دوره 25، شماره 5 - ( 9-1404 )
جلد 25 شماره 5 صفحات 432-424 |
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:
Kashani M, Barzekar S. Predicting the Trajectory of Type 2 Diabetes Using a Hybrid Cellular Learning Automata and SIR Model: A Real-World Data Approach. ijdld 2025; 25 (5) :424-432
URL: http://ijdld.tums.ac.ir/article-1-6444-fa.html
URL: http://ijdld.tums.ac.ir/article-1-6444-fa.html
کاشانی مصطفی، برزه کار صدیقه. پیشبینی روند شیوع دیابت نوع دوم با استفاده از مدل ترکیبی اتوماتای سلولی یادگیر و الگوریتم مدل رتبهبندی برتری و فروتری: رویکردی مبتنی بر دادههای واقعی. مجله دیابت و متابولیسم ایران. 1404; 25 (5) :424-432
1- گروه فناوری اطلاعات سلامت، دانشکدۀ علوم پزشکی سیرجان، سیرجان، ایران ، mostafa.kashani@sirums.ac.ir
2- گروه پزشکی، دانشکدۀ علوم پزشکی سیرجان، سیرجان، ایران
2- گروه پزشکی، دانشکدۀ علوم پزشکی سیرجان، سیرجان، ایران
چکیده: (582 مشاهده)
مقدمه: دیابت نوع دو یکی از تهدیدات جدی برای سلامت عمومی در قرن حاضر است و هزینههای اقتصادی و درمانی قابلتوجهی را بر نظامهای سلامت تحمیل میکند. پیشبینی دقیق روند ابتلا به دیابت میتواند نقش مؤثری در مدیریت منابع و طراحی برنامههای مداخلهای ایفا کند.
روشها: در این مطالعه، یک مدل ترکیبی مبتنی بر اتوماتای سلولی یادگیر (CLA) و الگوریتم رتبهبندی برتری و فروتری (SIR) توسعه داده شده است تا با بهرهگیری از دادههای بیماران دیابتی واقعی در استان کرمان، روند گسترش بیماری در افق ۲۰ساله آتی پیشبینی شود. دادههای مورداستفاده شامل ویژگیهای دموگرافیک و آزمایشگاهی بیماران دیابتی طی سالهای ۱۳۸۳ تا ۱۳۹۱ بوده است. پس از پیشپردازش دادهها و حذف مقادیر گمشده، مدل پیشنهادی در نرمافزار MATLAB پیادهسازی شد.
یافتهها: نتایج نشان داد که ترکیب مدل CLA و SIR توانسته است بادقت بالایی روند شیوع بیماری را مدلسازی کند. همچنین، فاکتورهایی نظیر فشارخون، کلسترول و شاخص توده بدنی بهعنوان عوامل مؤثر کلیدی در روشنشدن سلولهای مدل شناسایی شدند.
نتیجهگیری: یافتهها بیانگر آن است که استفاده از رویکردهای هوشمند میتواند در تحلیل دادههای سلامت و پیشبینی بیماریهای مزمن مؤثر باشد.
روشها: در این مطالعه، یک مدل ترکیبی مبتنی بر اتوماتای سلولی یادگیر (CLA) و الگوریتم رتبهبندی برتری و فروتری (SIR) توسعه داده شده است تا با بهرهگیری از دادههای بیماران دیابتی واقعی در استان کرمان، روند گسترش بیماری در افق ۲۰ساله آتی پیشبینی شود. دادههای مورداستفاده شامل ویژگیهای دموگرافیک و آزمایشگاهی بیماران دیابتی طی سالهای ۱۳۸۳ تا ۱۳۹۱ بوده است. پس از پیشپردازش دادهها و حذف مقادیر گمشده، مدل پیشنهادی در نرمافزار MATLAB پیادهسازی شد.
یافتهها: نتایج نشان داد که ترکیب مدل CLA و SIR توانسته است بادقت بالایی روند شیوع بیماری را مدلسازی کند. همچنین، فاکتورهایی نظیر فشارخون، کلسترول و شاخص توده بدنی بهعنوان عوامل مؤثر کلیدی در روشنشدن سلولهای مدل شناسایی شدند.
نتیجهگیری: یافتهها بیانگر آن است که استفاده از رویکردهای هوشمند میتواند در تحلیل دادههای سلامت و پیشبینی بیماریهای مزمن مؤثر باشد.
واژههای کلیدی: دیابت نوع دو، مدلسازی پیشبینانه، اتوماتای سلولی یادگیر (CLA)، الگوریتم SIR، دادهکاوی سلامت
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
