The Journal of Shahid Sadoughi University of Medical Sciences

fa مدل پیش بینی بیماری های عروق کرونر قلب با استفاده از داده کاوی داده‌های مطالعه سلامت مردم یزد (یاس) The prediction model for cardiovascular disease using Yazd's health study data (YaHS)ta (YaHS) قلب Cardiovascular پژوهشي Original article 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 CN2 دارد. این دسته‌بند توانایی تشخیص %6/83 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.   <div> <style type="text/css">p { margin-bottom: 0.1in; direction: ltr; line-height: 120%; text-align: left; }a:link { color: rgb(5, 99, 193); } </style> </div> <div style="text-align: justify;">Introdution: Ischemic heart disease is one of the most common diseases, which has led to high mortality rates all over the world. This disease is caused by narrowing or blockage of coronary arteries, which are the provider of blood to the heart. Identifying the people susceptible to this disease and bringing changes in their lifestyles has been said to reduce the related mortality rates and increase the patient's longevity. Methods: Yazd people Health Study (YaHS) was conducted on a random sample of 10,000 people living in the city of Yazd, Iran in the years 2014-15 for a general health and disease survey. These data were first balanced by bootstrapping technique due to their unbalanced nature. Next, classification methods were used in the training phase. Various classifiers, such as artificial neural network, rule inducer, regression, and AdaBoost were used in order to evaluate the proposed method with two scenarios. Results: The results showed that the screening of the people susceptible to ischemic heart disease had the most significant effect on increasing the sensitivity of the discovery classifier of CN2 subgroup through using balanced data by bootstrapping method followed by their analysis for the purpose of producing a sample of the patients. This classifier proved to have the potential for detecting 83.6% of the people susceptible to this disease. Conclusion: Therefore, it can be concluded that data mining methods are effective in screening for susceptible people with ischemic heart disease. This method can be compared with other traditional screening methods in that it is more cost-effective and faster.</div> داده‌کاوی, پایش سلامت, پیش بینی, بیماری‌های ایسکمیک قلب, متوازن‌سازی داده, القای قواعد CN2-SD Data mining, Health monitoring, Prediction, Ischemic heart disease, Data balancing, Rule induction CN2-SD. 1346 1360 http://jssu.ssu.ac.ir/browse.php?a_code=A-10-3643-1&slc_lang=fa&sid=1 Seyed Mohammad Reza Tabatabaei سیدمحمدرضا طباطبائی ندوشن tabatabaei@ssu.ac.ir 0000-0002-0130-7771 No Department of Computer Engineering, Science and Arts University, گروه مهندسی کامپیوتر، دانشگاه علم و هنر Fatemeh Saadatjoo فاطمه سعادت جو Fatemehsaadatjoo@gmail.com 0000-0003-4545-3495 No Department of Computer Engineering, Science and Arts University گروه مهندسی کامپیوتر، دانشگاه علم و هنر Masoud Mirzaei مسعود میرزایی ‪masoud_mirzaei@hotmail.com 0000-0001-6455-0747 Yes 3Department of Epidemiology, Yazd Cardiovascular Research Center, Shahid Sadoughi University of Medical Sciences دانشگاه علوم پزشکی خدمات بهداشتی درمانی شهید صدوقی یزد