تکنیک‏های داده‏کاوی در زمینه پزشکی برای اهداف مختلف استفاده می‏شود. قوانین انجمنی یکی از مباحث جالب در داده‏کاوی برای تولید مجموعه اقلام پرتکرار است. اولین بار برای تجزیه و تحلیل سبد خرید ارائه شده است. در این روش برای پیش‏بینی سطح خطر ابتلا به بیماران دارای بیماری‏های قلبی از طریق مجموعه اقلام پرتکرار استفاده شده است. استخراج مجموعه اقلام پرتکرار کمک به پزشک برای تصمیم‏گیری، تشخیص و تعیین سطح خطر بیماری در مرحله اولیه است. بیماری‏های قلبی بزرگترین علت مرگ و میر در کشورهای توسعه یافته و در حال توسعه می‏باشد. در کشور ما بر اساس گزارش سازمان بهداشت و جانی 41.3 درصد از کل مرگ‏های سال 2005 ناشی از بیماری‏های قلبی و عروقی بوده است. در تشخیص این نوع بیماری معمولا عواملی چون درد قفسه سینه، تنگی نفس، ضربان قلب، کندی ضربان قلب و ... مدنظر قرار می‏گیرد و درنهایت میزان ریسک بیمار در مقابل بیماری‏های قلبی تعیین می‏شود. در این پژوهش یک روش بهینه جهت پیدا کردن مجموعه اقلام پرتکرار ارائه شده است. پس از پیش‏پردازش داده‏ها مجموعه اقلام پرتکراری که حداقل مقدار پشتیبانی را برآورده نمی‏کند و همچنین رکوردهایی که کل ستون آنها صفر می‏باشد حذف شده و سپس با استفاده از الگوریتم Apriori مجموعه قوانین با قابلیت اطمینان بالا و الگوریتم Predictive Apriori مجموعه قوانین با قابلیت صحت بالا تولید می‏شود.