پیش بینی بیماری دیابت با استفاده از درخت تصمیم

دیابت یکی از بیماری های مزمن متابولیکی شایع است که در صورت عدم کنترل، منجر به عوارض جدی مانند بیماری های قلبی، کلیوی و بینایی می شود. هدف این پژوهش، استفاده از تکنیک های داده کاوی برای بهبود فرآیند تشخیص، پیش بینی و مدیریت دیابت است. در این راستا، مجموعه داده های بیماران دیابتی از منابع معتبر پزشکی استخراج و پس از پیش پردازش، با استفاده از الگوریتم های درخت تصمیم، K نزدیک ترین همسایه (KNN) و شبکه های عصبی مصنوعی مدل سازی شدند. نتایج به دست آمده نشان داد که برخی از این مدل ها دارای دقت قابل توجهی در پیش بینی ابتلا به دیابت هستند و می توانند به عنوان ابزارهای پشتیبان در سامانه های سلامت الکترونیک مورد استفاده قرار گیرند. این پژوهش نقش موثر داده کاوی در تحلیل داده های پزشکی و ارتقاء تصمیم گیری بالینی را تایید می کند.

کلیدواژه ها:

دیابت ، داده کاوی ، تحلیل داده های پزشکی ، پیش بینی بیماری ، یادگیری ماشین