@article { author = {Jurian, Najmeh and Ashoori, maryam}, title = {Predicting the Effectiveness of Preeclampsia Medications Based on Dose and Method of drug Consumption Using Data Mining}, journal = {The Iranian Journal of Obstetrics, Gynecology and Infertility}, volume = {17}, number = {123}, pages = {13-22}, year = {2014}, publisher = {Mashhad University of Medical Sciences}, issn = {1680-2993}, eissn = {2008-2363}, doi = {10.22038/ijogi.2014.3588}, abstract = {Introduction: Preeclampsia is a serious disorder during pregnancy that even can lead to termination of pregnancy and fetus abortion. This study was performed with the aim to generate an efficient predictive model to accurately predict the effectiveness of preeclampsia medications. Methods: This is a descriptive, cross-sectional study performed on 774 patients in Neyshabour Hakim Hospital from 2011-2013. Three algorithms, C5.0, C & R Tree and CHAID were applied on data of preeclampsia, and then the accuracy of generated models was obtained. In this study, Clementine software (version 12.0) was used for data analysis and implementation of data mining algorithms. Results: The obtained values for accuracy of generated models by implementation of C5.0, C&R Tree and CHAID algorithms on train and test dataset were 99.63 and 99.14, respectively. The high accuracy of models showed good performance of these algorithms. The sensitivity of 100% and precision of 99.5% confirmed that C&R Tree is superior to other algorithms. Obtained results of clustering on better tree showed that when the effectiveness of medicine has been increased, the patient's mean age was increased, and it was due to direct relation between preeclampsia and increasing age. Conclusion: The obtained results show that the probability of preeclampsia is increased with increasing age and the medications with high effectiveness should be used for treatment.  Therefore, more attention should be taken for selecting the used medicine with different effectiveness. Prediction of the effectiveness of medicine is performed for achieving these targets: help to the doctor for increasing the accuracy of diagnosis and prevention of incorrect diagnosis in dose of medicine consumption for patient, diagnosing the preeclampsia severity and inhibition of dangerous effects of extra consumption of medication by patient, prediction of the adequate medicine storage and prevention of medicine lack side-effects.}, keywords = {classification,Clustering,Decision tree,Preeclampsia}, title_fa = {پیش بینی میزان اثربخشی داروهای پره اکلامپسی با داده کاوی بر اساس دوز و روش مصرف دارو}, abstract_fa = {مقدمه: مسمومیت بارداری یا پره ‌اکلامپسی، یکی از اختلالات خطرناک دوران بارداری است که حتی می‌تواند به خاتمه بارداری و سقط جنین ختم شود. مطالعه حاضر با هدف تولید یک مدل پیش‌بینی کننده کارا به ‌منظور پیش بینی دقیق میزان اثربخشی داروهای پره ‌اکلامپسی انجام شد. روش کار: این مطالعه‌ توصیفی- مقطعی در سال 92-1390 بر روی 774 بیمار در بیمارستان حکیم نیشابور انجام شد. سه الگوریتم متفاوت از الگوریتم ‌های استنتاج قانون به نام‌های C5.0،  C&R Treeو CHAID. روی داده‌ های عارضه پره ‌اکلامپسی اعمال شد و سپس صحت مدل‌ های تولید شده به دست آمد. در نهایت برای تأیید صحت نتایج حاصل از پیش‌بینی از خوشه‌ بندی استفاده شد. در این مطالعه جهت تحلیل داده‌ ها و اجرای الگوریتم‌ های داده‌ کاوی از نرم‌ افزار کلمنتاین (نسخه 0/12) استفاده شد. یافته‌ها: مقادیر به ‌دست آمده برای صحت مدل ‌های ایجاد شده از اجرای الگوریتم‌های  C5.0، C&R Treeو CHAID روی مجموعه داده‌ های آموزش و آزمایش برای هر سه الگوریتم 63/99 و 14/99 درصد بود. صحت بالای مدل‌ ها عملکرد خوب این الگوریتم ‌ها را نشان داد. حساسیت 100 درصد و دقت 5/99، برتری الگوریتم C&R Tree نسبت به سایر الگوریتم‌ ها را تأیید کرد. نتایج حاصل از خوشه‌بندی روی درخت بهتر نشان داد که در مواقعی ‌که میزان اثربخشی دارو افزایش یافت، میانگین سنی بیمار هم بالاتر بود و دلیل آن، رابطه مستقیم ایجاد عارضه پره اکلامپسی با افزایش سن بود. نتیجه‌گیری: شواهد به دست آمده نشان می‌ دهند که با افزایش سن احتمال وجود این عارضه افزایش و از داروهایی با میزان اثربخشی بالاتر برای درمان باید استفاده نمود. بنابراین در انتخاب داروی مصرفی با میزان اثربخشی متفاوت دقت بیشتری باید صورت گیرد. پیش ‌بینی میزان اثربخشی دارو با هدف دستیابی به مواردی چون: کمک به پزشک برای افزایش صحت تشخیص و جلوگیری از تشخیص نادرست در دوز مصرفی دارو برای بیمار، تشخیص شدت پره اکلامپسی و مهار عوارض خطرناک مصرف بیش از حد دارو توسط بیمار، پیش ‌بینی ذخیره داروی کافی و جلوگیری از عوارض جانبی ناشی از کمبود دارو صورت می‌گیرد.  }, keywords_fa = {پره اکلامپسی,خوشه ­بندی,درخت تصمیم,دسته ­بندی}, url = {https://ijogi.mums.ac.ir/article_3588.html}, eprint = {https://ijogi.mums.ac.ir/article_3588_ddac296879d3e6cfe19560ae09ee1359.pdf} }