[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-en-105":3,"doc-seo-290612-105":59,"doc-detail-290612-en":130},{"code":4,"msg":5,"data":6},0,"success",[7,13,18,23,28,33,38,43,48,51,55],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},1,"Document","Story & Novel",90,"story-novel",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":16,"slug":17},2,"Literature",80,"literature",{"id":19,"doc_module":4,"doc_module_name":9,"category_name":20,"show_sort_weight":21,"slug":22},4,"Exam",70,"exam",{"id":24,"doc_module":4,"doc_module_name":9,"category_name":25,"show_sort_weight":26,"slug":27},5,"Comic",60,"comic",{"id":29,"doc_module":4,"doc_module_name":9,"category_name":30,"show_sort_weight":31,"slug":32},6,"Technology",50,"technology",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":36,"slug":37},7,"Healthcare",40,"healthcare",{"id":39,"doc_module":4,"doc_module_name":9,"category_name":40,"show_sort_weight":41,"slug":42},8,"Research & Report",30,"research-report",{"id":44,"doc_module":4,"doc_module_name":9,"category_name":45,"show_sort_weight":46,"slug":47},9,"Religion & Spirituality",20,"religion-spirituality",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":49,"show_sort_weight":46,"slug":50},"World Cup","world-cup",{"id":52,"doc_module":4,"doc_module_name":9,"category_name":53,"show_sort_weight":52,"slug":54},10,"Lifestyle","lifestyle",{"id":56,"doc_module":4,"doc_module_name":9,"category_name":57,"show_sort_weight":24,"slug":58},19,"General","general",{"code":4,"msg":60,"data":61},"ok",{"site_id":62,"language":63,"slug":64,"title":65,"keywords":66,"description":67,"schema_data":68,"social_meta":123,"head_meta":125,"extra_data":127,"updated_unix":129},105,"fa","predicting-kidney-transplant-outcomes-using-machine-learning-techniques","پیشبینی پیامدهای پیوند کلیه با استفاده از تکنیکهای یادگیری ماشین","","نارسایی کلیه به‌عنوان یک مشکل شایع و رو به افزایش در ایران و جهان، نیازمند روش‌های مؤثر برای مدیریت عوارض پس از درمان را برجسته می‌کند. پیوند کلیه به‌عنوان روش ترجیحی برای بیماران مبتلا به ESRD شناخته می‌شود، اما خطراتی مانند پس‌زدگی، واکنش‌های دیابتیک، واکنش‌های بدخیمی و بستری مجدد وجود دارد. پژوهش حاضر با اجرای چارچوب CRISP و مدل‌سازی مبتنی بر یادگیری ماشین (Python) عوامل مؤثر را شناسایی و با الگوریتم جنگل تصادفی، پیش‌بینی چندبرچسبی را با خطای کمتر از 0/01 ارائه می‌کند.",{"@graph":69,"@context":122},[70,84,105],{"@type":71,"itemListElement":72},"BreadcrumbList",[73,77,79,82],{"item":74,"name":75,"@type":76,"position":8},"https://docshare.wps.com","Home","ListItem",{"item":78,"name":9,"@type":76,"position":14},"https://docshare.wps.com/document/",{"item":80,"name":40,"@type":76,"position":81},"https://docshare.wps.com/document/research-report/",3,{"item":83,"name":65,"@type":76,"position":19},"https://docshare.wps.com/document/predicting-kidney-transplant-outcomes-using-machine-learning-techniques/290612/",{"url":83,"name":65,"@type":85,"image":86,"author":91,"headline":65,"publisher":94,"fileFormat":97,"inLanguage":63,"description":67,"dateModified":98,"datePublished":99,"encodingFormat":97,"isAccessibleForFree":100,"interactionStatistic":101},"DigitalDocument",{"url":87,"@type":88,"width":89,"height":90},"https://docshare.wps.com/thumbnails/predicting-kidney-transplant-outcomes-using-machine-learning-techniques/290612.png","ImageObject",300,407,{"name":92,"@type":93},"Ezra","Person",{"url":74,"name":95,"@type":96},"DocShare","Organization","application/pdf","2026-11-04","2026-09-17",true,{"@type":102,"interactionType":103,"userInteractionCount":24},"InteractionCounter",{"@type":104},"ViewAction",{"@type":106,"mainEntity":107},"FAQPage",[108,114,118],{"name":109,"@type":110,"acceptedAnswer":111},"هدف