دوره 21، شماره 3 - ( 6-1400 )
جلد 21 شماره 3 صفحات 164-151 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Kazemi A, Bahador H. Provide a Predictive Model to Identify People with Diabetes Using the Decision Tree. ijdld 2021; 21 (3) :151-164
URL: http://ijdld.tums.ac.ir/article-1-6032-fa.html
URL: http://ijdld.tums.ac.ir/article-1-6032-fa.html
کاظمی ابوالفضل، بهادر حمید. ارایه‌ی یک مدل پیش‌بینی جهت شناسایی افراد مبتلا به دیابت با استفاده از درخت تصمیم. مجله دیابت و متابولیسم ایران. 1400; 21 (3) :151-164
ابوالفضل کاظمی1 
، حمید بهادر* 2
، حمید بهادر* 2
1- دانشکده‌ی صنایع
2- گروه کامپیوتر، دانشگاه فنی و حرفه‌ای و پردیس مطهری فرهنگیان استان آذربایجان غربی ،hamidbahador52@gmail.com
2- گروه کامپیوتر، دانشگاه فنی و حرفه‌ای و پردیس مطهری فرهنگیان استان آذربایجان غربی ،
چکیده: (1293 مشاهده)
مقدمه: امروزه در اکثر بیمارستان‌های ایران بانک اطلاعاتی وسیعی از ویژگی‌های بیماران موجود است که حجم بالایی از اطلاعات مربوط به سوابق بیماری، خانوادگی و پزشکی را شامل می‌شود. پیدا کردن الگوی دانش این اطلاعات می‌تواند در جهت پیش‌بینی عملکرد نظام پزشکی و بهبود فرآیندهای آموزشی کمک شایانی کند.
روش‌ها: تکنیک‌های دادهکاوی ابزار تحلیلی هستند که برای استخراج دانش معنادار از مجموعه داده‌های بزرگ مورد استفاده قرار می‌گیرند. در این تحقیق از اطلاعات 500 نفر از مراجعه‌کنندگان به مرکز بهداشت شهید بلندیان قزوین استفاده شده است. در این تحقیق با استفاده از روش‌های دادهکاوی درخت تصمیم و شبکه عصبی و شبکه‌ی بیزین یک مدل پیش‌بینی شده انجام شده است.
یافته‌ها: مدل درخت تصمیم بیشترین دقت و شبکه‌ی بیزین کمترین دقت را در تشخیص بیماران دیابت دارد و به تبع آن درخت تصمیم کمترین خطا و شبکه‌ی بیزین بیشترین خطا را دارا هست. مدل درخت تصمیم با 68/95 درصد بیشترین دقت را در پیش‌بینی داشته است.
نتیجه‌گیری: چربی بیشترین تأثیر را در پیش‌بینی بیماری دیابت و جنسیت کمترین تأثیر را در پیش‌بینی بیماری دیابت دارا هست. بر اساس تحلیل درخت تصمیم قوانین به‌دست آمده در بین ویژگی‌های بیان شده متغیرهای سن و میزان قند بیشترین تأثیر را در پیش‌بینی وقوع بیماری دیابت (طبق تحلیل نرم‌افزار) را دارا هستند و با ایجاد رژیم غذایی مناسب می‌توان از ابتلا به این بیماری جلوگیری کرد.
روش‌ها: تکنیک‌های دادهکاوی ابزار تحلیلی هستند که برای استخراج دانش معنادار از مجموعه داده‌های بزرگ مورد استفاده قرار می‌گیرند. در این تحقیق از اطلاعات 500 نفر از مراجعه‌کنندگان به مرکز بهداشت شهید بلندیان قزوین استفاده شده است. در این تحقیق با استفاده از روش‌های دادهکاوی درخت تصمیم و شبکه عصبی و شبکه‌ی بیزین یک مدل پیش‌بینی شده انجام شده است.
یافته‌ها: مدل درخت تصمیم بیشترین دقت و شبکه‌ی بیزین کمترین دقت را در تشخیص بیماران دیابت دارد و به تبع آن درخت تصمیم کمترین خطا و شبکه‌ی بیزین بیشترین خطا را دارا هست. مدل درخت تصمیم با 68/95 درصد بیشترین دقت را در پیش‌بینی داشته است.
نتیجه‌گیری: چربی بیشترین تأثیر را در پیش‌بینی بیماری دیابت و جنسیت کمترین تأثیر را در پیش‌بینی بیماری دیابت دارا هست. بر اساس تحلیل درخت تصمیم قوانین به‌دست آمده در بین ویژگی‌های بیان شده متغیرهای سن و میزان قند بیشترین تأثیر را در پیش‌بینی وقوع بیماری دیابت (طبق تحلیل نرم‌افزار) را دارا هستند و با ایجاد رژیم غذایی مناسب می‌توان از ابتلا به این بیماری جلوگیری کرد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
