استفاده از تکنیک های داده کاوی جهت تشخیص هوشمند شدت اختلال افسردگی
پیاده سازی روشی که بتواند هر فرد را در تشخیص یا پیشگیری اختلالات روانی یاری رساند می تواند گامی مهم در جهت پیشگیری و کنترل این اختلالات به خصوص در مراحل ابتدایی آن ها تلقی شود. هدف پژوهش حاضر به کار گیری تکنیک های داده کاوی در تشخیص هوشمند شدت اختلال افسردگی است.
پژوهش کاربردی حاضر با مراجعه به تعدادی کلینیک روانپزشکی در شهر تهران و بررسی پرونده بیماران انجام شد. 420 نفر که به پرسشنامه مینه سوتا 71 سوالی پاسخ داده بودند با استفاده از روش نمونه گیری در دسترس به عنوان نمونه انتخاب شدند (300 نفر مبتلا به مراتب متفاوتی از افسردگی و 120 نفر فاقد آن). پاسخنامه آزمون مینه سوتا 71 سوالی و تشخیص روانپزشک به عنوان داده برای ایجاد مدل توسط الگوریتم های K نزدیک ترین همسایه، درخت تصمیم و ماشین بردار پشتیبان مورد استفاده قرار گرفت. 70 درصد داده ها برای آموزش و 30 درصد داده ها برای اعتبار سنجی مدل به کار گرفته شد. جهت تحلیل داده ها از نرم افزار Matlab استفاده شد.
نتایج ارزیابی ها نشان داد که الگوریتم درخت تصمیم با دقت 99/16 درصد به دقت بالا تری در مقایسه با دیگر الگوریتم ها دست یافت. همچنین با اجرای مدل های ایجاد شده بر روی هر سوال آزمون مینه سوتا 71 سوالی تاثیر هر سوال در ارزیابی مشخص شد.
نتیجه گیری:
تقسیم بندی بیماران با رویکرد داده کاوی و بر اساس مهم ترین ویژگی ها، می تواند ابزار مفید و موثر برای تحلیل و بهبود فرآیند تصمیم گیری پزشکان در رابطه با درمان بیماران باشد.
- 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.