استفاده از ماشین بردار پشتیبان در تشخیص محدودیت عملکردی بیماران دیابتی شمال غرب ایران در سال ۱۳۹۶: یک مطالعه توصیفی
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_RUMS-18-12_006
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
چکیده
زمینه و هدف: ماشین بردار پشتیبان (Support vector machine; SVM) بهعنوان یک روش آماری قوی و کارآمد در تشخیص و پیشبینی پیامدهای بالینی بر اساس ترکیباتی از متغیرهای پیشبین کاربرد دارد. هدف این پژوهش، استفاده از SVM برای تشخیص محدودیت عملکردی بیماران دیابتی و بررسی میزان صحت این تشخیص میباشد.
مواد و روشها: این پژوهش توصیفی بر روی ۳۷۸ بیمار دیابتی مراجعه کننده به مراکز دیابتی اردبیل و تبریز در سال ۹۴-۱۳۹۳ انجام شد. جهت طبقهبندی بیماران دیابتی از لحاظ وضعیت محدودیت عملکردی بر مبنای متغیرهای دموگرافیک و بالینی از SVM با تابع هسته RBF) Radial basis function;) و روش اعتبارسنجی آموزش و آزمون استفاده شد. ارزیابی بر اساس شاخص های تشخیصی شامل حساسیت، ویژگی، صحت و سطح زیر منحنی Receiver operating characteristic; ROC)) انجام شد.
یافتهها: نتایج حاصل از مدل SVM نشان داد که صحت طبقهبندی، حساسیت و ویژگی مدل SVM در افتراق و تشخیص صحیح وجود محدودیت عملکردی در بیماران دیابتی به ترتیب برابر ۹۹%، ۱۰۰% و ۹۷% بود. سطح زیر منحنی ROC برای قدرت تشخیصی این مدل ۹۸/۰ بود.
نتیجهگیری: در این مطالعه SVM برای طبقهبندی وضعیت محدودیت عملکردی بیماران دیابتی استفاده شد که نتایج نشانگر صحت و دقت مناسب مدل بود. با توجه به اهمیت طبقهبندی صحیح پیامدهای پزشکی بر اساس ترکیباتی از متغیرهای پیشبین، استفاده از روشهایی مانند SVM که قادر به یافتن چنین ترکیبات بهینهای هستند، میتواند مفید باشد.
واژههای کلیدی: داده کاوی، ماشین بردار پشتیبان، محدودیت عملکردی، طبقهبندی، تابع هسته
کلیدواژه ها:
نویسندگان
لیلی فرجی گاوگانی
دانشگاه علوم پزشکی تبریز
پروین سربخش
دانشگاه علوم پزشکی تبریز
محمد اصغری جعفرآبادی
دانشگاه علوم پزشکی تبریز
سیدمرتضی شمشیرگران
دانشگاه علوم پزشکی تبریز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :