پیش بینی فشارخون بالا در کودکان دبستانی با استفاده از ترکیب روش های یادگیری ماشین

مقدمه: شیوع فشار خون بالا در کودکان رو به افزایش است و این عارضه مهم ترین عامل خطر برای بیماری های قلبی -عروقی در سنین بالاتر به شمار می رود. تشخیص به موقع فشار خون بالا و کنترل آن می تواند جلوی پیشرفت آن را گرفته و پیامدهای ناشی از آن را کاهش دهد. روش های یادگیری ماشین می توانند به پیش بینی به موقع این عارضه کمک کرده و باعث کاهش هزینه و زمان گردند. این مطالعه با هدف ارائه مدلی مبتنی بر ترکیب روش های یادگیری ماشین برای تشخیص و پیش بینی دقیق تر فشار خون کودکان دبستانی انجام شد. روش: این مطالعه از نوع کاربردی-توسعه ای بوده که با استفاده از اطلاعات ۱۲۸۷ نفر از کودکان دبستانی ۷ تا ۱۳ ساله شهر کاشمر انجام شده است. پس از پیش پردازش داده ها، برای تشخیص دقیق تر کودکان مبتلا به فشار خون بالا نتایج خروجی پنج روش یادگیری ماشین متداول در تشخیص بیماری ها، شامل درخت تصمیم، بیزین ساده، نزدیکترین همسایه ها، شبکه عصبی مصنوعی و ماشین بردار پشتیبان با استفاده از روش رای گیری اکثریت وزن دار ترکیب می شوند. نتایج: نتایج نشان داد که دقت (Accuracy)، حساسیت (Sensitivity) و ویژگی (Specificity) در مدل پیشنهادی به ترتیب ۹۰/۳۱، ۸۰/۶۵ و ۹۳/۵۴ درصد بوده و در مقایسه با مطالعات مشابه، عملکرد بهتری دارد. نتیجه گیری: مدل پیشنهادی بهتر می تواند پیش بینی و تشخیص فشار خون بالا در کودکان را انجام داده و باعث بهبود دقت و کاهش میزان اشتباه گردد. این مدل می تواند به عنوان یک ابزار مفید و زودهنگام در تشخیص فشار خون بالا در کودکان، از پیامدها و هزینه های ناشی از این عارضه بکاهد و گام بزرگی در مبارزه با فشار خون بالا باشد.

کلیدواژه ها:

Hypertension ، Primary School Students ، Machine Learning Methods ، Prediction ، فشار خون بالا ، کودکان دبستانی ، روش های یادگیری ماشین ، پیش بینی