دوره 9، شماره 3 - ( 9-1401 )
جلد 9 شماره 3 صفحات 157-148 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Besharati R, Tahmasbi H. Hypertension Prediction in Primary School Students Using an Ensemble Machine Learning Method. jhbmi 2022; 9 (3) :148-157
URL: http://jhbmi.ir/article-1-723-fa.html
URL: http://jhbmi.ir/article-1-723-fa.html
بشارتی رضا، طهماسبی حمیدرضا. پیش‌بینی فشارخون بالا در کودکان دبستانی با استفاده از ترکیب روش‌های یادگیری ماشین. مجله انفورماتیک سلامت و زیست پزشکی. 1401; 9 (3) :148-157
دکتری مهندسی کامپیوتر، استادیار، گروه مهندسی کامپیوتر، واحد کاشمر، دانشگاه آزاد اسلامی، کاشمر، ایران
چکیده: (2235 مشاهده)
مقدمه: شیوع فشار خون بالا در کودکان رو به افزایش است و این عارضه مهم‌ترین عامل خطر برای بیماری‌های قلبی -عروقی در سنین بالاتر به شمار می‌رود. تشخیص به‌موقع فشار خون بالا و کنترل آن می‌تواند جلوی پیشرفت آن را گرفته و پیامدهای ناشی از آن را کاهش دهد. روش‌های یادگیری ماشین می‌توانند به پیش‌بینی به موقع این عارضه کمک کرده و باعث کاهش هزینه و زمان گردند. این مطالعه با هدف ارائه مدلی مبتنی بر ترکیب روش‌های یادگیری ماشین برای تشخیص و پیش‌بینی دقیق‌تر فشار خون کودکان دبستانی انجام شد.
روش: این مطالعه از نوع کاربردی-توسعه‌ای بوده که با استفاده از اطلاعات 1287 نفر از کودکان دبستانی 7 تا 13 ساله شهر کاشمر انجام شده است. پس از پیش پردازش داده‌ها، برای تشخیص دقیق‌تر کودکان مبتلا به فشار خون بالا نتایج خروجی پنج روش یادگیری ماشین متداول در تشخیص بیماری‌ها، شامل درخت تصمیم، بیزین ساده، نزدیکترین همسایه‌ها، شبکه عصبی مصنوعی و ماشین بردار پشتیبان با استفاده از روش رأی‌گیری اکثریت وزن‌دار ترکیب می‌شوند.
نتایج: نتایج نشان داد که دقت (Accuracy)، حساسیت (Sensitivity) و ویژگی (Specificity) در مدل پیشنهادی به ترتیب 90/31، 80/65 و 93/54 درصد بوده و در مقایسه با مطالعات مشابه، عملکرد بهتری دارد.
نتیجه‌گیری: مدل پیشنهادی بهتر می‌تواند پیش‌بینی و تشخیص فشار خون بالا در کودکان را انجام داده و باعث بهبود دقت و کاهش میزان اشتباه گردد. این مدل می‌تواند به عنوان یک ابزار مفید و زودهنگام در تشخیص فشار خون بالا در کودکان، از پیامدها و هزینه‌های ناشی از این عارضه بکاهد و گام بزرگی در مبارزه با فشار خون بالا باشد.
روش: این مطالعه از نوع کاربردی-توسعه‌ای بوده که با استفاده از اطلاعات 1287 نفر از کودکان دبستانی 7 تا 13 ساله شهر کاشمر انجام شده است. پس از پیش پردازش داده‌ها، برای تشخیص دقیق‌تر کودکان مبتلا به فشار خون بالا نتایج خروجی پنج روش یادگیری ماشین متداول در تشخیص بیماری‌ها، شامل درخت تصمیم، بیزین ساده، نزدیکترین همسایه‌ها، شبکه عصبی مصنوعی و ماشین بردار پشتیبان با استفاده از روش رأی‌گیری اکثریت وزن‌دار ترکیب می‌شوند.
نتایج: نتایج نشان داد که دقت (Accuracy)، حساسیت (Sensitivity) و ویژگی (Specificity) در مدل پیشنهادی به ترتیب 90/31، 80/65 و 93/54 درصد بوده و در مقایسه با مطالعات مشابه، عملکرد بهتری دارد.
نتیجه‌گیری: مدل پیشنهادی بهتر می‌تواند پیش‌بینی و تشخیص فشار خون بالا در کودکان را انجام داده و باعث بهبود دقت و کاهش میزان اشتباه گردد. این مدل می‌تواند به عنوان یک ابزار مفید و زودهنگام در تشخیص فشار خون بالا در کودکان، از پیامدها و هزینه‌های ناشی از این عارضه بکاهد و گام بزرگی در مبارزه با فشار خون بالا باشد.
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
هوش مصنوعی در حوزه سلامت
دریافت: 1401/6/22 | پذیرش: 1401/8/10
دریافت: 1401/6/22 | پذیرش: 1401/8/10
فایل صوتی [MP3 755 KB] (58 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
