به کارگیری الگوریتم خوشه‌بندی c- میانگین فازی در تشخیص میزان اضطراب

مقدمه: یکی از مهم‌ترین گام‌ها در پیشگیری و کنترل اختلالات اضطرابی، تشخیص آن‌ها در مراحل اولیه توسط روان‌پزشک است. هدف از انجام پژوهش حاضر، ارایه روشی جهت تشخیص شدت اضطراب با استفاده از الگوریتم خوشه‌بندی c- میانگین فازی بود. همچنین، تاثیر هر مشخصه در سنجش اضطراب و خوشه‌بندی مراجعه‌کنندگان تعیین گردید.روش بررسی: این مطالعه از نوع توصیفی بود. مجموعه داده‌های مرتبط به پرونده 300 نفر از مراجعه‌کنندگان به سه کلینیک روان‌پزشکی در شهر تهران، بر اساس پرسش‌نامه آزمون bai (beck anxiety inventory) تهیه شد. سپس الگوریتم خوشه‌بندی c- میانگین فازی، به بخش‌بندی مراجعه‌کنندگان و تعیین میزان اضطراب آن‌ها در هر خوشه پرداخت. این الگوریتم به طور مجزا بر روی هر مشخصه نیز اعمال گردید.یافته‌ها: مراجعه‌کنندگان به کلینیک روان‌پزشکی به چهار خوشه با برچسب‌های «فاقد اضطراب، اضطراب خفیف، اضطراب متوسط و اضطراب شدید» تقسیم‌ شدند. الگوریتم خوشه‌بندی c- میانگین فازی با دقت 90.66 درصد، به تشخیص اضطراب مراجعه‌کنندگان پرداخت. با اجرای این الگوریتم بر روی هر مشخصه، تاثیر مشخصه‌ها در سنجش اضطراب و خوشه‌بندی مراجعه‌کنندگان نیز تعیین شد.نتیجه‌گیری: الگوریتم خوشه‌بندی c- میانگین فازی، شدت اضطراب مراجعه‌کنندگان را با دقت بالایی تشخیص می‌دهد. بخش‌بندی بیماران با رویکرد خوشه‌بندی و بر اساس مهم‌ترین مشخصه‌ها، می‌تواند ابزار مفیدی جهت تصمیم‌گیری روان‌پزشک در تشخیص شدت اضطراب در مراحل اولیه آن باشد.