دوره 11، شماره 4 - ( دوره 11، شماره 4، زمستان 94 1394 )                   جلد 11 شماره 4 صفحات 46-54 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Teimouri M, Ebrahimi E, Alavinia S. Comparison of Various Machine Learning Methods in Diagnosis of Hypertension in Diabetics with/without Consideration of Costs. irje. 2016; 11 (4) :46-54
URL: http://irje.tums.ac.ir/article-1-5462-fa.html
تیموری مهدی، ابراهیمی الهام، علوی نیا سید محمد. مقایسه روش‌های مختلف یادگیری ماشین در تشخیص پرفشاری خون در بیماران دیابتی با و بدون در نظر گرفتن هزینه‌ها. مجله اپیدمیولوژی ایران. 1394; 11 (4) :46-54

URL: http://irje.tums.ac.ir/article-1-5462-fa.html


1- استادیار گروه علوم و فناوری شبکه، دانشکده علوم و فنون نوین، دانشگاه تهران استادیار گروه علوم و فناوری شبکه، دانشکده علوم و فنون نوین، دانشگاه تهران ، mehditeimouri@ut.ac.ir
2- دانشجوی کارشناسی ارشد گروه علوم و فناوری شبکه، دانشکده علوم و فنون نوین، دانشگاه تهران دانشجوی کارشناسی ارشد گروه علوم و فناوری شبکه، دانشکده علوم و فنون نوین، دانشگاه تهران
3- استادیار مرکز تحقیقات بیماری‌های منتقله به‌وسیله ناقلین، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی خراسان شمالی استادیار مرکز تحقیقات بیماری‌های منتقله به‌وسیله ناقلین، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی خراسان شمالی
چکیده:   (4169 مشاهده)

مقدمه و اهداف: بیماران دیابتی همواره در معرض ابتلا به پرفشاری خون هستند. هدف از این تحقیق طراحی یک مدل پیش‌بینی پرفشاری خون در میان افراد مبتلا به دیابت، مبتنی بر هزینه و با در نظر گرفتن توزیع این بیماری در جامعه بود، که تا حد ممکن عملکرد مناسبی داشته باشد.

روش کار: در این پژوهش تلاش شد تا با استفاده از روش‌های مختلف یادگیری ماشین، یک مدل پیش‌بینی مبتنی بر هزینه طراحی شود که تا حد ممکن بهترین عملکرد در پیش‌بینی افراد دیابتی در معرض خطر  پرفشاری خون را داشته باشد. از میان الگوریتم‌های داده‌کاوی، از الگوریتم‌های درخت تصمیم، ماشین بردار پشتیبانی، شبکه عصبی و نیز رگرسیون لجستیک استفاده  شد. برای انجام این پژوهش از داده‌های‌ مربوط به غربالگری بیماران دیابتی برای تشخیص پرفشاری خون در استان آذربایجان شرقی استفاده  شد.

یافته‌ها: افزایش فشار خون سیستول به میزان 130 میلی‌متر جیوه، فرد دیابتی را بیشتر در معرض پرفشاری خون قرار می‌دهد. با رویکرد غیر هزینه‌محور، به شاخص یودن حدود 68 درصد رسیدیم. زمانی که رویکرد هزینه‌ محور به کار بسته می‌شود، بیشترین شاخص یودن (11/47 درصد) مربوط به شبکه عصبی است، هر چند هدف در اینجا حداقل‌سازی هزینه است که در راستای این هدف، درخت تصمیم و رگرسیون لجستیک بهترین عملکرد را دارند.

نتیجه‏ گیری: در مسائل پیش‌بینی بیماری‌ها در جوامع، حساس به هزینه کردن روش‌ها و در نظر گرفتن توزیع واقعی بیماری در جامعه اهمیت بیش‌تری دارد تا این‌که تنها هدف، کمینه کردن تعداد خطاهای دسته‌بندی روی مجموعه داده‌ی موجود باشد.

متن کامل [PDF 1685 kb]   (1047 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: ۱۳۹۵/۲/۵ | پذیرش: ۱۳۹۵/۲/۵ | انتشار: ۱۳۹۵/۲/۵

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله تخصصی اپیدمیولوژی ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2017 All Rights Reserved | Iranian Journal of Epidemiology

Designed & Developed by : Yektaweb