تعیین عوامل موثر در ابتلا به بیماری پرفشاری خون زنان باردار با استفاده از روش داده کاوی

Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 498

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CEPS06_064

تاریخ نمایه سازی: 9 اردیبهشت 1399

Abstract:

اختلالات پرفشاری خون در زنان باردار به عنوان یکی از معضلات دوران بارداری شناخته شده و عواقب زیادی را برای مادر و جنین به همراه دارد. این اختلالات در جنین های طبیعی زنان باردار باعث مرده زایی و زایمان های پیش از موعد شده و به عنوان سومین دلیل مرگ مادران در اکثر کشورهای جهان شناخته شده است، اما هنوز علت شناخته شدهای برای آن وجود ندارد. هدف اصلی این مطالعه تعیین عوامل موثر دموگرافیکی در ابتلا به بیماری پرفشاری خون با کمک الگوریتم های داده کاوی است. پایگاه داده این پژوهش شامل 4818 رکورد و 80 ویژگی است. داده های مورد نیاز آن، از پرونده های الکترونیک سلامت ثبت شده در مراکز بهداشتی درمانی علوم پزشکی تهران در سامانه سیب وزارت بهداشت درمان و آموزش پزشکی استخراج گردیده و با استفاده از متدلوژی کریسپ پیاده سازی شده است. به دلیل نامتوازن بودن کلاس های داده های این پژوهش، مدلسازی به دو روش انجام شد. روش اول؛ استفاده از الگوریتم های پایه درخت تصمیم سی 4/5، آی دی تری، چاید و شبکه های عصبی و روش دوم؛ استفاده از ترکیب الگوریتم بگینگ و بوستینگ با الگوریتم های درخت تصمیم سی 4/5 و آی دی تری، چاید و شبکه های عصبی است. با توجه به مدل های استفاده شده در این پژوهش؛ مهمترین ویژگیها در تشخیص بیماری پرفشاری خون زنان باردار، ارهاش منفی، سن، نوع تغذیه (مصرف میوه، نمک، نوع روغن مصرفی)، سابقه پره اکلامپسی، مصرف سیگار، وضعیت تاهل و داشتن عوامل ابتلا به بیماری پرفشاری خون شناخته شدند. نتایج این پژوهش نشان داد که الگوریتم ترکیبی درخت تصمیم سی 4/5 و چاید برای زنانی که پرفشاری خون دارند با دقت %75 بهتر از سایر الگوریتم های مورد استفاده در این پژوهش عمل کرده و روش بگینگ با ترکیب الگوریتم سی 4/5 و آی دی تری میزان دقت را %4/17 و ترکیب الگوریتم بگینگ و شبکه های عصبی میزان دقت را %30 افزایش دادند. سایر الگوریتم های مورد استفاده با تکنیک بگینگ و بوستینگ در این پژوهش پیشرفتی قابل ملاحظه ای نداشتند.

Keywords:

درخت تصمیم سی 4/5 , چاید , آی دی تری , شبکه عصبی , بگینگ , بوستینگ , پرفشاری خون زنان باردار , داده کاوی

Authors

شراره برهانی

ارشد نرم افزار، کارشناس مسئول IT، دانشکده مجازی، دانشگاه علوم پزشکی تهران

مرتضی محمدی زنجیره

استادیار گروه آموزشی مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره) قزوین

فاطمه حاج علی عسگری

معاون اداری و مالی، دانشکده مجازی، دانشگاه علوم پزشکی تهران