به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « سرطان های روده بزرگ » در نشریات گروه « پزشکی »

  • ایمان برازنده، محمدرضا غلامیان، عبدالحسن طلایی زاده، محمد امین پورحسین قلی
    مقدمه
    در این تحقیق نشان داده می شود که می توان با استفاده از تکنیک های داده کاوی مدل هایی برای تشخیص سبک زندگی افراد از لحاظ پرخطر یا کم خطر بودن برای ابتلا به سرطان روده بزرگ توسعه داد.
    روش
    در این بررسی گذشته نگر، مجموعه داده ای شامل 84 فرد بیمار و 225 فرد سالم، شامل 25 خصیصه جمع آوری شد. این اطلاعات شامل بیمارانی است که تشخیص آن ها مربوط به سال های 1385 تا سه ماهه اول 1393 می باشد. از پرکاربردترین تکنیک ها در ادبیات انفورماتیک پزشکی شامل ماشین بردار پشتیبان، بیزین ساده، درخت تصمیم و نزدیکترین همسایگی برای توسعه مدل ها استفاده شد. سنجه جدید غیرتکنیکی توسعه داده شد که کارایی مدل ها برای حوزه پزشکی را مشخص می کند. از دیدگاه داده کاوی حوزه محور برای تعیین مدل قابل اجرا استفاده شد.
    نتایج
    مدل های توسعه داده شده با کارایی قابل قبولی قادر به تشخیص سبک زندگی افراد هستند. سنجه غیرتکنیکی توسعه داده شده به خوبی می تواند ارزش واقعی تک تک پیش بینی ها، چه درست و چه نادرست را با هزینه های واقعی مشخص کند و یک میزان واقعی از هزینه های صرفه جویی شده در نظام سلامت توسط هر مدل را نشان دهد. از میان مدل های توسعه داده شده تنها دو مدل توانست معیارهای تعیین شده جهت استفاده در دنیای واقعی را ارضا کند.
    نتیجه گیری
    مدل های توسعه داده شده نه تنها باید از لحاظ تکنیکی ارزیابی شوند، بلکه باید از لحاظ سنجه های مورد پذیرش برای حوزه پزشکی و همچنین قابلیت اجرا برای حل واقعی مساله نیز بررسی گردند.
    کلید واژگان: داده کاوی حوزه محور, رده بندی, سرطان های روده بزرگ, کشف زودهنگام سرطان}
    Iman Barazandeh *, Mohammad Reza Gholamian, Abdolhasan Talaiezadeh, Mohammad Amin Pourhoseingholi
    Introduction
    The aim of this research is to improve Colorectal Cancer screening trying to control an individual lifestyle to reduce the probability of developing Colorectal Cancer, detect the disease in early stages, and then accelerate the screening of risky individuals and postpone the screening of ones with low risk.
    Method
    In this retrospective study information of 309 individuals including 84 patients whose diagnosis had been between years 2006 to 2013 and 225 healthy individuals were collected through phone or face to face interviews and exploring patient medical records. Popular techniques to develop classification models in clouding support vector machine, naive bayes, k-nearest neighbor, and decision tree were applied. Finally actionable models were determined according to both types of measures and based on domain-driven data mining approach.
    Results
    The results show that most of the developed models have acceptable evaluation results in predicting lifestyles. The developed non-technical measure clearly distinguishes the value of every false negative prediction and every true positive prediction itself. And finally, the actionable classifiers have been selected for domain practitioners. Only two of all the developed classifiers could satisfy both technical and non-technical measures.
    Conclusion
    The results showed developed models must not only be evaluated by technical measures, but also be evaluated by medical domain interestingness, and also their application ability to actual problem solving should be explored.
    Keywords: Domain, Riven Data Mining, Classification, Colorectal Neoplasms, Early Detection of Cancer}
  • خاتون کریمی، اکرم صفایی، مارال ارکانی، محسن واحدی، رضا محبی، رضا فاطمی، محمد وفایی، محمدرضا زالی
    مقدمه
    مطالعات نشان دادند که پلی مورفیسم در ژن لپتین باعث افزایش سطح این هورمون شده و افزایش سطح لپتین با چاقی و مقاومت به انسولین و همچنین افزایش خطر ابتلا به سرطان روده بزرگ رابطه دارد. هدف از این مطالعه، ارزیابی میزان شیوع پلی مورفیسم ژن لپتین 7799039rs در تهران و بررسی نقش این پلی مورفیسم در افزایش خطر ابتلا به سرطان روده بزرگ (CRC) است.
    روش کار
    مطالعه انجام شده از نوع مورد - شاهدی بود. با استفاده از روش PCR-RFLP، به صورت تصادفی 108 نفر بیمار مبتلا به سرطان روده بزرگ و 108 نفر گروه شاهد، مورد بررسی قرار گرفتند. جهت تحلیل آماری از آزمون 2χ و نرم افزار SPSS 16 استفاده شد.
    نتایج
    میزان شیوع آلل A موتانت در گروه بیمار 8/52% و در افراد کنترل 5/62% محاسبه گردید. در مطالعه حاضر، فراوانی آللی در بین گروه بیمار و گروه کنترل اختلاف معنی داری نشان داد (04/0P=). در نمونه های بیماران، فراوانی ژنوتیپ های AA،GA،GG برای ژن لپتین به ترتیب 4/19، 6/55، 25 درصد و فراوانی این پلی مورفیسم در نمونه های کنترل به ترتیب 38، 1/49، 13 درصد بود.
    نتیجه گیری
    تحقیق حاضر نشان داد که پلی مورفیسم ژن لپتین 7799039rs روی سرطان روده بزرگ اثر محافظت کنندگی دارد.
    کلید واژگان: سرطان های روده بزرگ, لپتین, پلی مورفیسم}
    Introduction
    Studies show polymorphism in leptin gene cause increase in level of leptin hormone and increased level of leptin hormon is associated with abosity، insulin resistance and increased risk of colorectal cancer. The aim of this study was to assess the incidence of leptin gene polymorphism rs 7799039 in Tehran and to investigate the influence of this polymorphism in increased risk of colorectal cancer.
    Methods
    In this case-control study، genotyping of the leptin gene were determined in series of 108 colorectal cancer patients and 108 controls by using polymerase chain reaction and restriction fragment length polymorphism genotyping assays (PCR-RFLP). The statistical analysis was done with SPSS 16.
    Results
    The frequency of A allele in patient group and control group were 52. 8% and 62. 5%، respectively. In this study allele frequency showed significant deference between patient group and control group (P=0. 04). In patient group frequency of GG، GA، AA for leptin gene were 19. 4%، 55. 6% and 25%، respectively and in control were 38%، 49. 1% and 13%.
    Conclusion
    These findings suggest that polymorphism Leptin rs 7799039، is associated with decreased risk of CRC
    Keywords: Colorectal Cancers, Leptin, Polymorphism}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال