مقدمه و هدف: ابتلاء فراگیر به ویروس کووید-19 و شیوع سریع آن در سال‌های اخیر، به یکی از معضلات کادر درمانی در جهان تبدیل شده است. هنگامی که این بیماران به مراکز درمانی وارد و مراحل اولیه تشخیص ویروس را طی می‌کنند، تفکیک بهینه و قاعده‌مند آنان از سایر بیماران، می‌تواند کمک شایانی به کادر درمان کند. از سوی دیگر تشخیص سریع‌تر بیمار مشکوک به کووید- 19، در جلوگیری از شیوع بیشتر آن، موثر خواهد بود. در این پژوهش قصد داریم با استفاده از داده‌های تصاویر پزشکی مبتلایان، و روش‌های داده‌کاوی، به تعیین مشخصه‌های اثرگذار در تشخیص و تفکیک مبتلایان به کووید-19 از سایر بیماران، در مراکز درمانی بپردازیم. همچنین به استخراج قواعد تصمیم‌گیری، جهت بهینه سازی فرآیند تصمیم‌گیری کادر درمان، خصوصا" در تفکیک بهتر مبتلایان از سایر بیماران، پرداخته شده است. طراحی/روش/رویکرد‌ها: در این پژوهش از داده‌کاوی با روش «رافست»، «شبکه عصبی مصنوعی» و «درخت تصمیم» جهت استخراج قواعد تصمیم‌گیری استفاده کرده‌ایم. به این منظور، ابتدا داده‌ها پاکسازی شده و مشخصه‌های غیرمرتبط حذف گردید، سپس با استفاده از نرم افزارهای اکسل، رُزتا، و وِکا، اقدام به گسسته‌سازی و تقسیم داده‌ها به آزمون و آموزش کرده و پس از کاهش مشخصه‌ها، به استخراج قواعد تصمیم‌گیری و تحلیل آن، اقدام شد. یافته‌ها: در این پژوهش مجموعا" شامل 950 داده تصویر رادیوگرافی بیماران است که از این تعداد 311 سطر یا 7/32 % مربوط به زنان و 559 سطر یا 8/58 % مربوط به مردان است. با توجه به توابع جانسون و ژنتیک و درخت تصمیم، مشخصه‌های «سن»، «تعداد روزهای تهیه تصویر پس از شروع علائم و یا بستری شدن»، «وضعیت آزمایش RT_PCR» و «نوع تصویر پزشکی»، و بر اساس تابع هولتس بعلاوه مشخصه «درخواست اکسیژن»، اثرگذاری بیشتری در تشخیص و تفکیک بیماران دارند. با استفاده از روش «رافست» بوسیله توابع جانسون و ژنتیک و هولتس، دقت قوانین مدل هریک 83% شد که بوسیله تابع جانسون 465 قانون و توسط تابع ژنتیک تعداد 3316 قانون و توسط تابع هولتس تعداد 62 قانون استخراج شد. با استفاده از روش «درخت تصمیم» و الگوریتم J48 آن، دقت مدل برابر82% و تعداد قوانین برابر 9 قانون است. همچنین در روش «شبکه عصبی مصنوعی» با الگوریتم چندلایه پرسپرون، دقت مدل تقریبا" برابر97% می‌باشد از بقیه روش‌ها بالاتر است. به طور متوسط 08/9 روز پس از شروع علائم و با بستری شدن از بیماران تصاویر پزشکی تهیه شده است. در نهایت پنج قانون ترکیبی حاصل از اجرای این روش‌ها تبیین گردید.
Esmaeilpour M, Bahiraei A. Analysis of Factors Affecting Covid-19 Disease Using Patient Clinical Data by Data Mining Methods. 3 2022; 1 (4) : 1 URL: http://jiis.iauh.ac.ir/article-1-22-fa.html
اسماعیل پور منصور، بحیرائی آرش. تحلیل عوامل اثرگذار بر «ابتلاء به بیماری کووید-19»، با استفاده از داده‌های بالینی بیماران، با روش‌های داده‌کاوی. 1. 1401; 1 (4) :1-9
