ارائه مدل تصمیم‌یار بالینی پیش‌بینی ریسک ابتلای به بیماری دیابت در مراحل اولیه با رویکرد مدل‌های داده‌محور

در دهه‌های اخیر، ابتلا به بیماری دیابت به یکی از بیماری‌های شایع و مشکلات عمده نظام سلامت در سطح جهان تبدیل شده است که تاثیر زیادی بر جامعه دارد و ممکن است در مراحل اولیه بدون علائم خاصی ظاهر شود و تشخیص آن در این مراحل می‌تواند بهبود قابل توجهی در روند درمان و کنترل بیماری داشته باشد. در این مقاله، یک مدل تصمیم‌یار بالینی برای پیش‌بینی ریسک ابتلای به بیماری دیابت در مراحل اولیه ارائه شده است. هدف اصلی، استفاده از رویکرد مدل‌های داده‌محور به منظور تحلیل، پیش‌بینی و شناسایی متغیرهای تاثیرگذار بر ریسک ابتلا به بیماری است. در این پژوهش، از یک مجموعه داده جامع شامل520 نفر از افرادی که در مراحل اولیه از دیابت هستند مورد استفاده قرار گرفته است. ابتدا، ویژگی‌های مهم و مرتبط با ریسک ابتلای به دیابت را شناسایی کرده و سپس، از روش‌های پیشرفته مدل‌سازی داده‌ها مانند درخت تصمیم، شبکه‌ عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است تا مدلی با دقت بالا برای پیش‌بینی ریسک ابتلای به دیابت بدست آید. نتایج پژوهش نشان می‌دهد که مدل تصمیم‌یار بالینی با روش ماشین بردار پشتیبان به طور قابل توجهی موفقیت‌آمیز و قادر به پیش‌بینی ریسک ابتلای به دیابت با دقت 55/96 درصد است. این مدل می‌تواند به عنوان یک ابزار مفید در تشخیص زودهنگام بیماران دیابتی و اتخاذ تدابیر پیشگیرانه موثر در مراحل اولیه استفاده شود. با توجه به نتایج این مقاله، استفاده از مدل‌های داده‌محور برای تحلیل و پیش‌بینی ریسک ابتلای به بیماری دیابت در مراحل اولیه، می‌تواند در بهبود فرآیند تشخیص ابتلا و مداخله زودهنگام در درمان این بیماری موثر باشد.