ارائه مدل و برنامه کاربردی مبتنی بر تلفن همراه برای پیش‌بینی زودهنگام فشار خون بالا در کودکان

هدف تشخیص زودهنگام کودکان با فشار خون بالا و یا در معرض افزایش فشار خون، برای به حداقل رساندن خطرات و پیامدهای این عارضه ضروری است. این مطالعه با هدف طراحی و ایجاد یک برنامه کاربردی مبتنی بر تلفن همراه برای تشخیص و پیش‌بینی فشار خون بالا در کودکان، با استفاده از روش‌های یادگیری ماشین انجام شد. به‌طوری‌که والدین بتوانند با ورود اطلاعاتی که به‌راحتی از کودکان قابل‌دست‌یابی است، بر فشار خون فرزندان خود کنترل و نظارت مداوم داشته باشند.روش ها در این مطالعه کاربردی‌توسعه‌ای که در سال 1401 انجام شد، ابتدا مقادیر ویژگی‌های موثر بر فشار خون بالا در 1287 کودک دبستانی با استفاده از پرسش‌نامه و اندازه‌گیری، جمع‌آوری و سپس مدلی مبتنی بر ترکیب نتایج خروجی 3 روش یادگیری ماشین شبکه عصبی مصنوعی، ماشین بردار پشتیبان و جنگل تصادفی برای تشخیص دقیق‌تر کودکان با فشار خون بالا با استفاده از نرم‌افزار داده‌کاوی weka و زبان برنامه‌نویسی پایتون ارائه شد. برای سنجش کارایی مدل از روش اعتبارسنجی متقابل 10 تکه برابر و آزمون آماری تی زوجی استفاده شد که میزان p کمتر از 0/05 معنادار در نظر گرفته شد. در‌نهایت، مدل پیشنهادی در قالب یک برنامه کاربردی قابل‌استفاده در گوشی تلفن همراه پیاده‌سازی شد.یافته ها دقت، حساسیت و ویژگی در مدل پیشنهادی به ترتیب 91/74 درصد، 83/5 درصد و 94/49 درصد بود و نسبت به روش‌های مشابه از عملکرد بهتری در پیش‌بینی فشار خون بالا در کودکان برخوردار است. مقادیر این معیارها در مدل پیشنهادی نسبت به روش‌های مقایسه‌شده، اختلاف قابل‌توجهی دارد. در نتایج حاصل از آزمون آماری، مقادیر p به‌دست‌آمده‌ کمتر از 0/05 بود و اختلاف دقت مدل پیشنهادی در مقایسه با روش‌های مشابه از‌نظر آماری معنادار بود.نتیجه گیری مدل پیشنهادی در تشخیص و پیش‌بینی فشار خون بالا در کودکان بهتر عمل کرده و می‌تواند به بهبود دقت کمک کند. برنامه کاربردی پیاده‌سازی‌شده بر مبنای مدل پیشنهادی برای تشخیص به‌موقع فشار خون بالا در کودکان مفید بود و والدین با استفاده از این برنامه می‌توانند از وضعیت فشار خون کودکان خود مطلع شده و در صورت وجود خطر سریعاً به پزشک مراجعه کنند.

developing a mobile application for early prediction of hypertension in children

objective early diagnosis of hypertension in children is necessary to minimize the risks and consequences of this complication. this study aims to design and create a mobile application for diagnosing and predicting hypertension in children using machine learning methods so that the parents can continuously control and monitor their children’s blood pressure.methods in this applied-developmental study that was conducted in 2022, the values related to 19 factors affecting hypertension were collected from 1287 primary school children aged 7-13 years were first collected using questionnaires and measurements. then, by combining the outputs of three machine learning methods (multi-layer perceptron, support vector machine (svm) and random forest [rf]), a model was presented for a more accurate diagnosis of hypertension using weka software, version 3.7.8 and python programming language. to measure the effectiveness of the model, the 10-fold cross-validation method was used, and the paired t-test was used to compare its performance with other methods. p<0.05 was considered statistically significant. finally, the proposed model was implemented in an android mobile application.results the proposed model’s precision, sensitivity and specificity were 91.74%, 83.5% and 94.49%, respectively, and had better performance in predicting hypertension in children than other methods. these values were significantly different from those of compared methods (p<0.05).conclusion the proposed model performs better in diagnosing and predicting hypertension in children. the developed mobile application is thus useful for early diagnosis of hypertension in children. parents can use this application to be informed about their children’s blood pressure status and consult a doctor immediately if there is a danger.