ارائه مدل تصمیم یار بالینی پیش بینی ریسک ابتلای به بیماری دیابت در مراحل اولیه با رویکرد مدل های داده محور

در دهه های اخیر، ابتلا به بیماری دیابت به یکی از بیماری های شایع و مشکلات عمده نظام سلامت در سطح جهان تبدیل شده است که تاثیر زیادی بر جامعه دارد و ممکن است در مراحل اولیه بدون علائم خاصی ظاهر شود و تشخیص آن در این مراحل می تواند بهبود قابل توجهی در روند درمان و کنترل بیماری داشته باشد. در این مقاله، یک مدل تصمیم یار بالینی برای پیش بینی ریسک ابتلای به بیماری دیابت در مراحل اولیه ارائه شده است. هدف اصلی، استفاده از رویکرد مدل های داده محور به منظور تحلیل، پیش بینی و شناسایی متغیرهای تاثیرگذار بر ریسک ابتلا به بیماری است. در این پژوهش، از یک مجموعه داده جامع شامل۵۲۰ نفر از افرادی که در مراحل اولیه از دیابت هستند مورد استفاده قرار گرفته است. ابتدا، ویژگی های مهم و مرتبط با ریسک ابتلای به دیابت را شناسایی کرده و سپس، از روش های پیشرفته مدل سازی داده ها مانند درخت تصمیم، شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است تا مدلی با دقت بالا برای پیش بینی ریسک ابتلای به دیابت بدست آید. نتایج پژوهش نشان می دهد که مدل تصمیم یار بالینی با روش ماشین بردار پشتیبان به طور قابل توجهی موفقیت آمیز و قادر به پیش بینی ریسک ابتلای به دیابت با دقت ۵۵/۹۶ درصد است. این مدل می تواند به عنوان یک ابزار مفید در تشخیص زودهنگام بیماران دیابتی و اتخاذ تدابیر پیشگیرانه موثر در مراحل اولیه استفاده شود. با توجه به نتایج این مقاله، استفاده از مدل های داده محور برای تحلیل و پیش بینی ریسک ابتلای به بیماری دیابت در مراحل اولیه، می تواند در بهبود فرآیند تشخیص ابتلا و مداخله زودهنگام در درمان این بیماری موثر باشد.

کلیدواژه ها:

دیابت ، ریسک ابتلا ، پیش بینی ، مدل سازی داده محور