Iranian Journal of Diabetes and Lipid Disorders

fa پیش‌بینی نفروپاتی در بیمار دیابتی با کمک مدل رگرسیون فازی NEPHROPATHY PREDICTION IN DIABETIC PATIENT USING FUZZY REGRESSION MODEL تخصصي Special كاربردي Applicable مقدمه: دیابت یکی از بیماری‌های خطرناک و رایج جهان مدرن است. از آنجا که در تحقیقات پزشکی معمولاً داده‌های کمی در دسترس است و داده‌های پزشکی دارای عدم قطعیت و ابهام زیادی است، برای پیدا کردن رابطه‌ی ورودی و خروجی در داده‌های پزشکی استفاده از مدل های ‌فازی مناسب به‌نظر می‌رسد. هیچکدام از مقالات قبلی از رگرسیون فازی برای پیش‌بینی عوارض دیابت از جمله نفروپاتی استفاده نکرده‌اند. لذا در این مطالعه، مدل رگرسیون فازی برای پیش‌بینی نفروپاتی در بیمار دیابتی استفاده شده است. روش‌ها: در پژوهش حاضر از نتایج GFR آزمایشات قبلی بیمار برای پیش‌بینی افق دورتری از GFR و در نهایت پیش‌بینی عارضه‌ی کلیوی استفاده شده است. بیماری‌های مزمن کلیوی براساس مقدار GFR سطح‌بندی شده است که فازی سازی داده‌ها براساس این سطوح انجام شده است. پیش‌بینی GFR طی مراحل زیر انجام شد: مرحله‌ی 1، تعریف مجموعه‌های فازی براساس سطوح GFR، که برای هر سطح یک مجموعه فازی در نظر گرفته شده است. مرحله‌ی 2، فازی سازی داده‌های بیمار براساس مجموعه‌های فازی. مرحله‌ی 3، پیش‌بینی GFR با مدل رگرسیون فازی. مرحله‌ی 4، غیرفازی سازی مقادیر پیش‌بینی با استفاده از غیرفازی ساز میانگین. مرحله‌ی 5، ارزیابی کارایی مدل. خطای RMSE برای مقایسه کارایی مدل استفاده شده است. یافته‌ها: نتایج پیش‌بینی GFR نشان داد که، مقایسه RMSE با استفاده از مدل رگرسیون خطی ساده 10.09 و با استفاده از مدل فازی 4.24 بود. نتیجه گیری: مدل رگرسیون فازی قادر به پیش‌بینی نفروپاتی در بیماران دیابتی است. Background: Diabetes is one of the most dangerous and common diseases of the modern world. Since medical research usually has limited data available and medical data is very ambiguous, it seems appropriate to use the fuzzy model to find out the relationship between input and output in medical data. None of the previous articles of fuzzy regression have been used to predict complications of diabetes, including nephropathy. Therefore, in this study, a fuzzy regression model was used to predict nephropathy in a diabetic patient. Methods: In the present study, GFR results of previous patient experiments were used to predict a deeper horizons of GFR and ultimately to predict renal disease. Chronic kidney disease has been stratified based on the amount of GFR, that fuzzy data has been constructed based on these levels. The GFR prediction was performed in the following steps. Step 1: Define fuzzy sets based on the GFR level, which is considered for each level of a fuzzy set. Step 2: Fuzzify patient data Based on fuzzy sets. Step 3: GFR prediction with fuzzy regression model. Step 4: Defuzzifying the predictions. Step 5: Evaluating the model efficiency. The RMSE error is used to compare the performance of the model. Results: The results of GFR prediction showed that comparison RMSE was 10.09 with using simple linear regression model and 4.24 in fuzzy model. Conclusions: fuzzy regression model can predict nephropathy in diabetic patients. پیش‌بینی, نفروپاتی دیابتی, دیابت, رگرسیون فازی, عدم قطعیت Prediction, Diabetes, Diabetic Nephropathy, Fuzzy Regression 90 96 http://ijdld.tums.ac.ir/browse.php?a_code=A-10-888-1&slc_lang=fa&sid=1 Narges Shafaei Bajestani نرگس شفاعی بجستانی narges.shafaei@gmail.com Yes Department of Electrical Engineering, Gonabad Branch, Islamic Azad University, Gonabad, Iran گروه برق، واحد گناباد، دانشگاه آزاد اسلامی، گناباد، ایران Maryam Aradmehr مریم آرادمهر No Department of Midwifery, School of Nursing and Midwifery, Sabzevar University of Medical Sciences, Sabzevar, Iran گروه مامایی، دانشکده‌ی پرستاری و مامایی دانشگاه علوم پزشکی سبزوار، سبزوار، ایران Ensieh Nasli Esfahani انسیه نسلی اصفهانی No Diabetes Research Center, Endocrinology and Metabolism Clinical Sciences Institute, Tehran University of Medical Sciences, Tehran, Iran مرکز تحقیقات دیابت، پژوهشکده‌ی علوم غدد و متابولیسم دانشگاه علوم پزشکی تهران ،تهران، ایران Behrooz Khiabani tanha بهروز خیابانی تنها No Parsian Diabetes Research Center, Mashhad, Iran مرکز تحقیقات دیابت پارسیان، مشهد، ایران