بررسی میزان سفارش خون در جراحی های ارتوپدی برپایه مدل های داده کاوی

درخواست بیش از حد خون در اعمال جراحی امری شایع است که با تغییر الگوی سفارش به راحتی می توان این معضل را برطرف نمود. مطالعه حاضر با هدف شناسایی عوامل تاثیر گذار و پیش بینی میزان سفارش پکسل در اعمال جراحی ارتوپدی، برپایه مدلهای داده کاوی استوار است. داده های مربوط به 850 بیماری که برای جراحی های ارتوپدی وارد اتاق عمل شده بودند جمع آوری شد. پس از انجام مرحله پیش پردازش، داده ها وارد نرم افزار Clementine v.12 شدند. مدل سازی بر مبنای دو روش درخت تصمیم و شبکه عصبی انجام شد. دقت شناسایی الگوهای موجود بین مشخصه های مستقل در مرحله آموزش در روش درخت تصمیم و شبکه عصبی به ترتیب برابر 92.16٪ و 86.27٪ بود. در روش درخت تصمیم مهمترین مشخصه موثر بر میزان ترانسفوزیون، Hct (هماتوکریت) با درجه وزن نسبی 0.274 و در روش شبکه عصبی نیز مهمترین مشخصه، جراح با وزن نسبی 0.1754 بدست آمد. در پایان مدل شبکه عصبی توانست پیش بینی بهتری را در مقابل مدل درخت تصمیم انجام دهد.

کلیدواژه ها:

سفارش خون ، پیش بینی ، مدل های داده کاوی ، جراحی های ارتوپدی