fa تعیین مهم‌ترین عوامل مؤثر بر سرطان پوست غیرملانومایی با استفاده از الگوریتم‌های داده کاوی تخصصي Special پژوهشي اصیل Original Article <div style="text-align: justify;"><span style="font-family:tahoma;"><strong><span style="color: black;">مقدمه:</span></strong> در سال‌های اخیر، سرطان پوست غیرملانوما (<span dir="LTR"><span style="font-size: 11pt;">NMSC</span></span>) جزء سه سرطان شایع در ایران بوده &nbsp;است. مدیریت نامناسب این بیماری منجر به افزایش شیوع و هزینه‌های سربار اقتصادی شده است. تکنیک‌های داده کاوی به آنالیز داده‌های پرونده‌های بیماران و مدیریت صحیح بیماری‌ها کمک می‌نمایند. هدف این مطالعه کشف الگوها و روابط پنهان در داده‌های بیماران <span dir="LTR"><span style="font-size: 11pt;">NMSC</span></span> با استفاده از الگوریتم‌های داده کاوی می‌باشد.<br> <strong><span style="color: black;">روش:</span></strong> جامعه مورد بررسی در این مطالعه کاربردی، 828 پرونده <span dir="LTR"><span style="font-size: 11pt;">NMSC</span></span> بود که طی سال‌های 94-86 به انستیتو کانسر بیمارستان امام خمینی (ره) تهران ارجاع شده بودند. متغیرهای دموگرافیک و ریسک فاکتورهای ابتلا به بیماری با استفاده از الگوریتم <span dir="LTR"><span style="font-size: 11pt;">K-Means</span></span> خوشه‌بندی شدند. همچنین از الگوریتم <span dir="LTR"><span style="font-size: 11pt;">Apriori</span></span> برای استخراج قوانین انجمنی و تعیین شاخص‌های مشترک بیماران با درجه اطمینان بالای 0/9 استفاده گردید.<br> &nbsp;<strong><span style="color: black;">نتایج</span>:</strong> بیماران <span dir="LTR"><span style="font-size: 11pt;">NMSC</span></span> با توجه به متغیرهای مورد بررسی در چهار خوشه توزیع شدند و سه عامل مهم تأثیر‌گذار بر بیماری، <span dir="LTR"><span style="font-size: 11pt;">BMI</span></span> غیرنرمال، شغل‌های با ریسک بالا و سابقه قبلی سرطان مشخص شد. با استفاده از قوانین انجمنی هفت قانون مورد تأیید قرار گرفت و بیشترین ارتباط میان عوامل سابقه قبلی بیماری، موضع درگیر، عود و نوع سرطان پوست غیرملانوما دیده شد.<br> <strong>نتیجه گیری:</strong> این مطالعه برای اولین بار مهم‌ترین عوامل مؤثر بر <span dir="LTR"><span style="font-size: 11pt;">NMSC</span></span> را با استفاده از داده کاوی تعیین نمود. این عوامل بایستی در انجام خودآزمایی‌ها و یا آزمایش‌های غربالگری پوست در گروه‌های پرخطر مد‌نظر قرار بگیرند. همچنین در مطالعات آینده بایستی مشارکت عوامل فیزیولوژیک، اکولوژیک و ژنتیک در ایجاد سرطان پوست تواماً داده کاوی شوند. </span><br> &nbsp;</div> <div style="text-align: justify;"><strong>Introduction:</strong> Non-melanoma skin cancer (NMSC) has recently been one of the three most common cancers in Iran. Inappropriate management of the disease has led to an increase in the prevalence and overhead costs. Data mining techniques are helpful in the analysis of patient records and accurate management of diseases. This study aimed to find hidden patterns and relationships in the data of NMSC patients using data mining algorithms.<br> <strong>Methods:</strong> In this applied study, study population consisted of medical records of 828 NMSC patients referred to the Cancer Institute of Imam Khomeini Hospital in Tehran during 2006-2015. Demographic variables and NMSC risk factors were clustered using K-Means algorithm. Apriori algorithm was applied as well for extraction of association rules and determination of patient&rsquo;s common information with a confidence of &ge; 0.9.<br> <strong>Results:</strong> According to the studied variables, NMSC patients were classified in four clusters and three important factors influencing the disease were identified as abnormal BMI, high risk occupations and previous history of cancer. Seven rules were approved by association rules and the highest associations were found between the past history of the disease, the involved site, the relapse, and the type of NMSC.<br> <strong>Conclusion</strong>: For the first time, this study could highlight the most important factors affecting NMSC using data mining methods. These factors should be considered either in self examination or screening skin tests in high-risk groups. In future studies, the contribution of physiological, ecological and genetic factors in the development of skin cancer should be jointly investigated as well.<br> &nbsp;</div> سرطان پوست غیر ملانومایی, داده کاوی, خوشه بندی, قوانین انجمنی, ریسک فاکتور Non-Melanoma Skin Cancer, Data Mining, Clustering, Association rules, Risk Factor 39 47 http://jhbmi.ir/browse.php?a_code=A-10-283-1&slc_lang=fa&sid=1 Foroughosadat Ghasemzadeh فروغ السادات قاسم زاده ghasemzadehf921@mums.ac.ir 10031947532846003592 10031947532846003592 No کارشناس ارشد انفورماتیک پزشکی، گروه انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران Ali Arab-kheradmand علی عرب خردمند kheradmand.ali@gmail.com 10031947532846003593 10031947532846003593 No متخصص جراحی عمومی، دانشیار گروه جراحی سرطان، مرکز تحقیقات سرطان، انستیتو کانسر ایران، دانشگاه علوم پزشکی تهران، تهران، ایران. Soroush Daklan سروش دکلان soroush.daklan@gmail.com 10031947532846003594 10031947532846003594 No متخصص پوست، بیمارستان پوست رازی، گروه پوست، دانشکده علوم پزشکی تهران، تهران، ایران. Alireza Shabaninezhad علیرضا شعبانی نژاد shabanialireza565@gmail.com 10031947532846003595 10031947532846003595 No کارشناس ارشد حشره شناسی، گروه گیاه پزشکی، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، سمنان، ایران. Ata Garajei عطا قراجه ای atagarajei@yahoo.com 10031947532846003596 10031947532846003596 No متخصص جراحی دهان و فک و صورت، استادیار گروه جراحی دهان و فک و صورت، دانشکده دندانپزشکی، مرکز تحقیقات سرطان، انستیتو کانسر ایران، دانشگاه علوم پزشکی تهران، تهران، ایران. Kobra Etminani کبری اطمینانی EtminaniK@mums.ac.ir 10031947532846003597 10031947532846003597 Yes Ph.D. in Software Engineering, Assistant Professor of Medical Informatics Dept., Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran دکترای نرم افزار کامپیوتر، استادیار گروه انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران