دوره 31، شماره 7 - ( مهر 1402 )
جلد 31 شماره 7 صفحات 6835-6824 |
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:
Barzegari A, Noorani S F, Mirzaei M. Comparison of Data Mining Algorithms in Prediction of Coronary Artery Diseases Using Yazd Health Study (YaHS) Data. JSSU 2023; 31 (7) :6824-6835
URL: http://jssu.ssu.ac.ir/article-1-5860-fa.html
URL: http://jssu.ssu.ac.ir/article-1-5860-fa.html
برزگری اعظم، نورانی سیده فاطمه، میرزائی مسعود. مقایسه عملکرد الگوریتم‌های داده‌کاوی در پیش‌بینی بیماریهای عروق کرونر قلبی با استفاده از داده‌های مطالعه سلامت مردم یزد (یاس). مجله علمي پژوهشي دانشگاه علوم پزشكي شهید صدوقی يزد. 1402; 31 (7) :6824-6835
چکیده: (730 مشاهده)
مقدمه: بیماریهای قلبی - عروقی اصلی‌ترین عامل مرگ و میر در سراسر جهان بوده و یکی از ده دلیل اول مرگ در 15 سال اخیر می‌باشد. بیماریهای ایسکمیک قلبی نوعی بیماری قلبی است که به دلیل تنگ شدن شریان‌های تغذیه‌کننده بافت قلب (عروق کرونر) ایجاد می‌شود. هدف از این پژوهش مقایسه الگوریتم‌های داده کاوی در پیش‌بینی زودهنگام بیماری قلبی با توجه به علائم اولیه بیمار می‌باشد.
روش بررسی: در این پژوهش از داده‌های فاز اول مطالعه سلامت مردم یزد (یاس) که شامل 10000 شرکت‌کننده و با استفاده از 21 ویژگی آنان مانند سن، نوع درد قفسه سینه، میزان قند خون، وضعیت شغلی، مصرف الکل، شاخص توده بدنی و غیره که از سال 1393 تا کنون جمع‌آوری شده بود استفاده شد.
نتایج: تجزیه و تحلیل داده‌ها جمع‌آوری شده با استفاده از الگوریتم‌های Random Forest و Naive Bayes، دقت 74/51 درصد را در پیش‌بینی بیماری کرونر قلبی نشان داد.
نتیجه‌گیری: می‌توان نتیجه گرفت که با الگوریتم‌های ساده فوق می‌توان پیش‌بینی بیماری ایسکمیک قلب را با دقت بالا انجام داده و با غربالگری زودهنگام و درمان به‌موقع در مراحل اولیه باعث کاهش مرگ و میر مرتبط شد.
روش بررسی: در این پژوهش از داده‌های فاز اول مطالعه سلامت مردم یزد (یاس) که شامل 10000 شرکت‌کننده و با استفاده از 21 ویژگی آنان مانند سن، نوع درد قفسه سینه، میزان قند خون، وضعیت شغلی، مصرف الکل، شاخص توده بدنی و غیره که از سال 1393 تا کنون جمع‌آوری شده بود استفاده شد.
نتایج: تجزیه و تحلیل داده‌ها جمع‌آوری شده با استفاده از الگوریتم‌های Random Forest و Naive Bayes، دقت 74/51 درصد را در پیش‌بینی بیماری کرونر قلبی نشان داد.
نتیجه‌گیری: می‌توان نتیجه گرفت که با الگوریتم‌های ساده فوق می‌توان پیش‌بینی بیماری ایسکمیک قلب را با دقت بالا انجام داده و با غربالگری زودهنگام و درمان به‌موقع در مراحل اولیه باعث کاهش مرگ و میر مرتبط شد.
واژه‌های کلیدی: داده‌کاوی، غربالگری، بیماری ایسکمیک قلبی - عروقی، Naïve Bayes، Random Forest، مطالعه سلامت مردم یزد
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
