Machine learning models for diagnostic classification of hepatitis C tests
- سال انتشار: 1400
- محل انتشار: مجله پیشگامان انفورماتیک سلامت، دوره: 10، شماره: 1
- کد COI اختصاصی: JR_IJIMI-10-1_020
- زبان مقاله: انگلیسی
- تعداد مشاهده: 100
نویسندگان
Department of Computer Science, University of Ibadan, Ibadan, Nigeria
Department of Chemistry, University of Ibadan, Ibadan, Nigeria
Department of Computer Science and Information Technology, University of Bowen, Iwo, Nigeria
چکیده
Introduction: Hepatitis C is a chronic infection caused by hepatitis c virus - a blood borne virus. Therefore, the infection occurs through exposure to small quantities of blood. It has been estimated by World Health Organization (WHO) to have affected ۷۱ million people worldwide. This infection costs individual, groups and government a lot because no vaccine has been gotten yet for the treatment. This disease is likely to continue to affect more people because it’s long asymptotic phase which makes its early detection not feasible.Material and Methods: In this study, we have presented machine learning models to automatically classify the diagnosis test of hepatitis and also ranked the test features in order to know how they contribute to the classification which help in decision making process by the health care industry. The synthetic minority oversampling technique (SMOTE) was used to solve the problem of imbalance dataset.Results: The models were evaluated based on metrics such as Matthews correlation coefficient, F-measure, Precision-Recall curve and Receiver Operating Characteristic Area Under Curve. We found that using SMOTE techniques helped raise performance of the predictive models. Also, random forest (RF) had the best performance based on Matthews correlation coefficient (۰.۹۹), F-measure (۰.۹۹), Precision-Recall curve (۱.۰۰) and Receiver Operating Characteristic Area Under Curve (۰.۹۹).Conclusion: This discovery has the potential to impact on clinical practice, when health workers aim at classifying diagnosis result of disease at its early stage.کلیدواژه ها
Hepatitis C, Machine Learning, Health Data Analytics, Decision Makingمقالات مرتبط جدید
- مقایسه عوامل انعقادی خون به دنبال استرس حاد صوتی در موش های تمرین کرده با شدت های مختلف تمرینی
- پیش بینی اعتیاد به اینترنت بر اساس گرایش به رفتارهای پرخطر، مدل زیستی شخصیت کلونینجر و خودکنترلی
- رابطه بین انگیزش شغلی معلمان با میزان رشد اجتماعی و عاطفی دانشآموزان دختر و پسر دوره دوم ابتدایی شهر روانسر
- اثربخشی آموزش فرزندپروری ذهن آگاهانه بر مشکلات رفتاری و هیجانی و کیفیت رابطه والد-فرزند در مادراندارای فرزند مبتلا به اختلال نقص توجه-بیش فعالی
- ذهن آگاهی، خودتنظیمی هیجانی و کاهش اضطراب امتحان دانش آموزان: یک مطالعه شبه آزمایشی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.