پیش بینی نوع بیماری مالاریا با استفاده از الگوریتم درخت تصمیم تقسیم و رگرسیون

مالاریا یک بیماری عفونی است که سالانه 200 تا 300 میلیون نفر را گرفتار می سازد. ویژگی های محیطی چون بارش، درجه حرارت و رطوبت از جمله عوامل تاثیرگذار بر توزیع جغرافیایی و شیوع این بیماری هستند. همچنین، شرایط محیطی نیز بر فعالیت و وفور پشه ناقل بیماری مالاریا تاثیرگذار است. پژوهش حاضر با هدف ارائه مدلی برای پیش بینی نوع مالاریا صورت گرفت. پژوهش حاضر به روش توصیفی- مقطعی صورت گرفت. جامعه ی پژوهش متشکل از 285 نفر مراجعه کننده به مرکز بهداشت سراوان از مرداد 88 تا آذر 95 بود. جهت تحلیل داده ها از نرم افزار کلمنتاین 12 (Clementine12.0) استفاده شد. برای مدل سازی از الگوریتم های درخت تصمیم تقسیم و رگرسیون، آشکارساز تعامل خودکار مجذور کای، سی پنج و شبکه عصبی استفاده شد. مقدار صحت به دست آمده از اجرای الگوریتم های درخت تصمیم تقسیم و رگرسیون، آشکارساز تعامل خودکار مجذور کای، سی پنج و شبکه عصبی به ترتیب 7217/0، 6698/0، 6840/0 و 6557/0 بود. مقادیر به دست آمده برای شاخص های حساسیت، شفافیت، صحت، دقت و ارزش اخباری منفی و سطح زیر منحنی مشخصه ی عملکرد سیستم برای مدل درخت تصمیم تقسیم و رگرسیون نشان دهنده ی عملکرد بهتر این الگوریتم نسبت به سایر الگوریتم ها بود. مقادیر حساسیت و سطح زیر منحنی برای مدل درخت تصمیم تقسیم و رگرسیون 5787/0 و 66/0 بود. استفاده از روش های نوین داده کاوی برای تحلیل داده های مالاریا، نحوه ی نگرش مراکز تحقیقات مالاریا را نسبت به شناسایی نوع مالاریا با توجه به گونه حشره تغییر می دهد. شناسایی سریع تر و دقیق تر نوع مالاریا به تشخیص صحیح روش درمان مناسب کمک نموده، منجر به ارتقای عملکرد سازمان های سلامت می گردد.