fa کاربرد الگوریتم‌های درخت تصمیم و رگرسیون لجستیک برای پیش‌بینی ابتلا به لنف‌ادم در بیماران سرطان پستان پزشکی Medical پژوهشي Research <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;">لنف‌ادم از عوارض شایع و ناتوان‌کننده بیماران سرطان پستان است. این مطالعه به پیش‌بینی و دسته‌بندی عارضه لنف‌ادم پرداخته است. همچنین شناسایی عوامل مؤثر و کشف الگوهایی برای تشخیص سریع‌تر و جلوگیری از بروز این عارضه از اهداف دیگر این پژوهش است.</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;"> اطلاعات حاصل از پرونده&shy;های 1113 بیمار مبتلا به سرطان پستان که طی سال‌های 1388 تا 1396 به کلینیک لنف‌ادم سیدخندان مراجعه کرده بودند، مورد ارزیابی قرار گرفت. تحلیل داده‌ها با به کارگیری روش‌شناسی </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">CRISP-DM</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> و در نرم‌افزار </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">IBM SPSS Modeler 18</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> انجام شد و در بخش مدل‌سازی، الگوریتم‌های درخت تصمیم و رگرسیون لجستیک استفاده شد. </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;"> اطلاعات 933 بیمار شامل 25 متغیر پس از پیش‌پردازش داده‌ها وارد مدل شدند. احتمال ابتلا به لنف‌ادم برای هر یک از بیماران توسط الگوریتم‌های درخت تصمیم </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">C5.0</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">، </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">Chaid</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">، </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">C&RT</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">، </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">Quest</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> و الگوریتم رگرسیون لجستیک به ترتیب با حساسیت 33/79%، 41/74%، 92/71%، 64/72% و 83/77% پیش‌بینی شد و عوامل خطر لنف‌ادم شناسایی شدند. نسبت تعداد غدد لنفاوی درگیر به تعداد غدد لنفاوی خارج‌شده، احساس سنگینی، نوع عمل جراحی، مرحله بیماری، سن، شاخص توده بدنی، متاستاز، تعداد دوره‌های شیمی‌درمانی، بیماری همراه و تعداد غدد لنفاوی خارج شده به ترتیب موثرترین عوامل خطر در پیش‌بینی ابتلا به لنف‌ادم هستند که توسط الگوریتم درخت تصمیم </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">C5.0</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> شاسایی شدند.</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;"> یافته‌ها نشان می‌دهد الگوریتم درخت تصمیم </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">C5.0</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;"> با بالاترین حساسیت، مدل برتر برای پیش‌بینی ابتلا به لنف‌ادم است. با</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">بکارگیری</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">قوانین</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">ایجاد</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">شده</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">برای</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">یک</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">نمونه</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">جدید</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">با ویژگی&shy;های</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">مشخص،</span></span></span> <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">می</span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">&shy;</span></span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">توان پیش&shy;بینی کرد بیمار احتمالا مبتلا به لنف‌ادم خواهد شد یا خیر. با در نظر گرفتن شاخص توده بدنی به عنوان یک عامل قابل تغییر، رژیم های کنترل وزن برای این بیماران توصیه می&shy;شود. همچنین توجه به احساس سنگینی بیمار در مراحل اولیه ضروری است.</span></span></span><br> &nbsp; <strong>Background:</strong> Lymphadenitis is a common and debilitating complication of breast cancer patients. This study has predicted and classified lymphedema complications. Moreover, identifying effective factors and discovering patterns for faster diagnosis and prevention of this complication is another goal of this study.<br> <strong>Methods: </strong>Data from 1113 patients with breast cancer who were referred to Seyed Khandan Lymphedema clinic during 2009 to 2017 were evaluated. Data analysis was performed by using IBM SPSS Modeler software version 18 and CRISP-DM methodology and in the modeling section, logistic regression and decision tree algorithms were used.<br> <strong>Results:</strong> Data from 933 patients including 25 variables were entered into the model after pre-processing. Probability of catching of Lymphedema for each patient predicted by logistic regression algorithm and different decision tree algorithms consist of C5.0, Chaid, C&RT, and Quest with the sensitivity of 79.33%, 74.41%, 71.92%, 72.64% and 77.83%, respectively and finally the factors related to Lymphedema were identified. Ratio of the involved lymph node numbers to the removed lymph node numbers, heaviness, type of surgery, stage of disease, age, body mass index, metastasis, number of chemotherapy courses, comorbidity, number of removed lymph nodes respectively.<br> <strong>Conclusion:</strong> The results show that C5.0 decision tree algorithm with the highest sensitivity is the best model for predicting Lymphedema. By applying the rules created for a new sample with specific characteristics, it can be predicted that the patient will probably suffer from Lymphedema or not. Considering that BMI is a changeable factor, weight control regimens are recommended for these patients.&nbsp; In addition, it is necessary to pay attention to the patient&#39;s heavy feeling in the early stages.<br> &nbsp;<br> <span dir="RTL"></span> داده‌کاوی, پیش‌بینی, لنف‌ادم, درخت تصمیم, رگرسیون لجستیک Data mining, prediction, Lymphedema, decision tree, logistic regression 84 95 http://rjms.iums.ac.ir/browse.php?a_code=A-10-4056-1&slc_lang=fa&sid=1 Aliyeh Kazemi عالیه کاظمی alyiehkazemi@gmail.com 3900319475328460044376 3900319475328460044376 Yes University of Tehran, Tehran, Iran دانشگاه تهران، تهران، ایران Maliheh Fazeli ملیحه فاضلی m.f12269@gmail.com 3900319475328460044377 3900319475328460044377 No University of Tehran دانشگاه تهران، تهران، ایران Shahpar Haghighat شهپر حقیقت sha_haghighat@yahoo.com 3900319475328460044378 3900319475328460044378 No مرکز تحقیقات سرطان پستان، پژوهشکده معتمد، جهاد دانشگاهی، تهران، ایران