کاربرد الگوریتم‌های درخت تصمیم و رگرسیون لجستیک برای پیش‌بینی ابتلا به لنف‌ادم در بیماران سرطان پستان

Abstract

زمینه و هدف: لنف‌ادم از عوارض شایع و ناتوان‌کننده بیماران سرطان پستان است. این مطالعه به پیش‌بینی و دسته‌بندی عارضه لنف‌ادم پرداخته است. همچنین شناسایی عوامل مؤثر و کشف الگوهایی برای تشخیص سریع‌تر و جلوگیری از بروز این عارضه از اهداف دیگر این پژوهش است. روش کار: اطلاعات حاصل از پرونده­های 1113 بیمار مبتلا به سرطان پستان که طی سال‌های 1388 تا 1396 به کلینیک لنف‌ادم سیدخندان مراجعه کرده بودند، مورد ارزیابی قرار گرفت. تحلیل داده‌ها با به کارگیری روش‌شناسی CRISP-DM و در نرم‌افزار IBM SPSS Modeler 18 انجام شد و در بخش مدل‌سازی، الگوریتم‌های درخت تصمیم و رگرسیون لجستیک استفاده شد. یافته‌ها: اطلاعات 933 بیمار شامل 25 متغیر پس از پیش‌پردازش داده‌ها وارد مدل شدند. احتمال ابتلا به لنف‌ادم برای هر یک از بیماران توسط الگوریتم‌های درخت تصمیم C5.0، Chaid، C&RT، Quest و الگوریتم رگرسیون لجستیک به ترتیب با حساسیت 33/79%، 41/74%، 92/71%، 64/72% و 83/77% پیش‌بینی شد و عوامل خطر لنف‌ادم شناسایی شدند. نسبت تعداد غدد لنفاوی درگیر به تعداد غدد لنفاوی خارج‌شده، احساس سنگینی، نوع عمل جراحی، مرحله بیماری، سن، شاخص توده بدنی، متاستاز، تعداد دوره‌های شیمی‌درمانی، بیماری همراه و تعداد غدد لنفاوی خارج شده به ترتیب موثرترین عوامل خطر در پیش‌بینی ابتلا به لنف‌ادم هستند که توسط الگوریتم درخت تصمیم C5.0 شاسایی شدند. نتیجه‌گیری: یافته‌ها نشان می‌دهد الگوریتم درخت تصمیم C5.0 با بالاترین حساسیت، مدل برتر برای پیش‌بینی ابتلا به لنف‌ادم است. با بکارگیری قوانین ایجاد شده برای یک نمونه جدید با ویژگی­های مشخص، می­توان پیش­بینی کرد بیمار احتمالا مبتلا به لنف‌ادم خواهد شد یا خیر. با در نظر گرفتن شاخص توده بدنی به عنوان یک عامل قابل تغییر، رژیم های کنترل وزن برای این بیماران توصیه می­شود. همچنین توجه به احساس سنگینی بیمار در مراحل اولیه ضروری است.