این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشگاه علوم پزشکی شهید صدوقی یزد، جلد ۳۱، شماره ۷، صفحات ۶۸۲۴-۶۸۳۵
عنوان فارسی مقایسه عملکرد الگوریتم‌های داده‌کاوی در پیش‌بینی بیماری‌های عروق کرونر قلبی با استفاده از داده‌های مطالعه سلامت مردم یزد (یاس)
چکیده فارسی مقاله مقدمه: بیماری‌های قلبی - عروقی اصلی‌ترین عامل مرگ و میر در سراسر جهان بوده و یکی از ده دلیل اول مرگ در 15 سال اخیر می‌باشد. بیماری‌های ایسکمیک قلبی نوعی بیماری قلبی است که به دلیل تنگ شدن شریان‌های تغذیه‌کننده بافت قلب (عروق کرونر) ایجاد می‌شود. هدف از این پژوهش مقایسه الگوریتم‌های داده کاوی در پیش‌بینی زودهنگام بیماری قلبی با توجه به علائم اولیه بیمار می‌باشد. روش بررسی: در این پژوهش از داده‌های فاز اول مطالعه سلامت مردم یزد (یاس) که شامل 10000 شرکت‌کننده و با استفاده از 21 ویژگی آنان مانند سن، نوع درد قفسه سینه، میزان قند خون، وضعیت شغلی، مصرف الکل، شاخص توده بدنی و غیره که از سال 1393 تا کنون جمع‌آوری شده بود استفاده شد. نتایج: تجزیه و تحلیل داده‌ها جمع‌آوری شده با استفاده از الگوریتم‌های Random Forest و Naive Bayes، دقت 74/51 درصد را در پیش‌بینی بیماری کرونر قلبی نشان داد. نتیجه‌گیری: می‌توان نتیجه گرفت که با الگوریتم‌های ساده فوق می‌توان پیش‌بینی بیماری ایسکمیک قلب را با دقت بالا انجام داده و با غربالگری زود‌هنگام و درمان به‌موقع در مراحل اولیه باعث کاهش مرگ و میر مرتبط شد.
کلیدواژه‌های فارسی مقاله داده‌کاوی، غربالگری، بیماری ایسکمیک قلبی - عروقی،Naïve Bayes ، Random Forest، مطالعه سلامت مردم یزد
عنوان انگلیسی Comparison of Data Mining Algorithms in Prediction of Coronary Artery Diseases Using Yazd Health Study (YaHS) Data
چکیده انگلیسی مقاله Introduction: Cardiovascular diseases, including ischemic heart disease (IHD), are one of the main cause of mortality and morbidity worldwide and are currently one of the top ten causes of death. Ischemic heart disease is a type of heart disease that is caused by narrowing of arteries feeding the heart itself. The present study aimed to use data mining algorithms in screening and early prediction of IHD according to the patient's characteristics and risk factors. Methods: In this research, data of the first phase of Yazd Health Study (YaHS), focusing on 21 characteristics of 10,000 participants aged 20-70 years such as age, type of chest pain, blood sugar level, body mass index, employment status, etc. which have been collected since 2013 were analyzed. Results: Data analysis was conducted using Random Forest and Naive Bayes algorithms which showed 74.51% accuracy in predicting IHD. Conclusion: The study findings revealed that via applying Random Forest and Naive Bayes algorithms, ischemic heart disease can be predicted with high accuracy. Moreover, early screening and timely treatment in the early stages of disease may reduce mortality and morbidity.  
کلیدواژه‌های انگلیسی مقاله Data mining, Screening, Coronary heart Disease, Naive Bayes, Random Forest, YaHS.
نویسندگان مقاله اعظم برزگری | Azam Barzegari
Shahid Sadoughi University of Medical Sciences, Yazd, Iran.
معاونت تحقیقات و فناوری، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران.

سیده فاطمه نورانی | Seyede Fatemah Noorani
Faculty of Engineering, Department of Computer Engineering and Information Technology, Payame Noor University, Tehran, Iran.
دانشکده فنی و مهندسی، گروه کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران، ایران.

مسعود میرزایی | Masoud Mirzaei
Cardiovascular Research Center, Shahid Sadoughi University of Medical Sciences, Yazd, Iran.
مرکز تحقیقات قلب و عروق، پژوهشکده بیماریهای غیرواگیر، دانشگاه علوم پزشکی شهید صدوقی، یزد، ایران.

نشانی اینترنتی http://jssu.ssu.ac.ir/browse.php?a_code=A-10-951-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده قلب
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات