طراحی یک پیش بینی کننده بهینه برای سن یائسگی و عوامل موثر بر آن

بدلیل بالا رفتن امید به زندگی درکشورهای درحال توسعه توجه به مساله یائسگی درزنان حائز اهمیت است چرا که این مرحله اززندگی علاوه برتاثیر درکیفیت زندگی آنان زمان بروز بیماریهای قلبی و عروقی سرطانهای سینه رحم و پوکی استخوان می باشد دراین راستا یافتن عوامل تاثیرگذار برزمان یائسگی و دریائسگی های زودرس و تعیین اینکه فرد به این مرحله اززندگی خود رسیده یا خیرحائزاهمیت است بدین منظور دراین مقاله بااستفاده ازشبکه های عصبی پس انتشار به بررسی عوامل تاثیرگذار برسن یائسگی و تشخیص بودن یا نبودن درسن یائسگی می پردازیم این مطالعه برروی 33ویژگی از930زن بابازه سنی 35تا65 ساله است و ابزار گرداوری داده ها پرسشنامه ای است که به روش مصاحبه تکمیل شده است دراین مساله به صحت طبقه بندی 91/5 درصد دست یافتیم نتایج شبیه سازی نشان میدهد که ویژگیهایی چون دورلگن وضعیت دیابت وضعیتازدواج و سن اولین حاملگی مهمترین ویژگیها درافزایش صحت طبقه بندی وتشخیص سن یائسگی هستند

کلیدواژه ها:

شبکه های عصبی ، کلاسبندی ، الگوریتم ژنتیک GA ، تحلیل مولفه های اصلی PCA