مقایسه روش های مختلف یادگیری ماشین در تشخیص پرفشاری خون در بیماران دیابتی با و بدون در نظر گرفتن هزینه ها

بیماران دیابتی همواره در معرض ابتلا به پرفشاری خون هستند. هدف از این تحقیق طراحی یک مدل پیش بینی 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.
در این پژوهش تلاش شد تا با استفاده از روش های مختلف یادگیری ماشین، یک مدل پیش بینی مبتنی بر هزینه طراحی شود که تا حد ممکن بهترین عملکرد در پیش بینی افراد دیابتی در معرض خطر پرفشاری خون را داشته باشد. از میان الگوریتم های داده کاوی، از الگوریتم های درخت تصمیم، ماشین بردار پشتیبانی، شبکه عصبی و نیز رگرسیون لجستیک استفاده شد. برای انجام این پژوهش از داده های مربوط به غربالگری بیماران دیابتی برای تشخیص پرفشاری خون در استان آذربایجان شرقی استفاده شد.
افزایش فشار خون سیستول به میزان 130 میلی متر جیوه، فرد دیابتی را بیشتر در معرض پرفشاری خون قرار می دهد. با رویکرد غیر هزینه محور، به شاخص یودن حدود 68 درصد رسیدیم. زمانی که رویکرد هزینه محور به کار بسته می شود، بیشترین شاخص یودن (11/47 درصد) مربوط به شبکه عصبی است، هر چند هدف در اینجا حداقل سازی هزینه است که در راستای این هدف، درخت تصمیم و رگرسیون لجستیک بهترین عملکرد را دارند.
در مسائل پیش بینی بیماری ها در جوامع، حساس به هزینه کردن روش ها و در نظر گرفتن توزیع واقعی بیماری در جامعه اهمیت بیش تری دارد تا این که تنها هدف، کمینه کردن تعداد خطاهای دسته بندی روی مجموعه داده ی موجود باشد.