fa بررسی ویژگی‌های بیماران مبتلا به سل با استفاده از روش خوشه‌بندی K-Means عمومى General پژوهشي اصیل Original Article <p dir="RTL" style="text-align: justify"><strong>مقدمه:</strong> به گزارش سازمان سلامت جهانی، بیماری سل بیشترین عامل مرگ و میر در بیماری&shy;های عفونی است. با توجه به بالا بودن درصد افراد مبتلا به سل و تعداد زیاد مرگ و میر در بین این بیماران، این تحقیق با هدف دسته بندی و پیدا کردن ارتباط بین ویژگی&shy;های بالینی و دموگرافیک بیماران مختلف انجام شده است.</p> <p dir="RTL" style="text-align: justify"><strong>روش:</strong> این پژوهش مطالعه &shy;ای توصیفی، تحلیلی بوده که به روی 600 بیمار مرکز تحقیقات سل بیمارستان مسیح دانشوری انجام شده است. برای انجام دسته &shy;بندی و تعیین شاخص&shy;های مشترک بین بیماران از الگوریتم&shy;های داده کاوی خوشه&shy; بندی <span dir="LTR">K-Means</span> و قوانین باهم آیی <span dir="LTR">Apriori</span> به کمک نرم افزار <span dir="LTR">SPSS Clementine</span> &nbsp;نسخه 14 استفاده شده است.</p> <p dir="RTL" style="text-align: justify"><strong>نتایج</strong><strong>:</strong> به کمک شاخص دان، تعداد 3خوشه به عنوان خوشه بهینه انتخاب شده&shy; اند. عوامل مشترک بین خوشه &shy;ها به تفصیل در بخش نتایج آورده شده است. با توجه به ویژگی&shy;های هر خوشه، می&shy;توان بیماران را بر اساس میزان تأثیرگذاری عوامل مختلف بر روی آن&shy;ها دسته بندی کرد.</p> <p style="text-align: justify"><strong><span dir="RTL">نتیجه&shy; گیری:</span></strong><span dir="RTL"> با توجه به نتایج حاصل از این مطالعه، </span><span dir="RTL">مهم&shy;ترین عوامل شناسایی شده با استفاده از خوشه &shy;بندی عبارت بودند از: هموگلوبین، سن، جنسیت، مصرف سیگار، مصرف الکل و کراتینین. همچنین با توجه به قوانین با هم&shy; آیی، بیشترین ارتباط بین سرفه&shy;، کاهش وزن و سرعت رسوب گلبول&shy;های قرمز یافت شده است.</span></p> <p style="text-align: justify"><strong>Introduction:</strong> According to the World Health Organization, TB is the largest cause of death among infectious diseases. Due to the high percentage of tuberculosis infection and the high number of death among these patients, this study was carried out to categorized and find the relationship between different clinical and demographical characteristics.</p> <p style="text-align: justify"><strong>Method:</strong> This descriptive analytical study was done on 600 patients from Masih Daneshvari hospital tuberculosis research center. K-means clustering, Apriori association rules, and data mining algorithms (SPSS Clementine software) were used for clustering and determining the common characteristics among patients.</p> <p style="text-align: justify"><strong>Results:</strong> Based on DUNN index, 3 clusters were chosen as optimal cluster. The common factors between clusters have been described in details in findings section. According to the characteristics of each cluster, patients can be classified based on the effectiveness of various factors</p> <p style="text-align: justify"><strong>Conclusion:</strong> According to the results of this study, the most important identified factors by the use of clustering are Hemoglobin, age, sex, smoking, alcohol and Creatinine. Based on the association rules the highest rate of relationship is found between cough, weight loss, and ESR.</p> <p style="text-align: justify"></p> سل, خوشه بندی, قوانین باهم آیی, داده کاوی Tuberculosis, Clustering, Association rules, Data mining 149 159 http://jhbmi.ir/browse.php?a_code=A-10-144-1&slc_lang=fa&sid=1 Farzad Firuzi Jahantigh فرزاد فیروزی جهانتیغ firouzi@eng.usb.ac.ir 10031947532846002375 10031947532846002375 No دکتری مهندسی صنایع، استادیار،گروه مهندسی صنایع، دانشگاه سیستان و بلوچستان، زاهدان، ایران. Hakimeh Ameri حکیمه عامری ha.amery@gmail.com 10031947532846002376 10031947532846002376 Yes M.Sc. in Information Technology, Industrial Engineering Dept., Khaje Nasir Toosi University of Technology, Tehran, Iran کارشناس ارشد فناوری اطلاعات، تجارت الکترونیک، دانشکده مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی تهران، تهران، ایران.