داده کاوی بر پایه روش های شبکه عصبی و درخت تصمیم در تشخیص زود هنگام ریسک ابتلا به دیابت بارداری

امروزه در دنیای مدرن صنعتی خطر ابتلا به بیماری های مزمن به طرز چشمگیری افزایش یافته است. دیابت بارداری یکی از مسائل مهم در حوزه سلامت است و در صورتی که درمان نشود مشکلات و عوارض جانبی متعددی برای مادر و فرزندش به همراه دارد. این پژوهش به دنبال پیش بینی ریسک و هشدار به موقع در ابتلا به دیابت بارداری به مادر می باشد تا در اوایل بارداری از ابتلا جلوگیری به عمل آید.
این پژوهش که به صورت کاربردی- پیمایشی انجام شد و از دو رویکرد شبکه عصبی و درخت تصمیم در داده کاوی به منظور تجزیه وتحلیل آزمایشی داده ها و پیش بینی استفاده گردید. داده های استخراج شده نرمال سازی شده و پس از آماده سازی در نرم افزار Matlab تجزیه وتحلیل شدند.
تحقیق حاضر در پی یافتن پاسخ به این پرسش است که«آیا دو روش داده کاوی شبکه عصبی و درخت تصمیم در تشخیص به هنگام و درست ریسک ابتلا به دیابت بارداری از صحت لازم برخوردار است ؟» و می توان از آن ها برای تشخیص درست استفاده نمود؟ نتایج تحقیق نشان می دهد که روش های داده مدار در بهبود صحت و درستی پیش بینی موثرند، در کشف دانش ضمنی و تشخیص روابط پنهان بین داده ها عملکرد مناسبی دارند و خطای تصمیم گیری در هر دو روش در حد قابل پذیرش و بسیار به هم نزدیک است .
نتایج تحقیق حاکی از آن است که از رویکرد های داده مدار می توان در مراکز درمانی و سایر بیماری های کمتر شناخته شده استفاده نمود و پیشگیری به موقع ، مدیریت خود بیمار و کاهش هزینه های درمانی را میسر ساخت.