ابوالفضل کاظمی، حمید بهادر،
دوره 21، شماره 3 - ( 6-1400 )
چکیده
مقدمه: امروزه در اکثر بیمارستان‌های ایران بانک اطلاعاتی وسیعی از ویژگی‌های بیماران موجود است که حجم بالایی از اطلاعات مربوط به سوابق بیماری، خانوادگی و پزشکی را شامل می‌شود. پیدا کردن الگوی دانش این اطلاعات می‌تواند در جهت پیش‌بینی عملکرد نظام پزشکی و بهبود فرآیندهای آموزشی کمک شایانی کند.
روش‌ها: تکنیک‌های دادهکاوی ابزار تحلیلی هستند که برای استخراج دانش معنادار از مجموعه داده‌های بزرگ مورد استفاده قرار می‌گیرند. در این تحقیق از اطلاعات 500 نفر از مراجعه‌کنندگان به مرکز بهداشت شهید بلندیان قزوین استفاده شده است. در این تحقیق با استفاده از روش‌های دادهکاوی درخت تصمیم و شبکه عصبی و شبکه‌ی بیزین یک مدل پیش‌بینی شده انجام شده است.
یافته‌ها: مدل درخت تصمیم بیشترین دقت و شبکه‌ی بیزین کمترین دقت را در تشخیص بیماران دیابت دارد و به تبع آن درخت تصمیم کمترین خطا و شبکه‌ی بیزین بیشترین خطا را دارا هست. مدل درخت تصمیم با 68/95 درصد بیشترین دقت را در پیش‌بینی داشته است.
نتیجه‌گیری: چربی بیشترین تأثیر را در پیش‌بینی بیماری دیابت و جنسیت کمترین تأثیر را در پیش‌بینی بیماری دیابت دارا هست. بر اساس تحلیل درخت تصمیم قوانین به‌دست آمده در بین ویژگی‌های بیان شده متغیرهای سن و میزان قند بیشترین تأثیر را در پیش‌بینی وقوع بیماری دیابت (طبق تحلیل نرم‌افزار) را دارا هستند و با ایجاد رژیم غذایی مناسب می‌توان از ابتلا به این بیماری جلوگیری کرد.
