مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2

هدف:  یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش بینی بیماری می باشد. یکی از شایع ترین بیماری های متابولیک در ایران، دیابت می­باشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل های شبکه عصبی مصنوعی و درخت تصمیم می باشد. روش بررسی:  برای انجام مطالعه، پرونده 901 تن از افرادی که در سال های 91 و 92 به مراکز بهداشتی شهر مشهد مراجعه کرده بودند، استفاده گردید. در ابتدا با استفاده از روش های آمار توصیفی و تحلیلی، داده ها آنالیز شدند. سپس 70% داده ها به طور تصادفی برای ساخت مدل های شبکه عصبی مصنوعی و درخت تصمیم انتخاب شدند. 30% باقیمانده برای مقایسه عملکرد مدل ها استفاده شد. در نهایت عملکرد مدل ها با استفاده از سطح زیر منحنی راک (roc) مورد مقایسه قرار گرفت. یافته ها:  توسعه دو مدل پیش بینی با استفاده از 14 متغیر انجام شد. دو مدل از نظر سطح زیر منحنی راک، حساسیت، ویژگی و صحت مورد ارزیابی قرار گرفتند. برای مدل شبکه عصبی، سطح زیر منحنی راک و حساسیت به ترتیب 69/1 و 74/2 بدست آمد. برای مدل درخت تصمیم نیز سطح زیر منحنی راک و حساسیت به ترتیب 68/9 و 64/77  بدست آمد. در هر دو مدل متغیرهای سابقه خانوادگی دیابت، تری گلیسرید، شاخص توده بدنی، لیپوپروتئین با چگالی کم و فشار خون سیستولیک و دیاستولیک مهم ترین عوامل مرتبط در شناسایی دیابت نوع 2 بودند.      نتیجه‌ گیری:  نتایج نشان داد که مدل شبکه عصبی چند لایه سطح زیر منحنی راک بهتری نسبت به درخت تصمیم cart در پیش بینی دیابت نوع 2 دارد. همچنین لیپوپروتئین با چگالی کم مهم ترین عوامل مرتبط در شناسایی دیابت نوع 2 می باشد. مطالعه حاکی از آنست که روش های داده کاوی نوین از جمله شبکه عصبی مصنوعی و درخت تصمیم می توانند برای شناسایی عوامل مرتبط با بیماری ها مورد استفاده قرار گیرند.