به کارگیری الگوریتم خوشه بندی C- میانگین فازی در تشخیص میزان اضطراب

مقدمه</strong>: یکی از مهم ترین گام ها در پیشگیری و کنترل اختلالات اضطرابی، تشخیص آن ها در مراحل اولیه توسط روان پزشک است. هدف از انجام پژوهش حاضر، ارایه روشی جهت تشخیص شدت اضطراب با استفاده از الگوریتم خوشه بندی C- میانگین فازی بود. همچنین، تاثیر هر مشخصه در سنجش اضطراب و خوشه بندی مراجعه کنندگان تعیین گردید.روش بررسی</strong>: این مطالعه از نوع توصیفی بود. مجموعه داده های مرتبط به پرونده 300 نفر از مراجعه کنندگان به سه کلینیک روان پزشکی در شهر تهران، بر اساس پرسش نامه آزمون BAI (Beck Anxiety Inventory) تهیه شد. سپس الگوریتم خوشه بندی C- میانگین فازی، به بخش بندی مراجعه کنندگان و تعیین میزان اضطراب آن ها در هر خوشه پرداخت. این الگوریتم به طور مجزا بر روی هر مشخصه نیز اعمال گردید.یافته ها</strong>: مراجعه کنندگان به کلینیک روان پزشکی به چهار خوشه با برچسب های «فاقد اضطراب، اضطراب خفیف، اضطراب متوسط و اضطراب شدید» تقسیم شدند. الگوریتم خوشه بندی C- میانگین فازی با دقت 66/90 درصد، به تشخیص اضطراب مراجعه کنندگان پرداخت. با اجرای این الگوریتم بر روی هر مشخصه، تاثیر مشخصه ها در سنجش اضطراب و خوشه بندی مراجعه کنندگان نیز تعیین شد.نتیجه گیری</strong>: الگوریتم خوشه بندی C- میانگین فازی، شدت اضطراب مراجعه کنندگان را با دقت بالایی تشخیص می دهد. بخش بندی بیماران با رویکرد خوشه بندی و بر اساس مهم ترین مشخصه ها، می تواند ابزار مفیدی جهت تصمیم گیری روان پزشک در تشخیص شدت اضطراب در مراحل اولیه آن باشد.