پیش بینی دیابت ملیتوس نوع دو با استفاده از فنون داده کاوی

مقدمه: دیابت نوع دو با یک فاز بدون علامت بین شروع واقعی هایپرگلیسمی دیابتی و تشخیص بالینی شناخته می شود. تشخیص دیرهنگام یا عدم تشخیص دیابت در افراد منجر به گسترش عوارض مختلف عروقی مزمن می شود. ازاین رو، مطالعه حاضر باهدف بررسی امکان پیش بینی دیابت با استفاده از فنون داده-کاوی و ویژگی های مربوط به ریسک فاکتورهای دیابت و ارائه مدل مفهومی سیستم خبره برای کمک به غربالگری دیابت انجام شد.روش بررسی: این پژوهش از نوع کاربردی و به روش توصیفی- تحلیلی گذشته نگر انجام شد. داده ها از پایگاه داده های شهر محمدیه که در برنامه غربالگری شرکت کرده بودند استخراج شد. تعداد 1055 نمونه از شهرستان محمدیه مورد تحلیل قرار گرفتند. جهت پیاده سازی این پژوهش از روش 5 مرحله ای CRISP استفاده گردید در این پژوهش از سه روش یادگیری ماشین بردار پشتیبان، درخت تصمیم و الگوریتم نزدیک ترین همسایگی به منظور طبقه بندی افراد استفاده شده است تا با بررسی این چهار روش تعیین شود که کدام یک از روش های یادگیری ماشین دقت بالاتری را نسبت به سایر روش ها در طبقه بندی نمونه های دیابت به دست می آورد. جهت تحلیل داده ها از نرم افزار MATLAB استفاده شد.یافته ها: تحلیل داده در حالت 70 درصد آموزشی و 30 درصد تستی نشان داد که در تمامی معیارها، بهترین نتایج توسط درخت تصمیم گیری با صحت (0.96) و دقت (0.89) به دست آمده است. پس از آن روش های نزدیک ترین همسایگی با صحت (0.96) و دقت (0.83) و ماشین های بردار پشتیبان با صحت (0.94) و دقت (0.85) قرار داشتند.نتیجه گیری: بر اساس نتایج ارائه شده، درخت تصمیم گیری بهترین نتایج را در کلاس بندی نمونه های آزمون نشان می دهد؛ که می تواند به عنوان مدلی مناسب در پیش بینی دیابت با استفاده از داده های ریسک فاکتور توصیه شود.

کلیدواژه ها:

دیابت ملیتوس نوع دو ، عوامل خطر ، تشخیص زودهنگام ، داده کاوی ، درخت تصمیم ، ماشین بردار پشتیبان ، الگوریتم نزدیک ترین همسایگی