اصلی این پژوهش چیست؟","Question",{"text":112,"@type":113},"هدف پژوهش پیش‌بینی پیامدهای پیوند کلیه در بیماران با استفاده از تکنیک‌های یادگیری ماشین است.","Answer",{"name":115,"@type":110,"acceptedAnswer":116},"چه روش و چارچوبی برای انجام مطالعه انتخاب شده است؟",{"text":117,"@type":113},"به دلیل قوت در اجرا و پیاده‌سازی پروژه‌های داده‌کاوی، روش‌شناسی CRISP به‌عنوان روش کار انتخاب شده است.",{"name":119,"@type":110,"acceptedAnswer":120},"مدل نهایی از چه نوعی بوده و چه پیامدهایی را پیش‌بینی می‌کند؟",{"text":121,"@type":113},"مدل نهایی چندبرچسبی و مبتنی بر الگوریتم جنگل تصادفی است و پیامدهایی مانند احتمال پس‌زدگی، واکنش‌های دیابتیک، واکنش‌های بدخیمی و بستری مجدد بیمار را پیش‌بینی می‌کند.","https://schema.org",{"og:url":83,"og:type":124,"og:title":65,"og:site_name":95,"og:description":67},"article",{"robots":126,"canonical":83},"index,follow",{"doc_id":128,"site_id":62},290612,1792554423,{"code":4,"msg":5,"data":131},{"doc_id":128,"user_id":132,"nickname":92,"user_avatar":133,"doc_module":4,"category_id":39,"category_name":40,"doc_title":65,"doc_description":67,"doc_content":134,"file_id":135,"file_url":136,"file_type":137,"file_size":138,"view_count":24,"is_deleted":4,"is_public":8,"is_downloadable":8,"audit_status":8,"page_count":139,"language":140,"language_code":63,"site_id":62,"html_lang":141,"table_of_contents":142,"faqs":143,"seo_title":144,"seo_description":67,"update_tm":145,"read_time":41,"preview_page_count":4},1099514068035,"https://ap-avatar.wpscdn.com/davatar_276721f389ce27ea32af1340a28f341c","مجله پیاورد سلامت  \nدوره 17 ، شماره 6، بهمن 1402 ، 582-571  \nمقاله پژوهشی  \n[ [Downloaded from payavard.tums.ac.ir on 2026-09-16](Downloaded from payavard.tums.ac.ir on 2026-09-16) ]  \nپیشبینی پیامدهای پیوند کلیه با استفاده از تکنیکهای یادگیری ماشین  \nفریبا معلم برازجانی 1، آزیتا یزدانی 2، رضا صفدری *3، سیدمنصور گتمیری *4  \nچکیده  \nزمینه و هدف : نارسایی کلیه از مشکلات شایع و رو به افزایش در ایران و جهان به شمار میرود . پیوند کلیه به عنوان روشدرمانیارجح برای بیماران مبتلا به ESRD شناخته شده است . یادگیری ماشین به عنوان یکی از ارزشمندترین شاخههای هوش مصنوعیدر زمینهی پیشبینی بقای بیماران یا پیشبینی بروز حـالات مختلف در بیماران کاربرد بسزایی دارد . هدف از انجام این پژوهشپیشبینی پیامدهای پیوند کلیه در بیماران، با استفاده از یادگیری ماشین است .روش بررسی : از آنجایی که یکی از قویترین روششناسیها در زمینه ی اجرا و پیادهسازی پروژههای داده کاوی CRISP است،این روششناسی به عنوان روش کار انتخاب شد . به منظور شناسایی عوامل مؤثر در پیش بینی پیامدهای پیوند کلیه، پس از مرورمتون مرتبط، چک لیستی محقق ساخته جهت مشخص کردن میزان ضرورت هرکدام از عوامل مؤثر بر نتیجه ی پیوند برای تعدادیاز نفرولوژیستهای سراسر کشور ارسال شده و نتایج تحلیل و بررسی شد . سپس با استفاده از زبان پایتون و الگوریتمهای مختلفیادگیری ماشین از جمله ماشینبردار پشتیبان، جنگلهای تصادفی، K نزدیک ترین همسایه، گرادیان افزایشی و یادگیری عمیق، بهمدلسازی بر روی داده ها پرداخته شد .  \nیافته ها : مدل نهایی از نوع چند برچسبی و بر اساس الگویتم جنگل تصادفی بود که بتواند پیامدهای مختلف پیوند کلیه که در اینمطالعه شامل احتمال پسزدگی، واکنشهای دیابتیک، واکنشهای بدخیمی و بستری مجدد بیمار بود را به صورت یک جا پیشبینیکند . پس از انجام مراحل پیش پردازش بر روی دادهها و مدلسازی بر روی ویژگیهای دادهی ورودی به وسیله الگوریتمهایمختلف، مدل نهایی قادر بود با خطایی کمتر از 0/01 به پیشبینی چهار مورد پیامد پیوند کلیه یعنی پسزدگی، ابتلا به دیابت،واکنشهای بدخیمی و بستری مجدد بیمار بپردازد .  \nنتیجه گیری : میزان بالای درستی و دقت مدل جنگل تصادفی نشان از قدرت بالای این مدل برای پیشبینی پیامدهای پیوند کلیهدارد . در این مطالعه، مؤثرترین عوامل در ابتلای بیمار به پیامدهای ذکر شده شناسایی شد . برای نمونههای جدید با استفاده از اینسیستم مبتنی بر یادگیری ماشین میتوان به پیشبینی احتمال بروز این پیامدها برای بیماران پرداخت .  \nواژههای کلیدی : پیوند کلیه، پیش بینی، یادگیری ماشین، پیامدهای پیوند کلیه  \n1402/6/14  \n1402/10/2  \nدریافت مقاله :پذیرش مقاله :  \n* نویسندگان مسئول :رضا صفدری؛  \nدانشکده علوم پیراپزشکی دانشگاه علوم پزشکیتهران  \nسیدمنصور گتمیری؛  \nمجتمع بیمارستان امام خمینی(ره) دانشگاه علومپزشکی تهران  \nEmails: [rsafdari@tums.ac.ir](rsafdari@tums.ac.ir)[ ](rsafdari@tums.ac.ir)[gatmiri@tums.ac.ir](gatmiri@tums.ac.ir)  \n1 دانشجوی کارشناسی ارشد انفورماتیک پزشکی، دانشکده علوم پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران  \n2 استادیار گروه مدیریت اطلاعات سلامت، مرکز تحقیقات مدیریت سلامت و منابع انسانی، دانشکده مدیریت و اطلاعرسانی پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران 3 استاد گروه مدیریت اطلاعات سلامت، دانشکده علوم پیراپزشکی، دانشگاه علوم یزشکی تهران، تهران، ایران  \n4 دانشیار گروه بیماریهای کلیه، مرکز تحقیقات نفرولوژی، قطب نفرولوژی، دانشکده پزشکی، مجتمع بیمارستانی امام خمینی( ره ) ، دانشگاه علوم پزشکی تهران، تهران، ایران  \n[ [Downloaded from payavard.tums.ac.ir on 2026-09-16](Downloaded from payavard.tums.ac.ir on 2026-09-16) ]  \nپیش بینی پیامد 􀃅ههای پیوند کلیه با ...  \n\n| تکنیکهای مختلف دادهکاوی و هوش مصنوعی را برای تجزیهوتحلیل | مقدمه |\n| --- | --- |\n| این دادهها بهکار گرفت و به بهبود کیفیت خدمات پزشکی کمک شایانی | نارسایی مزمن کلیه یکی از بیماریهای شایع در ایران و جهان است |\n| کرد ( 1 ) . کاربرد تکنیکهای یادگیری ماشین در امور مربوط بـه سلامت، | و بهطور کلی این بیماری در جوامعی که دارای شاخص بهداشتی بالایی |\n| محدود به بحث تشخیص پزشکی نمیشود . پیش بینی بقای بیماران یا | هستند، به دلیل افزایش طول عمر شایع است . درمان نارسایی مزمن کلیه |\n| پیش بینی بروز حالات مختلف در بیماران یا افراد مورد معالجه نیز از دیگر | به دو صورت دیالیز و پیوند کلیه است . پیوند کلیه، روش درمانی مناسب و |\n| زمینههای کاربردی تکنیکهای یادگیری ماشین است( 6) . یکی از مهمترین | مؤثرترین راهبرد در بین بیماران مبتلا به مرحله پایانی نارسایی کلیه است و ","cbCaiaRU89z1l6O5","https://ap.wps.com/l/cbCaiaRU89z1l6O5","pdf",766616,12,"Persian","en","# چکیده\n## زمینه و هدف\n## روش بررسی\n## یافته ها\n## نتیجه گیری\n# مقدمه\n# روش بررسی","[{\"question\":\"هدف اصلی این پژوهش چیست؟\",\"answer\":\"هدف پژوهش پیش‌بینی پیامدهای پیوند کلیه در بیماران با استفاده از تکنیک‌های یادگیری ماشین است.\"},{\"question\":\"چه روش و چارچوبی برای انجام مطالعه انتخاب شده است؟\",\"answer\":\"به دلیل قوت در اجرا و پیاده‌سازی پروژه‌های داده‌کاوی، روش‌شناسی CRISP به‌عنوان روش کار انتخاب شده است.\"},{\"question\":\"مدل نهایی از چه نوعی بوده و چه پیامدهایی را پیش‌بینی می‌کند؟\",\"answer\":\"مدل نهایی چندبرچسبی و مبتنی بر الگوریتم جنگل تصادفی است و پیامدهایی مانند احتمال پس‌زدگی، واکنش‌های دیابتیک، واکنش‌های بدخیمی و بستری مجدد بیمار را پیش‌بینی می‌کند.\"}]","پیشبینی پیامدهای پیوند کلیه با استفاده از تکنیکهای یادگیری ماشین | PDF",1789642195]