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.
