فهرست مطالب

انفورماتیک سلامت و زیست پزشکی - سال چهارم شماره 1 (بهار 1396)
  • سال چهارم شماره 1 (بهار 1396)
  • تاریخ انتشار: 1396/04/30
  • تعداد عناوین: 8
|
  • مریم سادات محمودی صفحات 1-10
    مقدمه
    بیماری های قلبی- عروقی بزرگ ترین عامل مرگ و میر در سراسر جهان است. طبق اعلام سازمان بهداشت جهانی در هر سال حدود 12 میلیون مرگ و میر در سراسر جهان بر اثر بیماری های قلبی -عروقی تخمین زده شده است. هدف اصلی از این مقاله، طراحی یک سیستم هوشمند به کمک کامپیوتر است که بتواند بیماری قلبی را در فرد مبتلا تشخیص دهد.
    روش
    در این مطالعه توصیفی- تحلیلی، داده های مربوط به 270 نفر که شامل 13 ویژگی می باشد مورد استفاده قرار گرفت. جهت تشخیص فرد مبتلا به بیماری قلبی از ترکیب سیستم فازی و طبقه بندی کننده ماشین بردار پشتیبان با استفاده از امکانات موجود در نرم افزار متلب پیاده سازی گردید و بر روی سیستم Core i5 تحت ویندوز 7 شبیه سازی شد.
    نتایج
    در این تحقیق از تکنیک فازی و الگوریتم ماشین بردار پشتیبان جهت تشخیص بیماری قلبی استفاده شده که موثر واقع گردیده است. از آنجایی که در این مطالعه هدف، تشخیص درست و سریع می باشد؛ بنابراین تشخیص سریع، شانس نجات فرد را افزایش می دهد. همچنین معیارهای ارزیابی در این سیستم نرخ دسته بندی و حساسیت می باشد که عملکرد این سیستم بر اساس این شاخص ها به ترتیب 85% و 85/8 % به دست آمده است.
    نتیجه گیری
    با توجه به نتایج به دست آمده، مشاهده می شود که سیستم پیشنهادی با دقت نسبتا بالایی، افراد مبتلا به بیماری قلبی- عروقی را تشخیص می دهد.
    کلیدواژگان: بیماری قلبی- عروقی، سیستم فازی، طبقه بندی کننده ماشین بردار پشتیبان
  • عباس شیخ طاهری، فاطمه غندالی، غلامرضا زمانی قلعه تکی صفحات 11-20
    مقدمه
    صرع یک بیماری عصبی مزمن و رایج است. در درمان صرع، انتخاب درمان مناسب در کنار آموزش بیمار باید مورد توجه قرار بگیرد. امروزه فن آوری همراه به عنوان یک الگوی امیدوار کننده برای ارتقاء دانش در بیماری های مزمن شناخته می شود. برای طراحی برنامه کاربردی -آموزشی باید محتوای آموزشی مورد نیاز تعیین گردد. هدف مطالعه حاضر بررسی دیدگاه پزشکان و بیماران در زمینه محتوای آموزشی مورد نیاز برای ایجاد برنامه کاربردی- آموزشی صرع بود.
    روش
    در این مطالعه توصیفی ، دیدگاه 100 بیمار مبتلا به صرع عضو انجمن صرع ایران و 15 پزشک متخصص از اعضا و همکاران انجمن صرع، با استفاده از پرسشنامه ای در خصوص محتوای آموزشی مورد نیاز برای ایجاد برنامه کاربردی- آموزشی مبتلایان به صرع مورد بررسی قرار گرفت. این پرسشنامه مشتمل بر 19 سوال در سه حیطه (اطلاعات بیماری، سبک زندگی و داروهای مصرفی) بود. داده های به دست آمده با استفاده از آمار توصیفی (میانگین و انحراف معیار) تحلیل شد.
    نتایج
    یافته ها نشان داد که محتوای آموزشی مورد نیاز برای بیماران مبتلا به صرع شامل اقدامات اولیه، علت، علائم، عوارض و درمان صرع، تاثیر ورزش، خواب، رانندگی، شغل، ازدواج، بارداری، تغذیه در صرع، شناخت داروهای ضدصرع و عوارض آن و اهمیت مصرف منظم داروها بود.
    نتیجه گیری
    این مطالعه محتوای آموزشی مورد نیاز برای بیماران مبتلا به صرع را در سه حیطه سبک زندگی، اطلاعات بیماری و داروهای مصرفی نشان داد. در این سه حیطه مجموعا، 15 موضوع آموزشی مورد تایید بیماران و متخصصین قرار گرفت که باید در طراحی برنامه کاربردی- آموزشی صرع لحاظ گردد.
    کلیدواژگان: صرع، نیازهای آموزشی، بیمار، پزشک، برنامه کاربردی موبایل
  • ایمان ذباح، سید احسان یثربی، زهرا رمضانپور، خدیجه صحراگرد، کامران لایقی صفحات 21-31
    مقدمه
    غده تیروئید نسبت به غده های دیگر بدن بیشتر دچار مشکل می‏شود و در صورت عدم تشخیص به موقع بی نظمی های تیروئید، بیمار دچار حمله تیروئیدی و یا کمای میگزدم شده که ممکن است منجر به مرگ گردد. از این رو تشخیص بی‏نظمی های تیروئید (پرکاری یا کم‏کاری) بر پایه تست‏های آزمایشگاهی و کلینیکی امری ضروری است. هدف از این پژوهش ارائه مدلی مبتنی بر تکنیک داده کاوی است که قابلیت پیش‏بینی بیماری تیروئید از نظر کم‏کاری و پرکاری را داشته باشد.
    روش
    این مطالعه از نوع توصیفی-تحلیلی بوده و پایگاه داده آن شامل 7200 رکورد مستقل مبتنی بر 21 ریسک فاکتور و برگرفته شده از مرجع داده UCI می‏باشد که از این تعداد 70 % نمونه ها جهت آموزش و 30 % آن ها جهت آزمون استفاده شده است. این پژوهش ابتدا به بررسی عملکرد شبکه های عصبی ، به منظور تشخیص بیماری تیروئید پرداخته و سپس به ارائه الگوریتمی به نام ترکیب شبکه های عصبی به روش سلسله مراتبی می پردازد.
    نتایج
    پس از مدل سازی و مقایسه مدل‏های تولید شده و ثبت نتایج دقت پیش بینی بیماری تیروئید با استفاده از روش‏ شبکه عصبی 6/96% و روش سلسله مراتبی 100 % به دست آمد.
    نتیجه گیری
    کاهش خطای تشخیص بیماری تیروئید همواره یکی از اهداف محققین بوده است. استفاده از روش‏های مبتنی بر داده کاوی می‏تواند به کاهش این خطا کمک کند. این مطالعه ضمن تشخیص بیماری تیروئید به کمک شبکه های عصبی، نشان می دهد که ارائه روش قوی تری به نام ترکیب شبکه های عصبی به صورت سلسله مراتبی منجر به بهبود دقت تشخیص می شود.
    کلیدواژگان: شبکه عصبی مصنوعی، شبکه MLP، ترکیب شبکه های عصبی، تشخیص بیماری تیروئیدی، تشخیص نوع تیروئید
  • محمدحسین مهرالحسنی، لیلا والی، حمید معین، مهتاب قنبر نژاد صفحات 32-38
    مقدمه
    افزایش شدید هزینه های درمانی به همراه کاهش روند حمایتی دولت از بیمارستان ها، سبب پررنگ شدن نقش سازمان های بیمه به عنوان اصلی ترین منبع درآمدی بیمارستان شده است. بخش مهمی از مطالبات بیمارستان ها، مربوط به اسناد دارویی سازمان بیمه خدمات درمانی است که پس از رسیدگی به علت نقص در فرآیند، مشمول کسورات شده و از مطالبات بیمارستان کسر می گردد.
    روش
    مطالعه حاضر توصیفی و به صورت گذشته نگر انجام شد. در این پژوهش نمونه گیری انجام نشد و کل 30 پرونده ناقص بیماران بیمه سلامت (ایرانیان) بیمارستان مرجع وارد مطالعه گردید. اطلاعات چک لیست ها وارد نرم افزار اکسل نسخه 22 شد، با استفاده از نمودار استخوان ماهی علت ها تعیین و برای تحلیل کیفیت فرآیند، از مقیاس شش سیگما استفاده گردید.
