پیش بینی موفقیت درمان افراد معتاد به مواد مخدر با داده کاوی
Publish place: 12th Iranian Conference on Intelligent Systems
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,606
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_068
تاریخ نمایه سازی: 11 مرداد 1393
Abstract:
اعتیاد به مواد مخدر، یکی از بزرگترین معضلهای بهداشتی - درمانی در دنیای کنونی است که موجب تهدید جدی ساختارهای اجتماعی، اقتصادی و فرهنگی شده و باعث از بین رفتن بخشی از نیرو و مغز فعال جامعه می شود و از طرف دیگر یکی از عوامل اصلی گسترش بیماری هایی چون ایدز و هپاتیت می باشد. امروزه اعتیاد، بیماری تلقی میشود و مراکزی برای درمان آن وجود دارد که اطلاعات کاملی راجع به افراد معتاد در اختیار دارند. بنابراین با وجود حجم بالای داده، میتوان با استفاده از ابزار داده کاوی به کشف دانش در داده ها پرداخت و از نتایج آن به عنوان پایگاه دانش سیستم پشتیبان تصمیم گیری در زمینه پیشگیری و درمان اعتیاد،استفاده نمود. جامعه آماری مورد استفاده در این پژوهش، مراجعین مراکز درمان اعتیاد یزد می باشند. نمونه مورد نظر شامل 471 مراجعه کننده 86/2درصد مرد و 13/8 درصد زن است که 421 نفر، افراد در حال درمان و 50 نفر افراد بهبود یافته هستند. هدف این مطالعه پیش بینی موفقیت درمان مراجعین است که از مدل دسته بندی برای این منظور استفاده شده و نتایج به دست آمده حاکی از آن است که مدل CHAID از کارایی بالاتری نسبت به سایر مدل ها برخوردار است. نتایج این مطالعه می تواند در مراکز درمان اعتیاد وسازمان های مرتبط استفاده شود.
Keywords:
Authors
فرزانه زاهدی
دانشکده فنی مهندسی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات یزد، یزد، ایران
محمدرضا زارع میرک آبادی
استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :