طراحی الگوریتم بهینه تشخیص سریع بیماری کووید19 برپایه اینترنت اشیا

توسعه فناوری اطلاعات و استفاده از آن در سیستم بهداشتی، اقدامات بسیاری را برای محافظت و ارتقاء سلامت انسان انجام داده است، با این حال، جهان همچنان با تهدیدهای طولانی مدت و تکرار مجدد بیماریهای عفونی روبرو است.بیماری هدف در این پژوهش با توجه به اهمیت و فراگیری، کووید19 است.روش پژوهش از نظر پارادایم، تفسیری و از لحاظ استراتژی اکتشافی است. بر اساس نوع گردآوری داده‌ها از نوع پژوهش‌های کیفی بوده و با توجه به توسعه الگوریتم‌ها، روش تحقیق در این پژوهش مبتنی بر علم طراحی است. پژوهش در یک فرایند 7 مرحله‌ای انجام شد. ویژگی‌های اینترنت اشیا در پژوهش حاضر با نظر خبرگان استخراج شد و ویژگی‌های بدست آمده در آزمایش  الگوریتم «k نزدیک‌ترین همسایگی» بر روی داده‌ها برای تعیین بهترین مدل ایجاد شد. نتایج ارزیابی الگوریتم پیشنهادی برای پیش‌بینی بیماری کووید19، دقت بالاتر از 98 درصد را نشان دادند. همچنین حساسیت بالاتر از 98 درصد که برای تشخیص بیماری کووید19 اهمیت بالایی دارد و نشان دهنده کم بودن موارد منفی کاذب در نتایج آزمون است، در الگوریتم بدست آمد.

designing an optimal diagnosis algorithm based on iot for covid-19

the development of information technology and its use in the health system has taken many measures to protect and promote human health, however, the world still faces long-term threats and recurrence of infectious diseases.understanding the dynamics of infectious diseases is important in controlling the disease because the network and the mode of impact of infectious diseases are very complex. the management of infectious diseases can also be considered as a complex social system due to the fact that has many complexities (such as dimensions, parameters, interactions, behaviors and rules), for this reason, the approach of the present study is a multifaceted understanding of the spread of infectious diseases. to design the present model, an intelligent system with a combination of mathematical, machine learning and epidemiological dimensions is proposed.the disease studied in this study, due to its importance and prevalence, is covid 19. in this study, with the approach of complex systems and using the internet of things and machine learning methods, an algorithm was presented that uses environmental and individual variables to predict the probability of disease in an individual. therefore, this research can improve the prevention of infectious diseases by filling some of the gaps in 3 sections: 1- re-emergence of infectious diseases and the potential of iot and ai, 2- speed of dissemination and importance of real-time tracking, and 3- budget and cost.the evaluation of the algorithm in this study was determined by two criteria of sensitivity and specificity.the results of the proposed algorithm for predicting covid 19 disease showed an accuracy of more than 98%. sensitivity above 98% was also obtained. which is very important for the diagnosis of covid disease 19 and shows the low number of false negatives in the test results.therefore, the proposed model, combined with the internet of things and machine learning, can cause early diagnosis and prevent the spread of the covid-19 disease with high specificity and sensitivity.