    نتایج
    خطاهای فرآیند در قالب 6 گروه شناسایی گردید که بیشترین میزان خطاها به ترتیب مربوط به مراحل کنترل دستور دارویی و واردکردن آن در کاردکس و درخواست دارو از طریق سیستم تحویل دارو بوده است. بر اساس سیگمای محاسبه شده سطح کیفیت فرآیند مورد بررسی متوسط ارزیابی گردید. بیشترین میزان خطا مربوط به اسناد بیماران صندوق روستایی خدمات غیرگلوبال بود.
    نتیجه گیری
    اقداماتی چون آموزش کارکنان، بازبینی و به روزرسانی سیستم ثبت و نگهداری اطلاعات و بهبود هماهنگی برون بخشی می تواند تا حد زیادی خطاها را در سه مرحله فوق کاهش دهد.
    کلیدواژگان: فرآیند، اطلاعات دارویی، شش سیگما، کسورات
  • فروغ سادات قاسم زاده، علی عرب خردمند، سروش دکلان، علیرضا شعبانی نژاد، عطا قراجه ای، کبری اطمینانی صفحات 39-47
    مقدمه
    در سال های اخیر، سرطان پوست غیرملانوما (NMSC) جزء سه سرطان شایع در ایران بوده است. مدیریت نامناسب این بیماری منجر به افزایش شیوع و هزینه های سربار اقتصادی شده است. تکنیک های داده کاوی به آنالیز داده های پرونده های بیماران و مدیریت صحیح بیماری ها کمک می نمایند. هدف این مطالعه کشف الگوها و روابط پنهان در داده های بیماران NMSC با استفاده از الگوریتم های داده کاوی می باشد.
    روش
    جامعه مورد بررسی در این مطالعه کاربردی، 828 پرونده NMSC بود که طی سال های 94-86 به انستیتو کانسر بیمارستان امام خمینی (ره) تهران ارجاع شده بودند. متغیرهای دموگرافیک و ریسک فاکتورهای ابتلا به بیماری با استفاده از الگوریتم K-Means خوشه بندی شدند. همچنین از الگوریتم Apriori برای استخراج قوانین انجمنی و تعیین شاخص های مشترک بیماران با درجه اطمینان بالای 0/9 استفاده گردید.
    نتایج
    بیماران NMSC با توجه به متغیرهای مورد بررسی در چهار خوشه توزیع شدند و سه عامل مهم تاثیر گذار بر بیماری، BMI غیرنرمال، شغل های با ریسک بالا و سابقه قبلی سرطان مشخص شد. با استفاده از قوانین انجمنی هفت قانون مورد تایید قرار گرفت و بیشترین ارتباط میان عوامل سابقه قبلی بیماری، موضع درگیر، عود و نوع سرطان پوست غیرملانوما دیده شد.
    نتیجه گیری
    این مطالعه برای اولین بار مهم ترین عوامل موثر بر NMSC را با استفاده از داده کاوی تعیین نمود. این عوامل بایستی در انجام خودآزمایی ها و یا آزمایش های غربالگری پوست در گروه های پرخطر مد نظر قرار بگیرند. همچنین در مطالعات آینده بایستی مشارکت عوامل فیزیولوژیک، اکولوژیک و ژنتیک در ایجاد سرطان پوست تواما داده کاوی شوند.
    کلیدواژگان: سرطان پوست غیر ملانومایی، داده کاوی، خوشه بندی، قوانین انجمنی، ریسک فاکتور
  • ناهید زینلی، عباس آسوشه، سوگند ستاره صفحات 48-58
    مقدمه
    سیر ورود سیستم های اطلاعات بیمارستانی متنوع و ناهمگون توسط نام های تجاری مختلف، بر روی سکو های گوناگون در حوزه سلامت الکترونیک منجر به بروز مشکلات هم کنش پذیری شده است. هم کنش پذیری قابلیت دو یا چند سیستم یا مولفه برای تبادل داده و استفاده از اطلاعات مبادله شده است. هدف از این مطالعه ارائه مدلی جامع به منظور برقراری هم کنش پذیری در چهار سطح فنی، نحوی، معنایی و سازمانی در سیستم اطلاعات بیمارستان است.
    روش
    پژوهش حاضر از نوع کاربردی- توصیفی است . این مطالعه شامل سه فاز بوده؛ ابتدا شاخص های مورد نیاز برای دستیابی به قابلیت هم کنش پذیری سیستم اطلاعات بیمارستان در وجوه مختلف هم کنش پذیری شناسایی شد. سپس مدلی هم کنش پذیر برای یک سیستم اطلاعات بیمارستان ارائه گردید و در نهایت با استفاده از روش های سناریو محور مدل ارائه شده مورد ارزیابی قرار گرفت.
