AU - Barazandeh, Iman AU - Gholamian, Mohammad Reza AU - Talaiezadeh, Abdolhasan AU - Pourhoseingholi, Mohammad Amin TI - A Domain-Driven Classification Model to Early Detection of Individuals Having High Risk to Develop Colorectal Cancer PT - JOURNAL ARTICLE TA - jhbmi JN - jhbmi VO - 2 VI - 2 IP - 2 4099 - http://jhbmi.ir/article-1-98-fa.html 4100 - http://jhbmi.ir/article-1-98-fa.pdf SO - jhbmi 2 AB  - مقدمه: در این تحقیق نشان داده می‌شود که می‌توان با استفاده از تکنیک‌های داده‌کاوی مدل‌هایی برای تشخیص سبک زندگی افراد از لحاظ پرخطر یا کم‌خطر بودن برای ابتلا به سرطان روده بزرگ توسعه داد. روش: در این بررسی گذشته‌نگر، مجموعه‌ داده‌ای شامل 84 فرد بیمار و 225 فرد سالم، شامل 25 خصیصه جمع آوری شد. این اطلاعات شامل بیمارانی است که تشخیص آن‌ها مربوط به سال‌های 1385 تا سه ماهه اول 1393 می‌باشد. از پرکاربردترین تکنیک‌ها در ادبیات انفورماتیک پزشکی شامل ماشین بردار پشتیبان، بیزین ساده، درخت تصمیم و نزدیکترین همسایگی برای توسعه مدل‌ها استفاده شد. سنجه جدید غیرتکنیکی توسعه داده شد که کارایی مدل‌ها برای حوزه پزشکی را مشخص می‌کند. از دیدگاه داده کاوی حوزه محور برای تعیین مدل قابل اجرا استفاده شد. نتایج: مدل‌های توسعه داده شده با کارایی قابل قبولی قادر به تشخیص سبک زندگی افراد هستند. سنجه غیرتکنیکی توسعه داده شده به خوبی می‌تواند ارزش واقعی تک تک پیش‌بینی‌ها، چه درست و چه نادرست را با هزینه‌های واقعی مشخص کند و یک میزان واقعی از هزینه‌های صرفه‌جویی شده در نظام سلامت توسط هر مدل را نشان دهد. از میان مدل‌های توسعه داده شده تنها دو مدل توانست معیارهای تعیین شده جهت استفاده در دنیای واقعی را ارضا کند. نتیجه‌گیری: مدل‌های توسعه داده شده نه تنها باید از لحاظ تکنیکی ارزیابی شوند، بلکه باید از لحاظ سنجه‌های مورد پذیرش برای حوزه پزشکی و همچنین قابلیت اجرا برای حل واقعی مسأله نیز بررسی گردند. CP - IRAN IN - LG - eng PB - jhbmi PG - 59 PT - Original Article YR - 2015