مقایسه پیش بینی ابتلا به دیابت بارداری با مدل های رگرسیون لجستیک، تحلیل ممیزی، درخت تصمیم و شبکه عصبی مصنوعی
دیابت بارداری شایع ترین اختلال متابولیک دوران بارداری است. در صورت تشخیص زودرس این بیماری می توان از برخی عوارض آن جلوگیری کرد. هدف این پژوهش پیش بینی زودرس ابتلا به دیابت بارداری بوسیله مدل های رگرسیون لجستیک، تحلیل ممیزی، درخت تصمیم و شبکه عصبی مصنوعی پرسپترون و مقایسه این مدل ها بود.
پرونده 420 خانم باردار (1391-1389) دارای پرونده در مراکز بهداشتی کرمانشاه، با روش نمونه گیری در دسترس بررسی شد. اطلاعات جمعیت شناختی، متغیرهای مربوط به دوره بارداری و نتایج آزمایش ها و ابتلا به دیابت بارداری با معیار قند خون ناشتا بزرگ تر یا مساوی 92 از پرونده آنان گردآوری شد. پس از برازش چهار مدل فوق به داده ها، عملکرد مدل ها باهم مقایسه گردید و با توجه به معیارهای صحت، حساسیت و ویژگی بر اساس منحنی ROC، مدل برتر معرفی شد.
پس از برازش مدل های رگرسیون لجستیک، تحلیل ممیزی، درخت تصمیم و شبکه عصبی مصنوعی به مجموعه داده ها، معیار صحت برای مدل های مذکور به ترتیب برابر 81/0، 83/0، 78/0 و 83/0 ، حساسیت 50/0، 63/0، 58/0و 58/0، ویژگی 96/0، 93/0، 87/0 و 94/0 و سطح زیر منحنی ROC به ترتیب برابر 86/0، 78/0، 73/0 و 87/0 محاسبه گردید.
در پیش بینی و رده بندی ابتلا و عدم ابتلا به دیابت بارداری، مدل شبکه عصبی مصنوعی دارای نرخ دسته بندی اشتباه کمتر و سطح زیر منحنی ROC بیشتری نسبت به سایر مدل ها بود. می توان نتیجه گرفت که این مدل دارای پیش بینی های صحیح تر و نزدیک به واقعیت نسبت به سایر مدل ها است.
دیابت بارداری ، صحت ، حساسیت ، ویژگی ، منحنی ROC
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.