    نتایج
    براساس مطالعه انجام شده به منظور دستیابی به هم کنش پذیری کامل در سیستم اطلاعات بیمارستان از رویکرد گذرگاه سرویس سلامت استفاده شد. مدل ارائه شده دارای شاخص های لازم برای دستیابی به تمام سطوح هم کنش پذیری است. مدل پیشنهادی با استفاده از روش ارزیابی سناریو محور ATAM مورد تایید خبرگان حوزه قرار گرفت.
    نتیجه گیری
    دستیابی به هم کنش پذیری در حوزه بهداشت و درمان به دلیل پیچیدگی سیستم های اطلاعاتی، تنوع اطلاعات و استانداردها کار بسیار مشکلی است. این چالش ها شامل موضوعات فنی، نحوی، معنایی و سازمانی است . بالا رفتن درجه هم کنش پذیری و سازگاری بین سیستم های اطلاعات بیمارستان موجب تسهیل در همکاری سیستم ها با یکدیگر و بالا رفتن بهره وری، کارایی بالینی و مدیریتی این سیستم ها خواهد شد.
    کلیدواژگان: هم کنش پذیری، سیستم اطلاعات بیمارستان، سلامت الکترونیک
  • مریم میرشریف، سعید روحانی صفحات 59-68
    مقدمه
    امروزه در دنیای مدرن صنعتی خطر ابتلا به بیماری های مزمن به طرز چشمگیری افزایش یافته است. دیابت بارداری یکی از مسائل مهم در حوزه سلامت است و در صورتی که درمان نشود مشکلات و عوارض جانبی متعددی برای مادر و فرزندش به همراه دارد. این پژوهش به دنبال پیش بینی ریسک و هشدار به موقع در ابتلا به دیابت بارداری به مادر می باشد تا در اوایل بارداری از ابتلا جلوگیری به عمل آید.
    روش
    این پژوهش که به صورت کاربردی- پیمایشی انجام شد و از دو رویکرد شبکه عصبی و درخت تصمیم در داده کاوی به منظور تجزیه وتحلیل آزمایشی داده ها و پیش بینی استفاده گردید. داده های استخراج شده نرمال سازی شده و پس از آماده سازی در نرم افزار Matlab تجزیه وتحلیل شدند.
    نتایج
    تحقیق حاضر در پی یافتن پاسخ به این پرسش است که«آیا دو روش داده کاوی شبکه عصبی و درخت تصمیم در تشخیص به هنگام و درست ریسک ابتلا به دیابت بارداری از صحت لازم برخوردار است ؟» و می توان از آن ها برای تشخیص درست استفاده نمود؟ نتایج تحقیق نشان می دهد که روش های داده مدار در بهبود صحت و درستی پیش بینی موثرند، در کشف دانش ضمنی و تشخیص روابط پنهان بین داده ها عملکرد مناسبی دارند و خطای تصمیم گیری در هر دو روش در حد قابل پذیرش و بسیار به هم نزدیک است .
    نتیجه گیری
    نتایج تحقیق حاکی از آن است که از رویکرد های داده مدار می توان در مراکز درمانی و سایر بیماری های کمتر شناخته شده استفاده نمود و پیشگیری به موقع ، مدیریت خود بیمار و کاهش هزینه های درمانی را میسر ساخت.
    کلیدواژگان: دادهکاوی، شبکه های عصبی هوشمند، درخت تصمیم، دیابت بارداری، تشخیص
|
  • Maryam Sadat Mahmoodi Pages 1-10
    Introduction
    Cardiovascular diseases are the leading cause of death worldwide. The world health Organization has estimated 12 million deaths per year worldwide, due to the cardiovascular diseases. The main aim of this study was to design a smart computer-aided system for the diagnosis of heart disease in patients.
    Methods
    In this study descriptive and analytical study, data of 270 people with 13 features were used. The fuzzy system and support vector machine classifier were combined using facilities of MATLAB software and were simulated by a system of core i5 and windows7, as the operating system, to diagnose patients with heart disease.
