تعيين ارتباط بين فشار خون سيستوليك و سكته قلبي در بيماران ديابت نوع دو با استفاده از قوانين انجمني

Determination of Relations between Systolic Blood Pressure and Heart Attack in Patients with Type 2 Diabetes with Association Rules

زمينه و هدف: امروزه شيوع بالاي ديابت و عوارض آن يكي از مسائل مهم بهداشت عمومي در سراسر جهان مي‌باشد. به همين دليل، پيدا كردن ارتباطات بين عوامل افزايش خطر عوارض ديابت در پيش­گيري و كاهش اين بيماري در اين بيماري بسيار مؤثر است. براي كشف اين ارتباطات مي‌توان از تكنيك­هاي داده كاوي استفاده كرد. به كمك كاوش قوانين انجمني كه يكي از تكنيك‌هاي داده كاوي است، مي‌توان ارتباط بين عوامل خطر يك بيماري را كشف كرد. مواد و روش­ ها: جامعه‌ي اين مطالعه 1046 بيمار ديابتي نوع دو است كه اطلاعات آن‌ها بين سال‌هاي 1390 تا 1393 در كلينيك ويژه‌ي ديابت بيمارستان امام خميني تهران ثبت شده بود. پس از انجام مرحله‌ي پيش پردازش داده‌ها با نرم افزار SPSS19، 573 نفر وارد مرحله تحليل شدند. الگوريتم FP-Growth براي كشف روابط انجمني موجود بين سكته قلبي و ديگر عوامل خطر اين بيماري با استفاده از نرم افزار Rapid miner5، بر روي مجموعه داده اعمال شد. روابط پس از استخراج در اختيار پزشك متخصص قرار گرفت تا صحت آن‌ها از نظر باليني تائيد گردد. يافته‌ها: نتايج حاصل از بررسي اين 573 نفر (شامل 292 نفر زن (51 درصد) و 281 نفر مرد (49 درصد) با دامنه سني 27 تا 82 سال) نشان داد كه عدم بيماري فشار خون، كراتينين و فشار خون دياستوليك در سطح طبيعي، با وجود فشار خون سيستوليك بالا، احتمال وقوع سكته قلبي را افزايش نمي‌دهد. نتيجه‌گيري: استفاده از قوانين انجمني، گزينه‌ي مناسبي جهت شناسايي ارتباطات بين عوامل خطر يك بيماري است. هم­چنين مي‌تواند فرضيات تازه‌اي جهت انجام مطالعات اپيدميولوژيك در اختيار محققان قرار دهد.

Background: Today, the high prevalence of diabetes and its complications are one of the most important public health issues worldwide. For this reason, finding relations between diabetes risk factors is very effective in preventing and reducing complications. For discovering these relations, the data mining methods can be used. By extracting association rules, which is one of the data mining techniques, we can discover the relations between a large numbers of variables in a disease. Materials and Methods: The population of this study was 1046 patients with type 2 diabetes, whose data had recorded between 2011 and 2014 at the Special Clinic for Diabetes in Tehran's Imam Khomeini Hospital. After pre-processing step with SPSS19 software, 573 people entered the analysis phase. The FP-Growth algorithm was applied to the data set to discover the relations between heart attack and other risk factors using Rapid miner5 software. Relations, after extraction, were given to the doctor to confirm clinical validation. Results: The obtained results of studying these 573 people (Including 292 (51%) women and 281 (49%) men, with age range 27 to 82 years) showed that the lack of blood pressure, creatinine and diastolic blood pressure at its normal level, despite higher systolic blood pressure level than normal, doesn't increase the probability of heart attack. Conclusion: Using association rules is a good way of identifying relations between the risk factors of a disease. Also, it can provide new hypotheses to do epidemiological studies for researchers.