| LEADER |
05743nam a2200337 4500 |
| 001 |
1531133 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 613066
|a أبو زهري، محمد زيدان
|e مؤلف
|
| 245 |
|
|
|a Colorectal Cancer Risk Factors’ Assessment in Palestine:
|b A framework for prediction Tool
|
| 260 |
|
|
|a جنين
|c 2020
|
| 300 |
|
|
|a 1 - 110
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c الجامعة العربية الأمريكية - جنين
|f كلية الدراسات العليا
|g فلسطين
|o 0294
|
| 520 |
|
|
|a تعتبر الرعاية الصحية أحد المجالات التي تنتج كمية هائلة من البيانات، وستكون هذه البيانات الناتجة عديمة الفائدة إذا لم يتم استخراج الأنماط المفيدة واستخدامها بطريقة مناسبة. بشكل عام، تشكل أنواع السرطان المختلفة حوالي 14% من الوفيات في فلسطين، وبلغ معدل انتشار سرطان القولون والمستقيم 15% بين الرجال و 14.6% بين النساء من جميع أنواع السرطان. من ناحية أخرى، يعتمد حدوث سرطان القولون والمستقيم نسبيا على عوامل الخطر السلوكية التي قد تزيد من حدوثه، إلى جانب العوامل الوقائية التي يمكن أن تقلل من حدوث سرطان القولون والمستقيم. لذلك، تم إجراء هذا البحث من أجل تحديد عوامل الخطر السلوكية التي أثرت على حالات مرضى سرطان القولون والمستقيم المبلغ عنها في فلسطين، وتم الاستفادة من أدوات التعلم الآلي (Machine Learning) التي يمكن استخدامها في عمليتي التصنيف والتنبؤ بحدوث المرض، حيث من الممكن أن يتم استخدام التصنيف والتنبؤ من قبل المواطنين بالمستقبل لكي يقوموا بتعديل عوامل الخطر السلوكية المرتبطة بمرض سرطان القولون والمستقيم، إضافة إلى تعديل وضبط عوامل الخطر السلوكية، إتاحة التنبؤ بالمرض للعامة سوف يساهم إيجابيا في تعزيز اهتمام المواطنين بصحتهم الشخصية. في هذا البحث، تم جمع وتحليل مجموعتي بيانات مختلفتين من مجموعة بيانات سرطان القولون والمستقيم، حيث تم الحصول على إحداهما من السجل الوطني للسرطان في وزارة الصحة الفلسطينية، ومجموعة البيانات الأخرى التي تم استيرادها من جامعة القدس (أبو ديس). ووجدت الدراسة أن أهم عوامل الخطر السلوكية التي يجب مراعاتها هي العمر، التاريخ الطبي السابق، النظام الغذائي، النشاط البدني والسمنة. وعلى ما سبق، تم تطبيق أدوات مختلفة للتعلم الآلي لتصنيف عوامل الخطر والتنبؤ بها. في هذا البحث، تم استخدام أدوات التعلم الآلي لدعم القرارات الطبية من خلال الجمع بين الأنظمة الحسابية الذكية ومجموعات البيانات الطبية. تتمثل المهمة في تصنيف أو التعرف على نمط مختلف يستخدم في التشخيصات الطبية لتحديد عوامل الخطر الطبية لسرطان القولون والمستقيم، وتم تطبيق ومقارنة دقة خمس من أدوات التعلم الآلي والذكاء الاصطناعي الأكثر شهرة وشيوعا في المجالات الصحية (Decision Tree, Support Victor Machine, K-Nearest Neighbour, Artificial Neural Network و Linear Regression)، على مجموعتي البيانات اللتان تم جمعهما. ثم تم تقييم أداء الأدوات الخمس المختلفة باستخدام مقاييس مختلفة مثل الدقة الشاملة، والاسترجاع، والخصوصية، والمساحة تحت المنحنى، وغيرها. أظهرت النتائج أن (Artificial Neural Network) هي أفضل أداة ممكن أن يتم استخدامها. أخيرا، وجدت الدراسة أيضا أن هناك حاجة ماسة لتعزيز العوامل الوقائية إجراء الفحص الدوري وزيادة وعي المواطنين لمسببات سرطان القولون والمستقيم.
|
| 653 |
|
|
|a الرعاية الصحية
|a الخلايا السرطانية
|a الأورام الخبيثة
|a المرضى الفلسطينيين
|
| 700 |
|
|
|a نجار، شاهيناز
|g Najjar, Shahenaz
|e مشرف
|9 613071
|
| 700 |
|
|
|a عوض، محمد
|g Awad, Mohammed
|e مشرف
|9 613069
|
| 856 |
|
|
|u 9808-002-001-0294-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9808-002-001-0294-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9808-002-001-0294-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9808-002-001-0294-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9808-002-001-0294-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9808-002-001-0294-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9808-002-001-0294-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9808-002-001-0294-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9808-002-001-0294-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9808-002-001-0294-R.pdf
|y المصادر والمراجع
|
| 856 |
|
|
|u 9808-002-001-0294-S.pdf
|y الملاحق
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 1142745
|d 1142745
|
