استخراج دانش از داده‌های بیماران دیابتی با استفاده از روش درخت تصمیم C5.0

مقدمه: بروز دیابت در ده سال اخیر در سطح جهان دو برابر شده است . حدود 200 میلیون نفر به این بیماری مبتلا هستند و سالانه شیوع دیابت در جهان حدود شش درصد افزایش می‌یابد. بیش از دو میلیون نفر در ایران به این بیماری مبتلا هستند. در این تحقیق به بررسی ارتباط بین عوارض مشاهده شده در بیماران دیابتی نوع دو و برخی ویژگی‌های آن‌ها از قبیل میزان قند خون، فشار خون، سن و سابقه خانوادگی بیماران می‌پردازیم. هدف این مطالعه، پیش بینی عوارض بیماران بر اساس علایم مشاهده شده در آن‌ها است.روش کار: داده‌های مورد نیاز برای این تحقیق از پرونده‌های سال 1388 مرکز دیابت استان گلستان جمع آوری شده است. تعداد پرونده‌های اولیه بیماران 856 رکورد بود. در این مقاله مدل جدیدی بر اساس متدولوژی استاندارد crisp ارایه شده است. در بخش مدل سازی از دو روش شناخته شده در داده کاوی به نام‌های درخت تصمیم c5.0 و شبکه عصبی استفاده شده است. برای تحلیل داده‌ها از نرم افزار celementine 12.0 استفاده شده است.یافته‌ها: در این تحقیق برای اولین بار احتمال بروز عوارض میکروواسکولار، ماکروواسکولار و یا هر دو نوع عارضه در بیماران و ویژگی‌های تاثیرگذار بر آن‌ها مورد بررسی قرار گرفته است. با استفاده از داده کاوی و روش‌های آن تعیین شده است که متغیر‌های فشار خون بالا، سن و سابقه خانوادگی در عوارض مشاهده شده بیشترین تاثیر را داشته اند. به کمک درخت تصمیم ایجاد شده، قوانینی استخراج شده اند که می‌تواند به عنوان الگویی برای پیش بینی وضعیت بیماران و احتمال بروز عوارض در آن‌ها استفاده شود. صحت مدل ایجاد شده بر روی داده‌های مورد استفاده در درخت تصمیم c5.0، 89.74 درصد و در شبکه عصبی مصنوعی 51.28 درصد می‏باشد.نتیجه گیری: با توجه به روش‌های استفاده شده، بالاترین دقت با استفاده از الگوریتم c5.0 به دست آمده است. بیشترین عوامل تاثیرگذار بر بروز عوارض شناسایی شدند. با توجه به قوانین ایجاد شده برای یک نمونه جدید با ویژگی‌های مشخص، می‌توان پیش بینی کرد بیمار احتمالاً دچار چه نوع عارضه ای خواهد شد.کلید واژه‌ها: دیابت نوع دو، عوارض دیابت، داده کاوی، الگوریتم c 5.0، شبکه عصبی مصنوعی