پيشگويي مدل ريسك فاكتورهاي فيبريلاسيون دهليزي و بيماري عروق كرونر با استفاده از الگوريتم هاي داده كاوي

هدف:مشكلات قلبي عروقي يكي از شايع ترين علل مرگ و مير در سراسر جهان است. استفاده از روش هاي داده كاوي براي ايجاد مدل هاي پيش بيني براي شناسايي افراد در معرض خطر براي جلوگيري از عوارض ناشي از بيماري هاي قلبي عروقي بسيار موثر خواهد بود. انگيزه اصلي اين تحقيق پيش‌بيني احتمال عفونت در افراد مبتلا به بيماري عروق كرونر قلب و فيبريلاسيون دهليزي با استفاده از الگوريتم‌هاي ماشين بردار پشتيبان، شبكه عصبي و درخت تصميم بر اساس عوامل مؤثر بر بيماري است.روش بررسي:اين پژوهش از نوع تحليلي است و پايگاه داده آن شامل 300 ركورد مي باشد. اطلاعات مورد نياز اين مطالعه در سال 1400 با استفاده از پرونده بيماران بستري در بيمارستان هاي چمران و خورشيد اصفهان جمع آوري شد. براي تجزيه و تحليل آن ها، اطلاعات شامل بخش هاي آزمايشگاهي، دموگرافيك و سابقه خانوادگي است كه از روش كريسپ، فرآيندهاي استاندارد صنعت متقابل براي داده كاوي (Cross Industry Standard Process for Data Mining; CRISP) استفاده مي شود. همچنين در بخش مدل‌سازي از درخت‌هاي تصميم، شبكه‌هاي عصبي و ماشين‌ هاي بردار پشتيبان استفاده مي‌ شود.يافته ها:بر طبق نتايج بدست آمده، حساسيت و ويژگي در الگوريتم داده كاوي شبكه عصبي به ترتيب  (71/11،87/5)، در الگوريتم درخت تصميم (92/85 ، 80) و در ماشين بردار پشتيبان (88/88، 75) بوده اند. لذا الگوريتم درخت تصميم داراي عملكرد بهتري براي پيش بيني احتمال بيماري هاي قلبي و عروق كرونر و فيبريلاسيون دهليزي است. همچنين با توجه به مطالعات انجام شده مشخص شد كه استرس، اضافه وزن، فشار خون بالا و نوع شغل بيشترين تأثير را در بروز بيماري‌هاي قلبي و عروق كرونر و آريتمي‌هاي قلبي داشتند.نتيجه گيري:در مطالعه حاضر درخت تصميم داراي بالاترين عملكرد است لذا مي توان از آن براي تعيين احتمال مشكلات كرونري قلب و عروق و فيبريلاسيون دهليزي استفاده كرد.