طبقه بندی احتمال بروز سکته مغزی با بهره گیری از الگوریتم جنگل تصادفی: یک مطالعه مبتنی بر داده های بالینی

سکته مغزی یکی از شایع ترین اختلالات نورولوژیک با پیامدهای جسمانی و شناختی جدی است که هر ساله میلیون ها نفر در جهان را تحت تاثیر قرار می دهد. این بیماری علاوه بر افزایش مرگ و میر موجب ناتوانی های پایدار در بازماندگان شده و هزینه های قابل توجهی به سیستم های بهداشتی تحمیل می کند. با رشد پایگاه های داده بالینی استفاده از روش های داده کاوی و الگوریتم های یادگیری ماشین امکان شناسایی الگوهای پنهان و پیش بینی دقیق تر سکته مغزی را فراهم کرده است. در این مطالعه الگوریتم جنگل تصادفی روی داده های ۱۰۰۰ بیمار شامل ۵۰۰ زن و ۵۰۰ مرد اعمال شد تا عوامل موثر بر وقوع سکته شناسایی شوند. نتایج نشان داد که سن، میانگین سطح گلوکز خون و شاخص توده بدنی مهم ترین پیش بینی کننده ها هستند. تحلیل جداگانه داده های زنان و مردان نشان داد که این الگوها در هر گروه جنسی به طور مشابه قابل شناسایی هستند، در حالی که وضعیت مصرف سیگار به عنوان یک عامل فرعی تاثیر بیشتری در مردان داشت. سایر ویژگی های جمعیت شناختی و بالینی نقش مکملی در مدل داشتند. یافته ها اهمیت الگوریتم جنگل تصادفی را در تحلیل داده های پیچیده بالینی و ارائه مدل های پیش بینی قابل اعتماد برای مدیریت پیشگیرانه سکته مغزی نشان می دهد و می تواند راهنمایی برای کاهش بار بیماری و ارتقای سلامت جامعه باشد.

کلیدواژه ها:

سکته مغزی ، الگوریتم جنگل تصادفی ، داده کاوی ، یادگیری ماشین ، عوامل خطر