fa داده‌کاوی بالینی: مروری بر تکنیک‌های داده‌کاوی در دیابت تخصصي Special مروري Review <p dir="RTL"><strong>مقدمه: </strong>ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می‌کند که از این اطلاعات می‌توان برای شناسایی، درمان، مراقبت‌های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. از طرفی کاوش و بررسی حجم زیادی از این اطلاعات، نیازمند استفاده از روش‌های موثر و کارآمدی برای یافتن الگوهای مربوط در این اطلاعات می‌باشد که استفاده از تکنیک‌های مختلف داده‌کاوی به‌خصوص دسته‌بندی و الگوهای تکرار شونده می‌تواند کمک شایانی در این زمینه باشد.</p> <p dir="RTL"><strong>روش‌ها: </strong>پایگاه‌های اطلاعاتی<span dir="LTR">Scholar, Science Direct </span>&nbsp;<span dir="LTR">Google</span> <span dir="LTR">Scopus,</span> <span dir="LTR">Pubmed,</span> با هدف یافتن مقالات، جستجو و مقالات انگلیسی منتشر شده در سال‌های 2005 تا 2015 مورد بررسی قرار گرفتند. مقالات به‌دست آمده از نظر جمعیت مورد مطالعه، مجموعه داده‌های مورد استفاده و روش‌های داده‌کاوی ارزیابی شدند.</p> <p dir="RTL"><strong>یافته‌ها: </strong>از میان 2144 مقاله به‌دست آمده در جستجوی اولیه، تعداد 38 مقاله مرتبط با موضوع مطالعه، انتخاب و مورد بررسی قرار گرفت. نتایج این بررسی نشان می دهد که الگوریتم های خوشه بندی، قوانین انجمنی و هوش مصنوعی از پرکاربردترین تکنیک‌های داده‌کاوی می‌باشند که برای تشخیص و پیش‌بینی احتمال ابتلا به بیماری دیابت با موفقیت مورد استفاده قرار گرفته‌اند.</p> <p dir="RTL"><strong>نتیجه‌گیری:</strong> پیاده‌سازی روشی که بتواند امکان ابتلا یا عدم ابتلای افراد به دیابت را مشخص کند، گام مهمی در کنترل بیماری دیابت خواهد بود. با توجه به مطالعات انجام شده، داده‌کاوی می‌تواند به‌عنوان روشی موثر در پیشگیری، درمان و کشف ارتباط بین بیماری دیابت و عوامل خطر آن، موجب پیشرفت‌های قابل توجه در حوزه تحقیقات دیابت و ارائه مراقبت‌های بهداشتی بهتر برای این گروه از بیماران باشد.</p> <p><strong>Background</strong>: Provide a health care service to the patients with diabetes provides useful information that could be used to identify, treatment, following up and prevention of diabetes. Explore and investigation of large volumes of data requires effective and efficient methods for finding hiding patterns in the data. The use of various techniques of data mining in particular Classification and Frequent patterns can be helpful.</p> <p><strong>Methods:</strong> This article is a narrative review. We searched keywords related to application of data mining in the field of diabetes, through related databases, in English language articles published from 2005 to 2015. Also related articles in the selected articles list have been analyzed.</p> <p><strong>Results:</strong> From the 2144 articles obtained in the initial search, 38 articles related to the subject of study, were selected. Several studies shown that classification and clustering algorithms, association rules and artificial intelligence are the most widely used data mining techniques for predict the risk of diabetes has been successfully used<strong>.</strong></p> <p><strong>Conclusion:</strong> The important step in control of diabetes, use of the methods that could determine the possibility or lack of diabetes. According to studies conducted in this area seem to use data mining techniques to prevent, treat and discover the connection between diabetes and its risk factors, can lead to significant improvements in the field of diabetes research and provide better health care for this group of patients.</p> داده‌کاوی بالینی, داده‌کاوی دیابت, دیابت Clinical Data mining, Diabetes data mining, Diabetes 225 236 http://ijdld.tums.ac.ir/browse.php?a_code=A-10-402-1&slc_lang=fa&sid=1 hamed Mehdizadeh حامد مهدی زاده hamed13sep@gmail.com No 1. Department of Medical Informatics and Health Information Management ,School of Paramedical Sciences, Shahid Beheshti University of Medical Sciences, Tehran, Iran 1- گروه انفورماتیک پزشکی و مدیریت اطلاعات سلامت ، دانشکده پیراپزشکی Alireza BaraAni علیرضا براآنی alireza.barani@gmail.com Yes 2. Department of Computer Engineering, Sharif University of Technology, Tehran, Iran گروه مهندسی کامپیوتر، دانشکده مهندسی کامپیوتر