ارایه مدلی جهت پیش بینی بقای بیماران دیالیز صفاقی با استفاده از الگوریتم های داده کاوی

دیالیز صفاقی یکی از متداول ترین روش های درمان بیماران مبتلابه مرحله نهایی نارسایی کلیوی می باشد. در سال های اخیر، نرخ مرگ ومیر بیماران تحت این درمان کاهش یافته، اما بقای طولانی مدت، همچنان چالش مهمی برای سیستم های درمانی به شمار می رود. پژوهش حاضر با هدف پیش بینی بقای بیماران دیالیز صفاقی سرپایی مداوم صورت گرفت.
در این مطالعه با توجه به تفاوت اهمیت نسبی فاکتورها در بیماران مختلف، ابتدا عوامل موثر در بقای بیماران دیالیز صفاقی توسط الگوریتم تصادفی فارست (Random forests analysis) شناسایی شده اند. سپس با استفاده از الگوریتم های چند کلاسه ماشین بردار پشتیبان یکی در برابر همه و ماشین بردار پشتیبان مبتنی بر رویکرد نگاشت چندفضایی درخت باینری، داده های بالینی و آزمایشگاهی بیماران تحت درمان دیالیز صفاقی سرپایی مداوم به صورت گذشته نگر از مرداد ماه 1375 تا فروردین ماه 1393 در 18 مرکز دیالیز صفاقی ارزیابی شد.
تعداد 3097 بیمار با میانگین سنی 15/67±50/63 سال و متوسط زمان پیگیری 19/13±24/48 ماه، مورد مطالعه قرار گرفتند. نتایج حاصل از الگوریتم رندوم فارست 35 عامل را به عنوان مهمترین عوامل پیش بینی کننده بقای تعیین نموده است. سپس پیش بینی وضعیت بقای بیماران دیالیز صفاقی با استفاده از دو الگوریتم طبقه بندی چند کلاسه ماشین بردار پشتیبان، در پنج کلاس بیماران «باقی مانده در روش دیالیز صفاقی»، «انتقال به همودیالیز»، «دریافت پیوند کلیه»، «فوت شده» و «بهبود عملکرد کلیه» ارزیابی شد. درستی الگوریتم های پیش بینی به ترتیب 51/99% و 89/57% به دست آمد.
الگوریتم ماشین بردار پشتیبان مبتنی بر رویکرد نگاشت چندفضایی درخت باینری، با در نظر گرفتن شاخص های ارزیابی متعدد و توابع توزیع متفاوت کلاس ها، از دقت بالایی جهت پیش بینی بقای بیماران دیالیز صفاقی سرپایی مداوم برخورداراست.