ارائه مدلی برای تعیین میزان پوکی استخوان با استفاده از الگوریتم ماشین بردار پشتیبان در مردان سالمند فعال

مقدمه و اهداف:

 شکستگی های ناشی از پوکی استخوان، هر ساله هزینه های اقتصادی گزافی را بر مردم و سیستم درمانی کشور وارد می کند. داده کاوی به خاطر داشتن قدرت پردازش حجم عظیم داده ها و کاهش زمان تشخیص در زمینه های مختلف، از جمله پزشکی و ورزشی کاربردهای زیادی دارد. بنابراین هدف اصلی این مطالعه، ارایه مدلی برای تعیین میزان پوکی استخوان با استفاده از الگوریتم ماشین بردار پشتیبان در مردان سالمند فعال بود.

این مطالعه از نوع توسعه ای کاربردی بود. اطلاعات آزمایشگاهی 652 بیمار بررسی شد. از بین این افراد، 108 مرد سالمند فعال انتخاب شدند که 58 نفر سالم، 33 نفر استیوپنی و 17 نفر استیوپروز بودند. از الگوریتم ماشین بردار پشتیبان برای دسته بندی افراد استفاده شد. همچنین از نسخه 2020 نرم افزار متلب برای تجزیه و تحلیل داده ها استفاده شد. ارزیابی بر اساس ماتریس درهم ریختگی و معیارهای دقت و صحت انجام شد. 

طبق نظر پزشکان و نتایج مقالات علمی، از 103 ویژگی مربوط به اطلاعات شخصی و سبک زندگی آزمودنی ها، 8 ویژگی به عنوان ورودی الگوریتم انتخاب شدند. نتایج نشان داد الگوریتم ماشین بردار پشتیبان می تواند با دقت 59/3 درصد و صحت 54/91 درصد افراد سالم، استیوپنی و استیوپروز را تشخیص دهد.

ویژگی های پیش بین کننده الگوریتم داده کاوی در این مطالعه با نتایج بالینی به دست آمده از مطالعات پزشکی و با یافته های تحقیقات قبلی مطابقت دارد. این مطالعه نشان می دهد با کشف الگوها و روابط پنهان در داده ها، احتمالا به درستی از این الگوریتم می توان برای بهبود کیفیت خدمات تشخیصی و درمانی استفاده کرد