پیش بینی خطر ابتلا به بیماری دیابت در مراحل اولیه با استفاده از داده کاوی

دیابت به عنوان نوعی بیماری زمینه ای که به سرعت در حال رشد است، عامل خطرناک در به چالش کشیدن سلامت انسان در نظر گرفته می شود. عدم اطمینان در مورد درمان این بیماری محققان را مجبور به ارائه راه حل مناسب برای پیش بینی اولیه آن کرده است. داده کاوی یکی از تکنیک هایی است که به این حوزه راه پیدا کرده و الگوریتم های متفاوت و کارآمدی را برای پیش بینی دیابت ارائه داده است. در تحقیق حاضر، داده کاوی با توسعه سه مدل پیش بینی درخت تصمیم، قانون بیزین و قوانین انجمنی به پیش بینی بیماری دیابت براساس علائم مراجعان پرداخته و نتایج آن در نرم افزار رپیدماینر تجزیه وتحلیل گردیده است. طبق نتایج، ادرار زیاد و تشنگی بیش از حد دو فاکتور مهم خطر ابتلا به دیابت هستند. مدل مناسب این پیش بینی توسط مدل قوانین انجمنی ارائه شده است که اعتبار آن ۹۶.۱۵ درصد است. ارائه این الگوریتم به پزشکان و مراکز درمانی به میزان قابل توجهی در پیش بینی و تشخیص دیابت کمک می کند. این کاهش خطا منجر به کاهش هزینه ها و کاهش مرگ ومیر انسان خواهد شد.

کلیدواژه ها:

داده کاوی ، دیابت ، خوشه بندی ، درخت تصمیم ، قوانین انجمنی ، نرم افزار رپیدماینر