    Results
    Fuzzy technique and support vector machine algorithm that were used for the diagnosis of heart disease was efficient in rapid diagnosis and consequently increasing the patient chance for survival. Evaluation criteria in this system were rates of categorization and sensitivity and the system performance for these two indicators were respectively 85% and 85.8%.
    Conclusion
    According to the results, the proposed system can diagnose patients with cardiovascular diseases with a relatively high accuracy.
    Keywords: Cardiovascular Disease, Fuzzy System, Support Vector Machine Classifier
  • Abbas Sheikhtaheri, Fatemeh Ghandali, Gholamreza Zamani Ghaletaki Pages 11-20
    Introduction
    Epilepsy is a common chronic neurological disease. In epilepsy treatment process, both of appropriate treatment options and patient education should be considered. Nowadays, mobile technologies have been known as a proper platform for improvement of patients’ knowledge in chronic diseases. The aim of this study was to assess the perspectives of epileptic patients and physicians about the required educational content in developing an educational mobile application for epilepsy.
    Methods
    In this cross-sectional study, the perspectives of 100 patients with epilepsy who were members of the Iranian Epilepsy Association and 15 physicians who were members or colleagues of this association were surveyed about the patients’ educational needs. The applied questionnaire included 19 questions in three areas (disease information, lifestyle and used medications). Data were analyzed by the use of descriptive statistics (mean and standard deviation).
    Results
    A variety of items such as first aid, cause, symptoms, complications and treatment of epilepsy, the effect of exercise, sleep, driving, occupation, marriage, pregnancy, nutrition in epilepsy, information about antiepileptic drugs and their complications, and the importance of the regular use of medications should be considered in the educational content of the application.
    Conclusion
    This study indicates that the educational content for developing a mobile application for patients with epilepsy from the perspectives of patients and physicians includes three domains of life style, disease information and medication. Totally, 15 educational requirements were identified that should be considered in developing the application.
    Keywords: Epilepsy, Educational needs, Patient, Physician, Mobile apps
  • Iman Zabbah, Seyed Ehsan Yasrebi Naeini, Zahra Ramazanpoor, Khadije Sahragard Pages 21-31
    Introduction
    Problems in thyroid gland are more common than in other glands of human body, and if they are not diagnosed early, thyroid storm or myxedema coma is likely to happen that might lead to death; therefore, on-time diagnosis of thyroid disorders (Hypothyroidism or hyperthyroidism) based on Laboratory and clinical tests is necessary. The main object of this research was to present a model based on data mining techniques that is capable of predicting thyroid diseases.
    Methods
    This study was a descriptive-analytic study and its database included 7200 independent records based on 21 risk factors derived from UCI data reference. From all records, 70% were used for training and 30% for testing. First, neural networks performance was reviewed in order to diagnose thyroid diseases, and then an algorithm for combination of neural networks through hierarchical method was presented.
    Results
    After modeling and comparing the generated models and recording the results, accuracies of predicting thyroid disorders using neural network and hierarchical method were found to be 96.6% and 100% respectively.
    Conclusion
    Reducing misdiagnosis of thyroid diseases has always been one of the most important aims of researchers. Using methods based on data mining can decrease these errors. This study showed that using combination of neural networks through hierarchical method improves diagnosis accuracy.
    Keywords: Artificial neural network, MLP network, Combination of neural networks, Thyroid diagnosis
  • Mohammad Hosein Mehrolhassani, Leila Vali, Hamid Moein, Mahtab Ghanbarnejad Pages 32-38
    Introduction
    Sharp rise in health care costs associated with the reduction of hospital's support by government has increased the importance of insurance organizations as the main source of hospital's income. An important part of hospitals’ demands is related to the medical records of Iranian Health Insurance organization that are subject to deductions and are deduced from the hospitals’ demands after investigating the cause of defect in the process.
    Methods
    The present study was conducted as a retrospective descriptive research. In this study, sampling was not conducted and all incomplete files of patients covered by Iranian Health Insurance Organization in the reference hospital (n=30) were entered into the study. Data of checklists were entered into Excel software version 22 and the causes were determined by using Fishbone diagram. Six-sigma scale was used to analyze the quality of the process.
    Results
    Process errors were detected in 6 groups and the highest error rates were respectively related to pharmaceutical orders control stages, entering them in cards and requesting drug through drug delivering system. The quality of the reviewed process was evaluated as moderate level based on the calculated sigma. The highest rate of error was related to the records of patients covered by rural fund of non-global services.
