مقدمه: بیماریهای ایسکمیک قلبی یکی از شایع‌ترین بیماری هایی است که آمار مرگ‌ومیر بالایی را در جهان به خود اختصاص می‌دهد. بیماریهای ایسکمیک قلب به‌دنبال تنگ شدن یا بسته شدن شریان‌های کرونر قلب به‌وجود می آیند که تامین کننده خون قلب هستند، این امر به آهستگی و به مرور زمان رخ می‌دهد. شناسایی افراد مستعد به بیماری و تغییر در الگوی زندگی آن ها می تواند سبب کاهش مرگ و میر و باعث افزایش طول عمر گردد.
روش بررسی: مطالعه سلامت مردم یزد (یاس) به بررسی سلامت و بیماری های نمونه تصادفی ۱۰۰۰۰ نفر از مردم یزد در سال های ۹۴-۱۳۹۳ پرداخته است. این داده ها به‌علت داشتن ماهیت نامتوازن ابتدا، توسط روش بوت استراپ (Bootstrap) متوازن‌سازی‌شده ، آنگاه در مرحله آموزش دسته بندها به‌کار برده شده‌اند. از دسته بندهای متفاوتی از قبیل شبکه عصبی مصنوعی (Artificial Neural Network)، القای قواعد ((Rule Inducer ، رگرسیون (Regression) و آدابوست (Adaboost) جهت ارزیابی روش پیشنهادی با دو سناریو استفاده شده است.
نتایج: یافته‌ها نشان داد که عمل غربالگری افراد مستعد به بیماریهای ایسکمیک قلبی با استفاده از تولید نمونه افراد بیمار به روش بوت استراپ و متوازن سازی داده ها امکان‌پذیر است. این روش بیشترین تاثیر را در افزایش حساسیت دسته‌بند کشف زیرگروه CN۲ دارد. این دسته‌بند توانایی تشخیص %۶/۸۳ از افراد مستعد بیماری را داراست.
نتیجه‌گیری: بنابراین می‌توان نتیجه گرفت که روش‌های داده‌کاوی در غربالگری افراد مستعد بیماری ایسکمیک قلبی کارایی مناسبی دارد و به کمک آن می‌توان افراد مستعد این بیماری را نسبت به‌غربالگری سنتی که با مراجعه حضوری افراد به پزشک انجام می‌شود؛ سریع‌تر و با هزینه کمتر شناسایی نمود.
