پیش بینی بیماری عروق کرونر قلبی با استفاده از الگوریتم آنالیز افتراقی در مردان سالمند فعال

زمینه و هدف: بیماری عروق کرونر (cad) را می‫توان به عنوان یکی از علل اصلی مرگ و میر در نظر گرفت. شیوع cad امروزه در حال افزایش بوده و منجر به هزینه های بالای نظام سلامت در بسیاری از کشورها می‫شود. جامعه پزشکی و تحقیقاتی به طور فزاینده‌ای به تشخیص بیماری عروق کرونر قلب از طریق کامپیوتر و روش‫های یادگیری ماشین علاقمند است. هدف این مطالعه پیش بینی بیماری عروق کرونر قلبی با استفاده از الگوریتم آنالیز افتراقی در مردان سالمند فعال بود. روش کار: این مطالعه تحلیلی بر روی 351 سالمند مراجعه کننده به بیمارستان آیت الله کاشانی تهران انجام شد. در این پژوهش، از الگوریتم آنالیز افتراقی برای تشخیص بیماری عروق کرونر استفاده شد. از نرم‫افزار پایتون برای تجزیه و تحلیل داده‌ها استفاده شد. یافته ها: نتایج نشان داد که با استفاده از 14 ویژگی به عنوان عامل خطر مربوط به اطلاعات آزمایشگاهی، شخصی و سبک زندگی آزمودنی‌ها، الگوریتم آنالیز افتراقی می‌تواند با دقت 94.4 درصد و صحت 88.9 درصد بیماری عروق کرونر را پیش بینی کند. نتیجه گیری: نتایج پژوهش حاضر نشان داد که این سیستم احتمالاً بتواند به عنوان یک روش موثر و هوشمند در کنار سایر روش‫های تشخیصی توسط متخصصین قلب و عروق برای پیش بینی بیماری عروق کرونر مورد استفاده قرار گیرد. همچنین روش‫های جدید داده‌کاوی می‌تواند در کاهش خطرات تهاجمی موثر باشد.

prediction of coronary heart disease using discriminant analysis algorithm in active elderly men

background & objectives: coronary heart disease (chd) is an important medical disorder and one of the most common heart diseases worldwide, which causes disability and economic burden. the medical and research community is increasingly interested in computer-aided coronary heart disease diagnosis through the use of machine learning methods. this study aimed to diagnose coronary heart disease using a discriminant analysis algorithm in active elderly men.methods: this analytical study was conducted on 351 patients of ayatollah kashani hospital in tehran. this work used discriminant analysis algorithm to diagnose coronary artery disease. python software was used for data analysis.results: the results showed that by using 14 characteristics as risk factors related to the subjects’ laboratory, personal and lifestyle information. the discriminant analysis algorithm could distinguish healthy and sick people with 94.4% accuracy and 88.9% precision.conclusion: the results of the present study showed that this system can probably be used as an effective and intelligent method along with other diagnostic methods by cardiologists to predict coronary artery disease. also, new data mining methods can be effective in reducing invasive risks.