پیش بینی بیماری عروق کرونر قلبی با استفاده از الگوریتم آنالیز افتراقی در مردان سالمند فعال

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
زمینه و  هدف

 بیماری عروق کرونر (CAD) را می‫توان به عنوان یکی از علل اصلی مرگ و میر در نظر گرفت. شیوع CAD امروزه در حال افزایش بوده و منجر به هزینه های بالای نظام سلامت در بسیاری از کشورها می‫شود. جامعه پزشکی و تحقیقاتی به طور فزاینده‌ای به تشخیص بیماری عروق کرونر قلب از طریق کامپیوتر و روش‫های یادگیری ماشین علاقمند است. هدف این مطالعه پیش بینی بیماری عروق کرونر قلبی با استفاده از الگوریتم آنالیز افتراقی در مردان سالمند فعال بود.

روش کار

 این مطالعه تحلیلی بر روی 351 سالمند مراجعه کننده به بیمارستان آیت الله کاشانی تهران انجام شد. در این پژوهش، از الگوریتم آنالیز افتراقی برای تشخیص بیماری عروق کرونر استفاده شد. از نرم‫افزار پایتون برای تجزیه و تحلیل داده‌ها استفاده شد.

یافته ها

 نتایج نشان داد که با استفاده از 14 ویژگی به عنوان عامل خطر مربوط به اطلاعات آزمایشگاهی، شخصی و سبک زندگی آزمودنی‌ها، الگوریتم آنالیز افتراقی می‌تواند با دقت 94.4 درصد و صحت 88.9 درصد بیماری عروق کرونر را پیش بینی کند.

نتیجه گیری

 نتایج پژوهش حاضر نشان داد که این سیستم احتمالا بتواند به عنوان یک روش موثر و هوشمند در کنار سایر روش‫های تشخیصی توسط متخصصین قلب و عروق برای پیش بینی بیماری عروق کرونر مورد استفاده قرار گیرد. همچنین روش‫های جدید داده‌کاوی می‌تواند در کاهش خطرات تهاجمی موثر باشد.

زبان:
فارسی
صفحات:
370 تا 379
لینک کوتاه:
magiran.com/p2559320 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • 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.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!