پیش بینی بیماری قلبی با استفاده از سه تکنیک داده کاوی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 710

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MOCONF01_0834

تاریخ نمایه سازی: 29 آبان 1394

چکیده مقاله:

تصمیم گیری جوهره مدیریت است با توجه به اینکه تصمیمگیری بدون وجود اطلاعات و برقراری ارتباطات لازم میسر نیست، پایه اجرایی چنین وظیفه ای فراهم آوردن اطلاعات لازم برای مدیریت است. به دلیل اهمیت شیوه های تصمیم گیری مدیران بیمارستان ها در پیشبرد اهداف بیمارستان و اهمیت قدرت پیش بینی آنان در حل مشکلات درمانی بیراران، این مطالعه باهدف استفاده مدیران بیمارستان ها از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستان HIS جهت پیش بینی دقیق تر و تصمیم گیری بهتر و مؤثرتر برای درمان بیماران صورت گرفته است. داده های مورد استفاده در این مطالعه، مربوط به اطلاعات 280 بیمار است که از انبار داده سایت UCI استخراج شده وشامل 14 متغیر می باشد. از سه مدل رگرسیون لجستیک، درخت تصمیم با ساختار کارت و شبکه عصبی که از جمله پرکاربردترین ابزارهای کلاس بندی در داده کاوی هستند، برای پیش بینی مبتلا بودن به بیماری قلبی استفاده شده و دقت پیش بینی مدل ها مورد مقایسه قرار گرفته است. بر اساس نتایج مشاهده میشود که مد شبکه عصبی با ساختار پرسپترون چنرد لایره دارای بیشترین دقت بوده و با دقتی برابر با 83.33% عمل کلاسبندی را برای مجموعه مشاهدات آزمون انجام داده است.

نویسندگان

مریم کاظمی

گروه مدیریت، پردیس علوم و تحقیقات ایلام، دانشگاه آزاد اسلامی ایلام، ایران

حسین مهدی زاده

استادیار دانشگاه ایلام

اردشیر شیری

استادیار دانشگاه ایلام

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :