پیش بینی سندرم متابولیک با استفاده از روش وزن دهی ویژگی ها مبتنی بر الگوریتم بهینه سازی فاخته و ماشین های بردار پشتیبان، مطالعه موردی: رانندگان بیرجند

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 397

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCT10_066

تاریخ نمایه سازی: 13 دی 1399

چکیده مقاله:

سندرم متابولیک عارضه ای مهم و جدی است که به دنبال تغییر نوع زندگی پُرتحرک به زندگی ماشینی و کم تحرک و همچنینتغذیه نامناسب ایجاد می شود. این سندرم باعث اختلال در سوخت و ساز بدن شده و احتمال بروز بسیاری از بیماری ها از جملهبیماری های قلبی و عروقی، دیابت و فشارخون بالا را افزایش می دهد. در این مقاله روشی جدید مبتنی بر ماشین بردار پشتیبانبه همراه وزن دهی ویژگی ها برای پیش بینی این سندرم و به عنوان مطالعه موردی پیش بینی سندرم متابولیک رانندگانشهرستان بیرجند پیشنهاد می شود. درروش پیشنهادی از الگوریتم فاخته به طور همزمان برای تنظیم وزن ویژگی ها وپارامترهای ماشین بردار پشتیبان استفاده می شود. دیتاست مورداستفاده در این مقاله با همکاری مرکز طب کار بیرجند وگناباد در سال 1395 و 1396 از پرونده 361 راننده پایه 1 و 2 استخراج شده که مربوط به رانندگان 23 تا 65 سال می باشد.نتایج شبیه سازی نشان می دهد که روش پیشنهادی با میانگین هندسی 98/85% عملکرد بسیار بهتری نسبت به کلاسه بندهاینایو بیز، جنگل تصادفی و ماشین های بردار پشتیبان دارد. همچنین با بررسی وزن ویژگی ها برای کلاس های مثبت و منفیمشخص شد که ویژگی های سن و دور کمر افراد کمترین نقش و ویژگی های قند خون، کلسترول خوب و کلسترول بد نیزبیشترین نقش را در تشخیص سندرم متابولیک دارد.

نویسندگان

مریم معاون سعدی نوقابی

گروه طب کار، دانشکده پزشکی، دانشگاه علوم پزشکی گناباد، ایران

مهدیه معاون سعیدی نوقابی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران

حمیدرضا غفاری

استادیار، دانشگاه آزاد اسلامی واحد فردوس، ایران