مقايسه‌ي كارايي الگوريتم‌هاي داده‌كاوي در پيش‌بيني تشخيص بيماري ديابت

مقدمه: ديابت يكي از مشكلات اساسي سلامت در ايران بوده و حدود 4.6 ميليون نفر از بزرگسالان به اين بيماري مبتلا هستند. ضعف در تشخيص اين بيماري سبب شده نيمي از اين تعداد از بيماري خود اطلاعي نداشته باشند. در ساليان اخير همزمان با به‌كارگيري رايانه در تحليل و ذخيره‌سازي اطلاعات، حجم و پيچيدگي داده‌ها به‌صورت چشمگيري افزايش يافته است.روش‌ها: در سازمان‌هاي سلامت داده‌ها نقش اساسي در ارزش سازمان ايفا مي‌كنند. از اين‌رو داده‌كاوي به يكي از پُركاربردترين فرآيندها در حوزه‌ي سلامت و تشخيص بيماري‌ها تبديل شده است. در اين پژوهش اطلاعات 768 نفر از مراجعين آزمايشگاهي در تهران با حفظ محرمانگي و براي شناسايي متغيرهاي تأثيرگذار در ابتلا به بيماري ديابت از نظرات خبرگان استفاده شده است. يافته‌ها: يافته‌ها حاكي از بررسي 5 الگوريتم مورد نظر بر روي داده‌هاي ارائه شده است كه با پياده‌سازي 5 الگوريتم‌ داده‌كاوي J48، بيز، بگينگ، كوهن و خوشه‌بندي ساده جهت دسته‌بندي داده‌ها، كارايي اين الگوريتم‌ها از نظر سرعت و دقت در محاسبات بررسي گرديد. نتيجه‌گيري: مجموعه داده‌ها جهت دسته بندي، بانك داده‌هاي يك آزمايشگاه است كه اين مجموعه شامل 768 نمونه با 9 مشخصه است. نهايتاً الگوريتم J48 به‌دليل سرعت بالا، دقت مورد قبول و عدم وجود حساسيت به داده‌هاي اوليه، جهت داده‌كاوي داده‌هاي بيماري ديابت پيشنهاد مي‌شود.