    Conclusion
    Measures such as staff training, monitoring and updating the record keeping system and improving external parts coordination can greatly reduce errors in three above-mentioned stages.
    Keywords: Process, Drug information, Six Sigma, Deductions
  • Foroughosadat Ghasemzadeh, Ali Arab-Kheradmand, Soroush Daklan, Alireza Shabaninezhad, Ata Garajei, Kobra Etminani Pages 39-47
    Introduction
    Non-melanoma skin cancer (NMSC) has recently been one of the three most common cancers in Iran. Inappropriate management of the disease has led to an increase in the prevalence and overhead costs. Data mining techniques are helpful in the analysis of patient records and accurate management of diseases. This study aimed to find hidden patterns and relationships in the data of NMSC patients using data mining algorithms.
    Methods
    In this applied study, study population consisted of medical records of 828 NMSC patients referred to the Cancer Institute of Imam Khomeini Hospital in Tehran during 2006-2015. Demographic variables and NMSC risk factors were clustered using K-Means algorithm. Apriori algorithm was applied as well for extraction of association rules and determination of patient’s common information with a confidence of ≥ 0.9.
    Results
    According to the studied variables, NMSC patients were classified in four clusters and three important factors influencing the disease were identified as abnormal BMI, high risk occupations and previous history of cancer. Seven rules were approved by association rules and the highest associations were found between the past history of the disease, the involved site, the relapse, and the type of NMSC.
    Conclusion
    For the first time, this study could highlight the most important factors affecting NMSC using data mining methods. These factors should be considered either in self examination or screening skin tests in high-risk groups. In future studies, the contribution of physiological, ecological and genetic factors in the development of skin cancer should be jointly investigated as well.
    Keywords: Non-Melanoma Skin Cancer, Data Mining, Clustering, Association rules, Risk Factor
  • Nahid Zeinali, Abbas Asosheh, Sougand Setareh Pages 48-58
    Introduction
    The arrival of diverse and disparate hospital information systems by different-brands, on various platforms in the field of electronic health, has led to problems of interoperability. Interoperability is defined as the ability for two (or more) systems or components to exchange information and to use the information that has been exchanged. This paper aims to provide the hospital information system interoperability model. Provided that it cover all aspects of the interoperability.
    Method
    This study is an applied- descriptive. The study includes three phase, at first required indicators to achieve all aspects of interoperability in hospital information system will be identified. In the following, provide the hospital information system interoperability model. Finally, this model with using a scenario based on a software architecture analysis method will be evaluated.
    Results
    In this study, in order to achieve complete interoperability in Hospital Information System has been used a HSB approach. The presented model has necessary indicators for achieving all levels of interoperability (Technical, syntactic, semantic and organizational). EHealth experts confirmed this model using with architecture trade-off analysis method (ATAM).
    Conclusion
    Achieving interoperability in healthcare information systems due to the complexity, diversity and standards is very difficult. And this challenges include technical, syntactic, semantic organizational. Increasing degree of interoperability and compatibility between hospital information systems cause to facilitate cooperation system together and increase efficiency, clinical performance and management of this systems.
    Keywords: Interoperability, Hospital Information System, E-health
  • Maryam Mirsharif, Saeed Rouhani Pages 59-68
    Introduction
    Nowadays, in this industrial modern world, the incidence of chronic diseases has been significantly increased. Gestational diabetes mellitus is one of the major health problems that if not treated, it will cause serious complications for mother and her child. The purpose of this research was to find ways for determining the risk of gestational diabetes mellitus and making early diagnosis to prevent it in the initial stages of pregnancy.
    Methods
    This applied-survey research used two approaches of neural network and decision tree in experimental analysis of data and prediction. The extracted data were normalized and analyzed through Matlab software.
    Results
    The results showed that data-based method is effective in improving the accuracy of prediction and has good performance in discovering implied knowledge and diagnosis of hidden relationships among data. In both methods, decision errors were acceptable and very close to each other.
    Conclusion
    Based on the obtained results, data mining methods can be used in health centers for less familiar diseases in order to achieve on-time diagnosis, patient management and to decrease treatment costs.
    Keywords: Data mining, Artificial Neural Network, Decision Tree, Gestational diabetes mellitus, Diagnosis
  • Hassan Ashrafi Rizi Pages 69-70