مقایسه کارایی روش‌های داده‌کاوی در پیش‌بینی ابتلا به بیماری دیابت نوع 2

زمینه و هدف: دیابت بیماری مزمنی است که شایع ترین بیماری اختلالات متابولیسم و یکی از عمده ترین مسایل بهداشتیدرمانی در سرتاسر دنیا است. امروزه تکنیک های داده کاوی (data mining techniques) با توجه به توانمندی آن ها، در حوزه های مختلف به کار برده می شوند. بنابراین در این پژوهش به مقایسه کارایی روش های داده کاوی در پیش بینی ابتلا به بیماری دیابت نوع 2 پرداخته شد.روش بررسی: در این مطالعه تحلیلیمقطعی، از مجموع 7000 نفر شرکت کننده در طرح غربالگری دیابت سال 1395 در منطقه ثامن مشهد که شامل بررسی میزان قند خون، چشم ها، آسیب کلیوی و سلامت پاها بود، تعداد 540 نفر مبتلا به بیماری دیابت (درمان نشده) بودند و برای حفظ توازن 600 فرد سالم به صورت نمونه گیری متناسب با حجم انتخاب شدند (حجم کل نمونه 1140 نفر). در این مطالعه مبتلایان به دیابت بالای 30 سال وارد مطالعه گردیدند و افرادی که از پیش سابقه ی دیابت نوع 2 داشتند و اکنون به سبب استفاده از دارو و یا رعایت سایر نکات مقدار قند خون طبیعی داشتند از مطالعه حذف گردیدند.یافته ها: صحت هر سه مدل برابر بود (86%) اما از نظر سطح زیرمنحنی راک (receiver operating characteristic, roc)، مدل های رگرسیون لجستیک (logistic regression model) و بیزین ساده (simple bayesian model) با90% سطح زیرمنحنی راک عملکرد بهتری داشتند. در مدل بیزین ساده و رگرسیون لجستیک به ترتیب متغیرهای شاخص توده بدنی و سن دارای بیشترین میزان اهمیت بودند، در حالی که در مدل ماشین بردار پشتیبان (support vector machine, svm)، متغیرهای شاخص توده بدنی و فشارخون دارای بیشترین اهمیت بودند.نتیجه گیری: صحت هر سه مدل برابر بود. از نظر سطح زیرمنحنی راک، مدل های رگرسیون لجستیک و بیزین ساده مناسب تر بودند. در مجموع هر سه مدل عملکرد مشابهی داشتند. در هر سه مدل شاخص توده بدنی دارای بیشترین اهمیت بود.

Comparison of the efficiency of data mining methods in predicting type 2 diabetes

Background: Diabetes mellitus as a chronic disease is the most common disease caused by metabolic disorders and it is one of the most important health issues all around the world. Nowadays, data mining methods are applied in different fields of sciences due to data mining methods capability. Therefore, in this study, we compared the efficiency of data mining methods in predicting type 2 diabetes.Methods: In this crosssectional study, the data of 7,000 participants in the Diabetes Screening Project in Samen, Mashhad City, Iran, were considered in 2016. There were 540 untreated diabetic patients. The Samen Project was included in the routine examinations of diabetes patients like blood glucose, eyes health, nephropathy, and legs health. So, in order to maintain balance, 600 healthy individuals were selected in a proportional volume sampling in this study. Therefore, the total sample size was 1140 people. In this study, people with diabetes aged over 30 years old were enrolled and participants with the previous history of type 2 diabetes, with normal blood glucose due to drug use or other issues at the time of the study, were excluded.Results: All three models (Logistic regression, simple Bayesian and support vector machine models) had the same test accuracy (86%), however, in terms of area under the receiver operating characteristic (ROC) curve (AUC), logistic regression and simple Bayesian models had better performance (AUC=90% against AUC=88%). In the simple Bayesian model and logistic regression, body mass index (BMI) and age variables were the most important variables, while BMI and blood pressure variables were the most important factors in the support vector machine model.Conclusion: According to the results, all three models had the same accuracy. In terms of area under the curve (AUC), logistic and simple Bayes models had better performance than the support vector machine model. Totally all three models had almost the same performance. Based on all three models, BMI was the most important variable.