استفاده از تکنیک های داده کاوی جهت تشخیص دیابت با استفاده از چربی خون

استفاده از تکنیک های داده کاوی جهت تشخیص دیابت با استفاده از چربی خون

آکادمی داده

۱۳۹۶/۱۱/۱۰


  • 228 بازدید

در این سلسله مقالات به کاربرد داده‌کاوی در تحلیل، تشخیص و پیش‌بینی بیماری‌های مختلف پرداخته می‌شود. بدین ترتیب که با استفاده از الگوریتم‌ها و روش‌های داده‌کاوی در کنار اطلاعات بیماران مختلف راهی برای تحلیل، تشخیص و پیش‌بینی بیماری‌های مختلف ارائه می‌شود. درواقع داده خام اطلاعات بیماران و روش‌های نیز روش‌های استفاده‌شده در علوم داده‌کاوی است که منجر به تولید دانشی مفید برای علوم پزشکی می‌گردد. مطالعه این مقالات می‌تواند برای اشخاصی که درزمینهٔ داده‌کاوی پزشکی و سلامت فعالیت می‌کنند راهگشا بوده و مفید واقع شود. بنا بر ادعای برخی علم پزشکی یک علم مبتنی بر آمار است و بسیاری از راه‌حل‌های ارائه‌شده برای بیماران از طریق روش‌ها و راه‌های تحلیل آماری حاصل می‌شود. این ادعا و واقعیت‌های مرتبط در این رشته مقالات که با عنوان استفاده از داده‌کاوی برای تحلیل بیماری‌ها در موارد مختلف تولید خواهد شد بررسی می‌شود. آکادمی داده امیدوار است در این رشته مقالات، پژوهشگران عزیز را با مفاهیم این حوزه و کارهای انجام‌شده آشنا نماید.  
در این مقاله درباره تحقیق با عنوان"استفاده از تکنیک های داده کاوی جهت تشخیص دیابت با استفاده از چربی خون " صحبت خواهد شد. در خلاصه این مقاله می‌خوانیم:
مقدمه: بیماری دیابت یکی از شایع ترین، خطرناك ترین و پرهزینه ترین بیماری های حال حاضر دنیا است که با نرخ هشدار دهنده ای در حال افزایش است. استفاده از روش های داده کاوی می تواند به تشخیص زودهنگام دیابت کمک کند که باعث جلوگیری از پیشرفت این بیماری و خیلی از عوارض آن مانند بیماری قلب و عروق، مشکالت بینایی و بیماری های کلیوی می شود. 
مواد و روش ها: در این تحقیق از نرم افزار داده کاوی رپیدماینر برای مدل سازی به منظور دسته بندی بیماران به دیابتی و غیر دیابتی استفاده شده است. داده های مورد نیاز این تحقیق از پایگاه داده یکی از آزمایشگاه های شهرستان نهاوند استخراج شده است که شامل داده های 6075 بیمار در بازه سال های 1387 تا 1392 است. این داده ها شامل متغیرهای عمومی سن و جنسیت و هم چنین متغیرهای انواع چربی خون و میزان قندخون ناشتا است. 
یافته های پژوهش: پس از مدل سازی با استفاده از تکنیک های مختلف دسته بندی بهترین دقت مدل مربوط به مدل درخت تصمیم  c4.5 بوده که برابر 90 درصد می باشد.
بحث و نتیجه گیری: به منظور تشخیص به موقع دیابت تکنیک های مختلفی با روش ها و متغیرهای گوناگونی ارائه گردیده است. در تحقیق پیش رو نیز با استفاده از رابطه هم افزایی انواع چربی خون با قندخون ناشتا و با استفاده از تکنیک های داده کاوی روشی برای تشخیص دیابت ارائه شده است.
در این تحقیق بر روی یکی از بیماری‌های مشهور در دنیا یعنی بیماری دیابت پژوهش انجام شده است. دیابت چهارمین علت مرگ و میر در بیشتر کشورهای توسعه یافته است. در این تحقیق مجموعه داده‌ای شامل 6075 نفر موردبررسی قرارگرفته است که از 6075 بیمار 587 بیمار یعنی 6 درصد بیماران مبتلا به دیابت بودند. در واقع مجموعه داده این تحقیق یک مجموعه داده نا متعادل می باشد.  این مجموعه داده  توسط آزمایشگاه شهر نهاوند تهیه‌شده و از مجموعه داده های بومی در حوزه استفاده از داده‌کاوی برای پیش‌بینی بیماری‌هاست. یکی از نقاط قوت این کار استفاده از پنج الگوریتم برای ایجاد مدل طبقه‌بندی است بر اساس پیاده‌سازی انجام‌شده الگوریتم درخت با 90 درصد بهترین عملکرد را داشته است. متاسفانه مجموعه داده این تحقیق نیز در دسترس عموم محققین قرار نگرفته است. 
این مقاله از طریق لینک قابل‌دسترسی است. محققین و دانشجویان علاقه‌مند می‌توانند از آن استفاده نمایند. در کنار آن دیتاستی مناسب برای تحقیقات مربوط به بیماران مبتلا به دیابت در وب سایت دیتاهارت عرضه شده است.