مجله

---

مقدمه: بافت چربی به عنوان یک بافت اندوکرین فعال، آدیپوسایتوکاین‌های موثر در مقاومت به انسولین، نظیر رزیستین را ترشح می‌کند. از آنجا که اثر تمرینات مختلف ورزشی بر سطوح این آدیپوسایتوکاین، نامشخص است، هدف تحقیق حاضر، بررسی اثر 12 هفته تمرین ورزشی ترکیبی بر سطوح سرمی رزیستین و شاخص‌های گلیسمی در زنان یائسه چاق مبتلا به دیابت نوع دو بود. روش‌ها: 40 زن مبتلا به دیابت نوع دو به صورت در دسترس و به روش نمونه گیری هدفمند انتخاب و به طور تصادفی به دو گروه تجربی(20نفر) و کنترل(20 نفر) تقسیم شدند. گروه تجربی، تمرین ترکیبی به مدت 12 هفته، 3 جلسه در هفته (2جلسه تمرین هوازی به مدت 20-50 دقیقه با شدت 70-50 % حداکثر ضربان قلب و یک جلسه تمرین مقاومتی در 3 ست 10 تکراری با شدت 60- 40 %یک تکرار بیشینه) را طوری انجام دادند که هر دو هفته یک بار نسبت تعداد جلسات مربوط به هر دو نوع تمرین تغییر می‌کرد. گروه کنترل در هیچ‌گونه برنامه ورزشی شرکت نکرد. نمونه‌های خونی جهت تعیین سطوح رزیستین، انسولین، هموگلوبین گلیکوزیله و گلوکز در مراحل پیش و پس آزمون جمع‌آوری شدند. تحلیل آماری نتایج با نرم افزار spss نسخه 21 انجام گرفت. یافته‌ها: نتایج نشان داد که 12 هفته تمرین ترکیبی موجب کاهش وزن، نمایه توده بدنی، درصد چربی بدن، سطوح گلوکز، هموگلوبین گلیکوزیله و مقاومت انسولینی شد(05/0≥P )در حالیکه سطوح رزیستین و انسولین تغییر معنی‌داری نکرد(05/0P≥). نتیجه‌گیری: تمرین ورزشی ترکیبی با وجود عدم تغییر سطوح رزیستین می‌تواند اثرات مضاعف ناشی از سازوکار‌های جبرانی تمرین‌های هوازی و مقاومتی در بهبود شاخص‌های گلیسمی را اعمال کند.

---

مقدمه: ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می‌کند که از این اطلاعات می‌توان برای شناسایی، درمان، مراقبت‌های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. از طرفی کاوش و بررسی حجم زیادی از این اطلاعات، نیازمند استفاده از روش‌های موثر و کارآمدی برای یافتن الگوهای مربوط در این اطلاعات می‌باشد که استفاده از تکنیک‌های مختلف داده‌کاوی به‌خصوص دسته‌بندی و الگوهای تکرار شونده می‌تواند کمک شایانی در این زمینه باشد.

روش‌ها: پایگاه‌های اطلاعاتیScholar, Science Direct  Google Scopus, Pubmed, با هدف یافتن مقالات، جستجو و مقالات انگلیسی منتشر شده در سال‌های 2005 تا 2015 مورد بررسی قرار گرفتند. مقالات به‌دست آمده از نظر جمعیت مورد مطالعه، مجموعه داده‌های مورد استفاده و روش‌های داده‌کاوی ارزیابی شدند.

یافته‌ها: از میان 2144 مقاله به‌دست آمده در جستجوی اولیه، تعداد 38 مقاله مرتبط با موضوع مطالعه، انتخاب و مورد بررسی قرار گرفت. نتایج این بررسی نشان می دهد که الگوریتم های خوشه بندی، قوانین انجمنی و هوش مصنوعی از پرکاربردترین تکنیک‌های داده‌کاوی می‌باشند که برای تشخیص و پیش‌بینی احتمال ابتلا به بیماری دیابت با موفقیت مورد استفاده قرار گرفته‌اند.

نتیجه‌گیری: پیاده‌سازی روشی که بتواند امکان ابتلا یا عدم ابتلای افراد به دیابت را مشخص کند، گام مهمی در کنترل بیماری دیابت خواهد بود. با توجه به مطالعات انجام شده، داده‌کاوی می‌تواند به‌عنوان روشی موثر در پیشگیری، درمان و کشف ارتباط بین بیماری دیابت و عوامل خطر آن، موجب پیشرفت‌های قابل توجه در حوزه تحقیقات دیابت و ارائه مراقبت‌های بهداشتی بهتر برای این گروه از بیماران باشد.