سیستم پشتیبانی تصمیم در تشخیص سندرم متابولیک با بهره گیری از راه کار داده‌کاوی

مقدمه: با توجه به اهمیت نقش سندرم متابولیک در کنترل بیماری‌های قلبی - عروقی و دیابت، در مطالعه حاضر به کاوش مهم‌ترین ویژگی‌های موثر در ابتلا به سندرم متابولیک و بررسی ویژگی‌های افراد مبتلا به این سندرم با روش داده کاوی پرداخته شد. در این مطالعه همچنین مدل‌های داده‌کاوی به کار گرفته شده، ارزیابی شدند.روش کار: با به‌کارگیری اطلاعات مرحله سوم برنامه قلب سالم اصفهان در سال 1386، تعداد 9572 نفر مورد بررسی قرار گرفتند. کارایی سه مدل اصلی داده کاوی شامل مدل درخت تصمیم، مدل مبتنی بر قاعده بیز و مدل شبکه عصبی مقایسه و بهترین مدل در تشخیص سندرم متابولیک انتخاب شد. یافته ها: از میان ویژگی‌های مورد بررسی در هر سه مدل، ویژگی شاخص توده بدنی به عنوان مهم‌ترین عامل ابتلا به سندرم متابولیک تشخیص داده شد. با توجه به نتایج مدل درخت تصمیم مشخص شد که 2/67 درصد از افراد گروه سنی بین 50 سال تا 70 سال با شاخص توده بدنی بزرگ‌تر از 30 مبتلا به سندرم متابولیک هستند.نتیجه گیری: نتایج این مطالعه نشان داد که مدل شبکه‌ عصبی از دقت بالاتری (82/0) نسبت به دو مدل درخت تصمیم (81/0) و مدل مبتنی بر قاعده بیز (77/0) برخوردار است. اما مدل مبتنی بر قاعده‌ی بیز در تشخیص مبتلایان به سندرم متابولیک پیش‌بینی بهتری ارایه می‌دهد. مناسب بودن داده‌ها، به‌کارگیری پیش‌پردازش مناسب و راه کار مناسب داده‌کاوی منجر به کسب نتایج بهتر در ارتباط با داده‌های پزشکی می‌شود.