افرادی که دچار سوختگی می‌شوند با نتیجه درمان آن‌ها را مشخص می‌کند.<br> <strong>روش‌ها:</strong> پژوهش حاضر یک مطالعه توصیفی تحلیلی و به ‌صورت گذشته‌نگر است. جمعیت مورد مطالعه&nbsp; 553 نفر شامل تمامی بیماران سوختگی بزرگسال بستری ‌شده در بیمارستان آیت‌الله طالقانی اهواز در سال‌های 1390-1388 می باشد. داده‌ها از طریق چک‌لیست و پرسشنامه جمع‌آوری گردید و با استفاده از نرم‌افزار <span dir="LTR">IBM SPSS Modeler</span> و از طریق الگوریتم‌های داده‌کاوی <span dir="LTR">C5. 0</span> و <span dir="LTR">CHAID</span> و <span dir="LTR">C&R</span> مورد تجزیه و تحلیل قرار گرفتند. جهت ارزیابی مدل ها از ماتریس سردرگمی استفاده شد.<br> <strong>نتایج:</strong> مدل پیش‌بینی برای پیامد سوختگی بیماران که توسط الگوریتم‌های منتخب به دست آمد شامل عامل سوختگی، شغل، کپسول در خانه، منطقه سکونت، میزان درآمد، قصد، جنس و تحصیلات می باشند. در مقایسه صحت الگوریتم‌ها، بیشترین صحت مربوط به الگوریتم <span dir="LTR">C&R (87/0</span>)، بیشترین ویژگی مربوط به الگوریتم <span dir="LTR">CHAID (98/0</span>) و بیشترین حساسیت مربوط به الگوریتم <span dir="LTR">C&R (50/0</span>) می باشد. با توجه به برتری مدل <span dir="LTR">C&R</span> در مقایسه صحت و حساسیت مدل‌ها، این مدل به ‌عنوان مدل برتر شناخته شد.<br> <strong>نتیجه‌گیری:</strong> با توجه به میانگین صحت مدل‌های پیشنهادی، مدل‌های داده‌کاوی <span dir="LTR">C5. 0</span> و <span dir="LTR">CHAID</span> و <span dir="LTR">C&R</span> معتبر هستند. نتایج این مطالعه می‌تواند برای پیش‌بینی تأثیر عوامل اجتماعی-اقتصادی بر روی پیامد سوختگی مفید باشد.<span dir="LTR"></span></span></div> <div style="text-align: justify;"><strong>Aim:</strong> In all societies, burn is a health cause&rsquo;s physiologic mental economic and health disorder both for the patient and its family challenge and more than any other trauma. Cases such as lifestyle, social, economic, and cultural levels of society can change the type of burns. Given that data mining is growing and new, it is also of great importance to medical data. Therefore, in this project, the intention is to collect data using actual data mining techniques and in view of the prevalence of burns in developing countries, a model for establishing a meaningful relationship between the economic and social status of individuals develop burns as a result of their treatment.<br> <strong>Methods:</strong> The present study is analytic-descriptive based on retrospective nature. The population of the study consists of 553 patients all adult burn patients who were hospitalized in Ayatollah Taleghani hospital in Ahvaz for 3 years (1388-1390).data have been collected from check lists and questionnaire. The collected data were computed using spss22, IBM Modeler 14.2 and algorithm of C5.0, CHAID and CART.<br> <strong>Results:</strong> The predicted model for the outcome of burn on patients conducted through selected algorithms in order of priority including factors of burn, occupation, capsule at home, place of incident, residential area, and rate of income, intent, gender and education.<br> By comparing the accuracy of the algorithms, the highest accuracy is for the C & R algorithm (0.87), the most characteristic of the CHAID algorithm (0.98) and the most sensitivity was obtained for the C & R algorithm (0.50). Given the superiority of the C & R model, this model was recognized as the top model in terms of the accuracy and sensitivity of the models.<br> <strong>Conclusion:</strong> Due to the average accuracy of suggested models, these models are both valid and attributable. The results of this study can be useful for the prediction of the impact of socioeconomic factors on burnout outcomes.</div> سوختگی, وضعیت اقتصادی-اجتماعی, داده کاوی burn, socio-economic status, data mining 18 25 http://jmis.hums.ac.ir/browse.php?a_code=A-10-173-1&slc_lang=fa&sid=1 maasume khedri معصومه خدری masikhedri92@gmail.com 10031947532846004213 10031947532846004213 Yes Department of Health Information Management, Faculty of Paramedicine, Tehran University of Medical Sciences, Tehran, Iran. گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران. marjan ghazi saeedi مرجان قاضی سعیدی ghazi.saeedi@yahoo.com 10031947532846004214 10031947532846004214 No Tehran university of medical science دانشگاه علوم پزشکی تهران Abbas Sheikh taheri عباس شیخ طاهری tt_taheri@yahoo.com 10031947532846004215 10031947532846004215 No Iran university of medical science دانشگاه علوم پزشکی ایران javad zarei جواد زارعی j.zarei27@gmail.com 10031947532846004216 10031947532846004216 No ahvaz university of medical science دانشگاه علوم پزشکی اهواز