a Classification Process Using Decision Tree Machine Learning Model for Determining the Effect of Anticoagulants on the Fate of Different Types of COVID-19 Patients with Other Diseases
##plugins.themes.academic_pro.article.main##
الملخص
يعتبر ارتفاع معدل الإصابة بالجلطات الدموية الثانوية لـ COVID-19 مصدر قلق عالمي، ويزداد المرض تعقيداً بسبب حالة فرط التخثر, حيث يوجد العديد من الدراسات الاستقصائية التي تشير إلى زيادة معدلات الوفيات, وعلى إثر ذلك تم استخدام مضاد تخثر الدم بشكل عام للمرضى المصابين بمرض فيروس (COVID-19) كعلاج للوقاية من التخثر.
الطريقة
تم اجراء دراسة تحليلية للبيانات 1131 مريض COVID-19 من مشفي الحفة في محافظة اللاذقية السورية المتخصصة بالعزل الصحي لمرضى كورونا, التي تم تسجيلها بشكل تفصيلي من تاريخ 30/8/2020 حتى 11/5/2021, فيها البيانات الشخصية والأعراض السريرية والسوابق المرضية والوصفة العلاجية ومصير كل مريض .
تم تطبيق خوارزمية Decision Tree على قسم معين من بيانات المرضى المحللة وهي العمر الأكسجة والأمراض القلبية والعصبية والرئوية والضغط والقصور الكلوي, بالإضافة لنوع مضاد التخثر والتهوية الميكانيكية في وصفة العلاج, ليتم تصنيفهم في مجموعتين إما وفاة أو شفاء.
الهدف
دراسة أثر مضادات التخثر على مرضى كورونا الذين يملكون سوابق مرضية محددة, وتصنيفهم لملاحظة أثر الوصفة على مصير المرضى.
النتيجة
إن وصف enoxaparin و rivaroxaban و معا لم يأتي بنتائج إيجابية على مرضى القصور الكلوي وعلى المرضى المسنين فوق64 عاماً الذين انخفضت أكسجتهم دون 90بالمئة.
بحال أن وصف enoxaparin للمرضى الذين انخفضت أكسجتهم عن 76 والذين يعانون من تليف رئوي كانت مجدية, و أصحاب الأمراض الرئوي الأخرى والأصحاء غير مجدية.
وصف enoxaparin لمرضى الذين لم تنخفض أكسجتهم عن 76 بالمئة ولديهم تليف الرئوي فقد كانت سيئة, وأما مع بقية المرضى فقد كانت مجدية.
##plugins.themes.academic_pro.article.details##
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.