پيش‌بيني خطر ابتلاء به بيماري پوكي استخوان با استفاده از درخت تصميم و شبكه عصبي

مقدمه: پوكي استخوان يكي از دلايل مهم ناتواني و مرگ در افراد مسن است. هدف اين تحقيق تعيين عوامل تأثيرگذار در بروز پوكي استخوان و ارائه مدل پيش‌بيني كننده‌اي جهت سرعت بخشيدن به تشخيص وكاهش هزينه‌ها مي‌باشد. روش: در اين مطالعه بنيادي توصيفي مدل جديدي جهت شناسايي ويژگي‌هاي تأثيرگذار بر پوكي استخوان ارائه شده است. اطلاعات مربوط به 4083 نفر زن جهت كشف دانش با ابزار داده كاوي Clementine12 مورد بررسي قرار گرفته است. با استفاده از الگوريتم‌هاي داده‌كاوي شامل درخت تصميم و شبكه عصبي مصنوعي قوانيني استخراج شده كه مي‌توان به عنوان الگويي براي پيش‌بيني وضعيت بيماران از آن‌ها استفاده كرد و در نهايت دقت مدل‌هاي ساخته شده با يكديگر مقايسه شده‌اند. نتايج: اين تحقيق مدل‌هاي متعدد را بر روي تعداد ويژگي‌هاي متفاوت بررسي و نتايج حاصل را به منظور يافتن بهترين مدل پيش‌بيني كننده از نظر دقت و صحت با هم مقايسه مي كند. دقت طبقه‌بندي مدل شبكه عصبي MLP با 92/14 درصد از ديگر الگوريتم‌هاي به كار رفته در اين مطالعه بيشتر است. با توجه به شناسايي عوامل تأثيرگذار بر پوكي استخوان مي‌توان براي يك نمونه جديد احتمال ابتلاء به اين بيماري را پيش‌بيني كرد. نتيجه‌گيري: سازمان‌هاي متولي مراقبت‌هاي بهداشتي و سلامت همواره حجم زيادي از اطلاعات را جمع‌آوري مي كنند در حالي كه اين اطلاعات و داده‌ها به درستي مورد استفاده قرار نمي‌گيرند. اين مطالعه نشان مي‌دهد با كشف الگوها و روابط پنهان در اين داده‌ها مي‌توان از آن‌ها در جهت بهبود كيفيت ارائه خدمات تشخيصي و درماني بهره برد.