فهرست نشریات علمی دسترسی آزاد ایران

خوشه‌بندی به‌عنوان یکی از روش‌های یادگیری بدون ناظر، ابزاری مؤثر برای کشف الگوهای پنهان و ساختارهای معنادار در داده‌هاست. در حوزه سلامت، این روش امکان تفکیک بیماران بر اساس ویژگی‌های بالینی و درمانی را فراهم می‌کند. مطالعه حاضر با بهره‌گیری از الگوریتم K-prototypes فازی و غیرفازی، به شناسایی زیرگروه‌های بالینی بیماران ام.‌ اس با هدف بهبود برنامه‌ریزی درمانی و کیفیت زندگی آنان می‌پردازد . در این تحقیق، اطلاعات مربوط به ۴۴۸ بیمار مبتلا به مولتیپل اسکلروزیس، شامل ویژگی‌های جمعیت‌شناختی و نوع داروهای مصرفی در استان چهارمحال و بختیاری استفاده شد. جهت شناسایی الگوهای نهفته در داده‌ها، از الگوریتم خوشه‌بندی K-prototypes در دو حالت فازی و غیرفازی استفاده گردید. تعیین تعداد بهینه خوشه‌ها با بهره‌گیری از شاخص‌های سیلوئت، دیویس-بولدین و کالینسکی- هاراباسز انجام شد. نتایج تحلیل نشان داد که سه خوشه به عنوان بهترین تفکیک برای داده‌ها انتخاب شدند. بررسی شاخص‌های ارزیابی نشان داد که عملکرد دو الگوریتم مورد استفاده نزدیک به هم بوده، ولی الگوریتم فازی عملکرد نسبتاً بهتری از خود نشان داده است. توصیف کامل خوشه‌ها در بخش نتایج به تفصیل بیان شده است . این مطالعه نشان می‌دهد که روش‌های خوشه‌بندی فازی می‌توانند در تحلیل الگوهای پنهان بیماران ام.اس مؤثر باشند و در طراحی مداخلات درمانی مبتنی بر ویژگی‌های فردی به‌کار روند. این رویکرد نه تنها قابلیت ارائه بینش‌های جدید در مدیریت بیماری‌های مزمن را فراهم می‌سازد، بلکه می‌تواند در شناخت الگوهای بیماری و برنامه‌ریزی درمانی مؤثر باشد. یافته‌های این پژوهش می‌توانند مبنای علمی ارزشمندی برای تصمیم‌گیری‌های بالینی فراهم کنند.