fa آنالیز داده های مربوط به بیماران مبتلا به سرطان روده بزرگ با استفاده از تکنیک های داده کاوی مطالعه موردی : بیماران مرکز تحقیقات کولورکتال بیمارستان شهید فقیهی شیراز بیماریهای داخلی Internal Medicine موردنگاري case report <p dir="RTL"><strong><span style="color:#0070C0;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">زمینه و هدف: </span></span></span></strong><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">روند رو به رشد سرطان روده بزرگ در سال‌های اخیر، لزوم اتکا به شیوه‌های مطمئن و جدید را برای شناسایی و کنترل این بیماری بیشتر آشکار می‌کند. داده کاوی یکی از این روش‌هاست که از مهم‌ترین کاربردهای آن، کشف الگوهای پنهان مابین داده‌های بیماران در پایگاه داده‌های بزرگ است. در این مطالعه، به بررسی و کشف الگوهای ناشناخته در یک مجموعه داده واقعی سرطان روده بزرگ پرداخته می‌شود</span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">.</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"></span></span></span><br> <strong><span style="color:#0070C0;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">روش کار:</span></span></span></strong><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> در این تحقیق مجموعه داده‌های مربوط به 400 بیمار سرطان کولورکتال شامل 42 ویژگی</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">مورد بررسی قرار گرفته است. این اطلاعات از طریق مرکز تحقیقات کولورکتال دانشگاه علوم پزشکی شیراز بین سال‌های 1387 تا 1395 جمع‌آوری شده است. پس از انجام مراحل پیش پردازش، از طریق الگوریتم</span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;"> Fp-Growth </span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">روابط پنهان بین ویژگی‌های این داده‌ها کشف شده است.</span></span></span><br> <strong><span style="color:#0070C0;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">یافته‌ها:</span></span></span></strong><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> با استفاده از الگوریتم فوق‌الذکر و کشف ارتباط میان بعضی از ویژگی‌ها، قوانینی حاصل شد که به پیشنهاد پزشک متخصص و اهمیت ویژگی‌ها، این قوانین در هفت گروه مورد بررسی قرار گرفته‌اند</span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">.</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"></span></span></span><br> <strong><span style="color:#0070C0;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">نتیجه‌گیری: </span></span></span></strong><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">نتایج حاصل از بررسی قوانین نشان می‌دهد که مرحله پاتالوژیک و سن بیمار دارای اثر معنادار در نرخ بقاء بیماران داشته‌اند. همچنین درصد ابتلای زنان و مردان به سرطان رکتال بیش از کلون می‌باشد و جنسیت در بقای بیمار تأثیری ندارد. از نتایج دیگر حاصل از بررسی این دیتاست می‌توان به عدم وجود رابطه معنا‌دار بین مرحله پاتالوژیک بیمار و اطلاعات دموگرافیک اشاره کرد.</span></span></span><br> &nbsp;</p> <p><strong>Background:</strong> In recent years the growing trend of colon cancer has revealed that we need some safe and new methods to detect and control this disease. Data mining is one of these methods, one of its most important applications is the discovery of hidden patterns between data in a large database. In this study, we explore and discover unknown patterns in a real colon cancer data set.<br> <strong>Methods:</strong> In this study, the information of 400 colorectal cancer patients, with 42 cfeature has been studied.This information was collected through the Colorectal Research Center, Shiraz University of Medical Sciences, between 2008 and 2016. After performing the data set preprocessing, the hidden relationships between the features of this data are discovered through the Fp-Growth algorithm.<br> <strong>Results: </strong>Ater using this algorithm and discovering the relationship between some of the features, some rules have been developed. Based on the suggestion of the specialist and the importance of the features, the rules have been studied in seven groups.<br> <strong>Conclusion:</strong> The results of the review of the laws indicate that the pathologic stage and the age of the patient had a significant effect on the survival rate of the patients.<br> Also, the percentage of men and women with rectal cancer is greater than that of the clone, and the sex does not affect the survival of the patient.<br> Other findings from the review of this data can be the lack of a meaningful relationship between the patient&#39;s pathologic stage and the demographic information.<br> &nbsp;<br> &nbsp;</p> داده کاوی, قوانین انجمنی, سرطان کلون, سرطان رکتال, کشف روابط پنهان Data mining, Association rules,Colon cancer, Rectal cancer, Discover hidden relationship 47 56 http://rjms.iums.ac.ir/browse.php?a_code=A-10-3409-1&slc_lang=fa&sid=1 Elham Parvinnia الهام پروین نیا parvinnia@iaushiraz.ac.ir 3900319475328460043181 3900319475328460043181 Yes Islamic Azad University, Shiraz, Iran دانشگاه آزاد اسلامی، شیراز، ایران meysam Mohammadi میثم محمدی MOHAMMADI.MEYSAM@PIDEC.COM 3900319475328460043182 3900319475328460043182 No Shiraz Branch, Islamic Azad University, Shiraz, Iran دانشگاه آزاد اسلامی، شیراز، ایران ali Mohammad Bananzadeh علی محمد بنان زاده bananzada@ssums.ac.ir 3900319475328460043183 3900319475328460043183 No Shiraz University of Medical Science, Shiraz, Iran دانشگاه علوم پزشکی شیراز، شیراز، ایران. Seyedeh Parastoo Khayami سیده پرستو خیامی 3900319475328460043184 3900319475328460043184 No Shiraz University, Shiraz, Iran دانشگاه شیراز، شیراز، ایران.