مریم حسن زاده - گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور- دانشگاه علوم پزشکی گیلان، رشت
اکبر فرهودی نژاد - استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران
شاهرخ یوسف زاده - دانشیار، متخصص جراحی مغز و اعصاب، مرکز تحقیقات ترومای جاده ای گیلان، دانشگاه علوم پزشکی گیلان، رشت

تروما شایعترین علل مرگ و میر در جهان است که اغلب بر اثر حوادث جاده ای رخ می دهد و شناسایی به موقع بیماران با مصدومیتحاد، باعث اتخاذ صحیح اقدامات پزشکی و در نتیجه نجات جان آنان و پرهیز از صرف هزینه های هنگفت درمانی خواهد شد.این تحقیق بر روی 1073 بیمار ترومایی ثبت شده در سیستم بیمارستانی با حداکثر آزمایشات تشخیصی مهم صورت گرفت. جهت تجزیه وتحلیل توصیفی آماری و ارتباط سنجی بین ویژگیها و وضعیت ترخیص بیمار، از تستهای آماری و جهت پیش بینی عوامل موثر و استخراج قوانینپیشگویی، از الگوریتم ها و تکنیکهای داده کاوی استفاده شد.از میان الگوریتم های به کار رفته، درخت تصمیم دارای بالاترین دقت دسته بندی با دقت 91 % بود که بدین ترتیب با استفاده از الگوریتم درخت تصمیم bestFirst از 52 ویژگی مورد بررسی، 18 ویژگی از عوامل موثر در مرگ بیماران تعیین گردید و با استفاده از روش خوشه بندی FarthestFirst خوشه های با بیشترین مشخصات مرتبط با مرگ بیماران مشخص گردید. نتایج نشان می دهد که خوشه تولید شده 94 % بیماران فوتی را تشکیل می دهد که می تواند نشان دهنده صحت پیشگویی باشد.

تروما، داده کاوی، مرگ، آسیب