مقایسه الگوریتم های دسته بند در شناسایی چنددارویی و ویژگی های موثر بر آن در سالمندان

تجویز و مصرف بیش از حد داروها که با عنوان چنددارویی شناخته می شود، هم موجب اتلاف منابع می گردد و هم برای بیماران زیان بار است. چنددارویی به خصوص برای سالمندان از اهمیت بیشتری برخوردار است؛ بنابراین عوامل موثر بر آن باید به درستی شناسایی و واکاوی شود.

در این پژوهش گذشته نگر، نخست عملکرد الگوریتم های مختلف دسته بند C4.5، SVM، KNN، MLP و شبکه بیزی برای شناسایی چنددارویی، با نرم افزار WEKA مورد مقایسه قرار می گیرد. این فرآیند، با استخراج 16 ویژگی جدید در کنار چهار ویژگی موجود در داده های 81،677 نسخه که برای تعداد 19،428 بیمار سرپایی با سن 70 تا 95 سال که در داروخانه های طرف قرارداد با بیمه سلامت استان تهران پیچیده شده اند، انجام شد. مقایسه عملکرد به وسیله آزمون t اصلاح شده با بازنمونه برداری صورت پذیرفت. به منظور شناسایی اثر ویژگی های بیماران بر چنددارویی، دو پارامتر مهم الگوریتم C4.5 به وسیله جستجوی توری بر روی 50% مجموعه داده بهینه سازی و سپس بر 50% دیگر مجموعه داده اعمال گردید و قوانین حاصل از آن در قالب درخت تصمیم و عبارات کلامی ارایه شد.

مقایسه زوجی دسته بندها نشان گر عملکرد مناسب تر C4.5 و شبکه بیزی در مقایسه با سایر روش ها است. C4.5 توانایی شناسایی ویژگی های موثر بر چنددارویی را دارد. تنظیم پارامتر این الگوریتم باعث بهبود شاخص درستی و AUC شده و به شدت اندازه درخت تصمیم و تعداد قوانین تولیدی را کاهش می هد.

استفاده از رویکرد داده کاوی و به کارگیری C4.5 توانایی شناسایی و تبیین ویژگی های سالمندان را بر پدیده چنددارویی دارد. درصد مراجعه بیشتر به پزشکان عمومی و ارتباط با تعداد محدودتری از داروخانه از مهم ترین این ویژگی ها است.