تشخیص چاقی و فشار خون بالا در دانش آموزان اصفهانی با استفاده از شبکه عصبی مصنوعی

مقدمه: چاقی و فشار خون بالا از مشکلات سلامتی جامعه می باشد هدف این مطالعه تشخیص چاقی و فشار خون بالا در دانش آموزان اصفهانی توسط شبکه عصبی مصنوعی است. روش: تحقیق حاضر یک مطالعه تشخیصی و پیش بینی کننده است که با استفاده از اطلاعات ۴۶۰ نفر از دانش آموزان ۱۸-۷ ساله اصفهانی شبکه عصبی که شامل ۱۱ متغیر ورودی (سن، جنسیت، وزن، قد، دور کمر، شاخص توده بدنی، نسبت دورکمر به قد، چاقی شکمی، فعالیت فیزیکی، ژنتیک و رفتارهای تغذیه ای ناسالم) و سه متغیر خروجی چاقی، فشارخون سیستولیک، فشارخون دیاستولیک، طراحی شد. از دو الگوریتم گرادیان مزدوج و لونبرگ-مارکوارت برای آموزش شبکه استفاده گردید. نتایج: شبکه عصبی منتخب با الگوریتم لونبرگ در تشخیص چاقی و فشار خون دیاستولیک بالا دارای ۱۶ نرون مخفی و در تشخیص فشار خون سیستولیک بالا دارای ۱۴ نرون مخفی می باشد. میزان حساسیت، ویژگی و صحت شبکه در تشخیص چاقی به ترتیب ۰/۹۵۹۱، ۰/۹۹۷۵، ۰/۹۹۳۴ به دست آمد و برای فشار خون سیستولیک بالا به ترتیب ۰/۸۴۶۱، ۰/۹۹۴۹، ۰/۹۷۳۹ و برای فشارخون دیاستولیک بالا به ترتیب اعداد ۰/۷۹۵۲، ۰/۹۹۷۳، ۰/۹۶۰۹ می باشد. ملاحظه شد که شبکه طراحی شده با دقت بالای ۹۵ درصد چاقی را در کودکان و نوجوانان و با دقت بالای ۸۴ و ۷۹ درصد به ترتیب فشارخون سیستولیک و دیاستولیک بالا را تشخیص می دهد. نتیجه گیری: طبق نتایج حاصل شده حدود ۸۳ درصد از نوجوانان چاق دارای فشارخون بالا هستند؛ لذا ضرورت طراحی برنامه های آموزشی در زمینه تغییرات رفتاری از جمله فعالیت فیزیکی همراه با مداخله در برنامه ریزی تغذیه دانش آموزان احساس می شود.

Keywords:

Artificial Neural Network , Obesity , Systolic Blood Pressure , Diastolic Blood Pressure , شبکه عصبی مصنوعی , چاقی , فشارخون سیستولیک , فشارخون دیاستولیک