جستجو در مقالات منتشر شده


۲ نتیجه برای بیماری ایسکمیک قلبی

اعظم برزگری، سیده فاطمه نورانی، مسعود میرزائی،
دوره ۳۱، شماره ۷ - ( ۷-۱۴۰۲ )
چکیده

مقدمه: بیماری‌های قلبی - عروقی اصلی‌ترین عامل مرگ و میر در سراسر جهان بوده و یکی از ده دلیل اول مرگ در ۱۵ 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 ۱۰۰۰۰ شرکت‌کننده و با استفاده از ۲۱ ویژگی آنان مانند سن، نوع درد قفسه سینه، میزان قند خون، وضعیت شغلی، مصرف الکل، شاخص توده بدنی و غیره که از سال ۱۳۹۳ تا کنون جمع‌آوری شده بود استفاده شد.
نتایج: تجزیه و تحلیل داده‌ها جمع‌آوری شده با استفاده از الگوریتم‌های Random Forest و Naive Bayes، دقت ۷۴/۵۱ 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.

جمال زارع پور احمدآبادی، فاطمه زارع مهرجردی، مهدیه قنبری، مسعود میرزایی،
دوره ۳۲، شماره ۷ - ( ۷-۱۴۰۳ )
چکیده

مقدمه: بیماری‌های قلبی و عروقی، از شایع‌ترین بیماری‌هایی است که آمار مرگ و میر بالایی را در جهان به خود اختصاص داده است. مقاله حاضر به شناسایی عوامل مختلف موثر بر بیماری های ایسکمیک قلبی و شناسایی افراد مستعد به آن با استفاده از انواع روش‌های یادگیری ماشین پرداخته است.
روش بررسی: پژوهش حاضر بر روی داده های طرح سلامت مردم یزد (یاس) انجام شده است. در این مطالعه، داده‌های مربوط به سلامت، بیماری‌ها و عوامل خطر مختلف نزدیک به ۱۰۰۰۰ نفر در قالب یک پرسش‌نامه با ۳۰۰ سوال مختلف جمع‌آوری شده است. در این پژوهش، با استفاده از محاسبه هم‌بستگی متغیرهای مختلف جمع‌آوری شده در طرح یاس، عوامل مهمی که با بیماری‌های ایسکمیک قلبی مرتبط هستند، جستجو شده‌اند. سسپس با استفاده از عوامل و الگوریتم‌های یادگیری ماشین،  مشخصات افراد مستعد بیماری قلبی شناسایی شدند.
نتایج: نتایج ارزیابی‌ها نشان می‌دهد عواملی مانند سن، سابقه بیماری قلبی خانوادگی، فشارخون، دیابت، کلسترول خون، استرس، اضطراب، افسردگی، کیفیت زندگی، کیفیت خواب، فعالیت فیزیکی، مصرف دخانیات و تغذیه فرد با بیماری ایسکمیک قلبی ارتباط دارند. هم‌چنین از بین روش‌های یادگیری ماشین مختلف روش نزدیک‌ترین همسایگی با ۵ خوشه، روش شبکه عصبی عمیق و پرسپترون چند لایه با معیار ارزیابی فراخوان به مقادیر ۹۹/۹۴%، ۹۹/۸۸% و ۹۹/۱۱% به ترتیب بهترین عملکرد را در شناسایی افراد بیمار داشته‌اند.
نتیجه‌گیری: کنترل عواملی از جمله فشارخون، دیابت، کلسترول، استرس، اضطراب، افسردگی، بهبود دادن عواملی مانند کیفیت زندگی، وضعیت خواب، فعالیت فیزیکی، الگوی تغذیه افراد و ترک مصرف دخانیات در ارتقا سلامت ساکنان یزد موثر است. از سوی دیگر شناسایی افراد مستعد بیماری های ایسکمیک قلبی با استفاده از روش‌های یادگیری ماشین نسبت به روش‌های سنتی غربالگری که با مراجعه به مراکز درمانی و پزشک و انجام آزمایش‌های مختلف صورت می‌گیرد، سریع‌تر و با صرف هزینه کمتر انجام می‌شود.
 


صفحه ۱ از ۱     

کلیه حقوق این وب سایت متعلق به ماهنامه علمی پ‍ژوهشی دانشگاه علوم پزشکی شهید صدوقی یزد می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | SSU_Journals

Designed & Developed by : Yektaweb