طراحی سیستم هوشمند برای تشخیص بیماری دیابت با استفاده از رویکرد داده کاوی

بیماری دیابت عوارض متعددی دارد، تشخیص دیر هنگام دیابت در افراد منجر به گسترش عوارض بیماری می شود. مطالعه حاضر با هدف بررسی امکان پیش بینی دیابت با استفاده از فنون داده کاوی انجام شد. این پژوهش از نوع توصیفی- تحلیلی بود که به صورت مقطعی انجام شد. جامعه پژوهش شامل افراد مراجعه کننده به مراکز بهداشتی شهرستان محمدیه در استان قزوین جهت انجام غربالگری دیابت بودند. داده های مورد مطالعه مربوط به فروردین تا خرداد 1394 بود. داده ها در نهایت با استفاده از سه روش نزدیک ترین همسایگی (k-nearest neighbors algorithm, k-NN)، درخت تصمیم گیری (Decision tree, DT) و ماشین های بردار پشتیبان (Support vector machine, SVM) تحلیل و مورد مقایسه قرار گرفتند. جهت تحلیل داده ها از MATLAB® software, version 8.2 (Mathworks Inc., Natick, MA, USA) استفاده شد. در تمامی معیارها، بهترین نتایج توسط درخت تصمیم گیری با صحت (0/96) به دست آمد. پس از آن روش های نزدیک ترین همسایگی با صحت (0/96) و ماشین های بردار پشتیبان با صحت (0/94) قرار داشتند. براساس نتایج ارایه شده، درخت تصمیم گیری بهترین نتایج را در کلاس بندی نمونه های تست نشان داد. این مدل می تواند به عنوان مدلی مناسب در پیش بینی دیابت با استفاده از داده های ریسک فاکتور توصیه شود.