نارسایی احتقانی قلب

مقدمه: نارسایی احتقانی قلب یکی از چالش های اصلی نظام های سلامت در جهان است که با افزایش جمعیت سالمند، شیوع آن رو به افزایش است. پیش بینی دقیق طول مدت بستری بیماران مبتلا می تواند نقش مهمی در مدیریت بهینه منابع بیمارستانی، کاهش هزینه های درمان و ارتقای کیفیت مراقبت های پزشکی ایفا کند. این مطالعه با هدف ارائه مدل پیش بینی مبتنی بر داده کاوی جهت تخمین مدت بستری بیماران مبتلا به نارسایی احتقانی قلب و شناسایی عوامل کلیدی مؤثر بر آن انجام شد. روش ها: این پژوهش تحلیلی-کاربردی به صورت مقطعی بر روی داده های ۳۴۲۱ بیمار بستری در دو بیمارستان سیدالشهدا و آیت الله طالقانی ارومیه طی سال های ۱۳۹۷ تا ۱۳۹۹ انجام شد. داده های بیمارستان سیدالشهدا برای آموزش (۸۰٪) و آزمون مدل (۲۰٪)استفاده شد. طول مدت بستری با الگوریتم K-means خوشه بندی و به دو خوشه کوتاه مدت و بلندمدت تفکیک شد. الگوریتم های یادگیری ماشین شامل جنگل تصادفی، درخت تصمیم(C5.0)، شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) برای طبقه بندی مدت بستری استفاده شد. همچنین از روش های بیش نمونه گیری، کم نمونه گیری و و SMOTE برای متعادل سازی کلاس ها، اعتبارسنجی متقاطع 10 تایی برای پایایی مدل ها و الگوریتم اپریوری برای کشف قوانین همبستگی بین متغیرها استفاده شد. یافته ها: جنگل تصادفی با صحت 87/14٪، حساسیت 97/56٪ و AUC معادل 85/40٪ بهترین عملکرد را داشت. متغیرهایی مانند کراتینین بالا، هموگلوبین پایین، جنسیت مرد و بیماری های زمینه ای عوامل مؤثر بر مدت اقامت بودند. نتیجه گیری: مدل پیشنهادی می تواند ابزاری مؤثر برای طبقه بندی مدت بستری بیماران نارسایی احتقانی قلب و پشتیبان تصمیم گیری های مدیریتی و بالینی در بیمارستان ها باشد.