تعیین مهم ترین عوامل موثر بر سرطان پوست غیرملانومایی با استفاده از الگوریتم های داده کاوی

مقدمه: در سال های اخیر، سرطان پوست غیرملانوما (NMSC) جزء سه سرطان شایع در ایران بوده  است. مدیریت نامناسب این بیماری منجر به افزایش شیوع و هزینه های سربار اقتصادی شده است. تکنیک های داده کاوی به آنالیز داده های پرونده های بیماران و مدیریت صحیح بیماری ها کمک می نمایند. هدف این مطالعه کشف الگوها و روابط پنهان در داده های بیماران NMSC با استفاده از الگوریتم های داده کاوی می باشد. روش: جامعه مورد بررسی در این مطالعه کاربردی، ۸۲۸ پرونده NMSC بود که طی سال های ۹۴-۸۶ به انستیتو کانسر بیمارستان امام خمینی (ره) تهران ارجاع شده بودند. متغیرهای دموگرافیک و ریسک فاکتورهای ابتلا به بیماری با استفاده از الگوریتم K-Means خوشه بندی شدند. همچنین از الگوریتم Apriori برای استخراج قوانین انجمنی و تعیین شاخص های مشترک بیماران با درجه اطمینان بالای ۰/۹ استفاده گردید.  نتایج: بیماران NMSC با توجه به متغیرهای مورد بررسی در چهار خوشه توزیع شدند و سه عامل مهم تاثیر گذار بر بیماری، BMI غیرنرمال، شغل های با ریسک بالا و سابقه قبلی سرطان مشخص شد. با استفاده از قوانین انجمنی هفت قانون مورد تایید قرار گرفت و بیشترین ارتباط میان عوامل سابقه قبلی بیماری، موضع درگیر، عود و نوع سرطان پوست غیرملانوما دیده شد. نتیجه گیری: این مطالعه برای اولین بار مهم ترین عوامل موثر بر NMSC را با استفاده از داده کاوی تعیین نمود. این عوامل بایستی در انجام خودآزمایی ها و یا آزمایش های غربالگری پوست در گروه های پرخطر مد نظر قرار بگیرند. همچنین در مطالعات آینده بایستی مشارکت عوامل فیزیولوژیک، اکولوژیک و ژنتیک در ایجاد سرطان پوست تواما داده کاوی شوند.

Keywords:

Non-Melanoma Skin Cancer , Data Mining , Clustering , Association rules , Risk Factor , سرطان پوست غیر ملانومایی , داده کاوی , خوشه بندی , قوانین انجمنی , ریسک فاکتور