fa پیش‌بینی فشارخون بالا در کودکان دبستانی با استفاده از ترکیب روش‌های یادگیری ماشین هوش مصنوعی در حوزه سلامت Artificial Intelligence in Healthcare پژوهشي اصیل Original Article <div style="text-align: justify;"><span style="line-height:2;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="FA">مقدمه:</span></b><span lang="FA"> 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.</span><span dir="LTR" style="color:black"></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="FA">روش:</span></b><span lang="FA"> 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 داده</span><span dir="LTR">‌</span><span lang="FA">ها، 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.</span><span lang="FA" style="font-family:"B Mitra""></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="FA">نتایج:</span></b><span lang="FA"> نتایج نشان داد که دقت (</span><span dir="LTR">Accuracy</span><span lang="FA">)، حساسیت (</span><span dir="LTR">Sensitivity</span><span lang="FA">) و ویژگی (</span><span dir="LTR">Specificity</span><span lang="FA">) در مدل پیشنهادی به ترتیب 90/31، 80/65 و 93/54 درصد بوده و در مقایسه با مطالعات مشابه، عملکرد بهتری دارد.</span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">نتیجه‌گیری:</span></b><span lang="AR-SA"> 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.</span></span></span></span></span></span><br> &nbsp;</span></div> <div style="text-align: justify;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="line-height:2;"><b>Introduction:</b> The prevalence of hypertension in children is increasing, and this complication is considered the most important risk factor for cardiovascular diseases in older age. Early detection and control of hypertension can prevent its progress and reduce its consequences. Machine learning methods can help predict this complication promptly and reduce cost and time. This study aimed to provide a model based on ensemble machine learning methods to more accurately predict the hypertension of primary school children.<span style="font-family:"Times New Roman",serif"></span><br> <b>Method:</b> This is an applied developmental study that was conducted using the information of 1287 primary school children aged 7-13 years in Kashmar city. After data preprocessing, to achieve a more accurate diagnosis of hypertension in children, the output results of five common machine learning methods in disease diagnosis including decision tree, naive Bayesian, nearest neighbors, artificial neural network, and support vector machine using weighted majority voting method were combined.<br> <b>Results:</b> The results showed that the accuracy, sensitivity, and specificity of the proposed model were 90.31%, 80.65%, and 93.54%, respectively, and compared to similar studies it performed better.<br> <b>Conclusion:</b> The proposed model can better predict and diagnose hypertension in children and improve accuracy and reduce the error rate. This model can be a useful and early tool in the diagnosis of hypertension in children, reducing the consequences and costs of this complication and being a big step in the fight against hypertension.</span><br> <span style="line-height:normal"><span style="font-family:"Times New Roman",serif"></span></span></span></span></span></div> فشار خون بالا, کودکان دبستانی, روش‌های یادگیری ماشین, پیش‌بینی Hypertension, Primary School Students, Machine Learning Methods, Prediction 148 157 http://jhbmi.ir/browse.php?a_code=A-10-104-5&slc_lang=fa&sid=1 Reza Besharati رضا بشارتی rezabesharati@ymail.com 10031947532846009681 10031947532846009681 No PhD in Health Care Management, Assistant Professor, Department of Nursing, Kashmar Branch, Islamic Azad University, Kashmar, Iran دکتری مدیریت خدمات بهداشتی و درمانی، استادیار، گروه پرستاری، واحد کاشمر، دانشگاه آزاد اسلامی، کاشمر، ایران Hamidreza Tahmasbi حمیدرضا طهماسبی htahma@gmail.com 10031947532846009682 10031947532846009682 Yes PhD in Computer Engineering, Assistant Professor, Department of Computer Engineering, Kashmar Branch, Islamic Azad University, Kashmar, Iran دکتری مهندسی کامپیوتر، استادیار، گروه مهندسی کامپیوتر، واحد کاشمر، دانشگاه آزاد اسلامی، کاشمر، ایران