دوره 7، شماره 1 - ( بهار 1400 )
جلد 7 شماره 1 صفحات 78-68 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Nopour R, Shanbehzadeh M, Kazemi-Arpanahi H. Proposing an effective technological solution for the early diagnosis of COVID-19: a data-driven machine learning study. JMIS 2021; 7 (1) :68-78
URL: http://jmis.hums.ac.ir/article-1-284-fa.html
URL: http://jmis.hums.ac.ir/article-1-284-fa.html
نوپور رئوف، شنبه زاده مصطفی، کاظمی آرپناهی هادی. پیشنهاد یک راه‌کار فناورانه موثر جهت تشخیص زودهنگام بیماری کووید-19: مطالعه مبتنی بر یادگیری ماشین داده محور. اطلاع‌رسانی پزشکی نوین. 1400; 7 (1) :68-78
گروه فناوری اطلاعات سلامت، دانشگاه علوم پزشکی آبادان،آبادان، ایران.
چکیده: (3915 مشاهده)
هدف: تشخیص صحیح، دقیق و به موقع بیماری کووید-19 با استفاده از فناوری‌های هوش مصنوعی و یادگیری ماشین نقش مهمی در بهبود شاخص‌های بیماری، استفاده بهینه از منابع محدود بیمارستانی و کاهش بار کاری کارکنان خط مقدم پاندمی خواهد داشت. بنابراین هدف پژوهش حاضر ارزیابی کارایی الگوریتم‌های منتخب داده‌کاوی در تشخیص بیماری کویید-19 خواهد بود.
روش‌ها: پژوهش حاضر یک مطالعه گذشته‌نگر و توصیفی کاربردی است. در این مطالعه از داده‌های بیماران بستری شده با تشخیص قطعی کوویید-19 در بازه زمانی 27 اسفند 1398 لغایت 20 آذر 1399 که در پایگاه داده پرونده الکترونیک سلامت بیماری کووید-19 بیمارستان آیت‌الله طالقانی شهرستان آبادان ثبت شده است، استفاده گردید. پس از اعمال معیارهای ورود و خروج برای شناسایی نمونه‌ها در نهایت 400 رکورد به عنوان ورودی و تغذیه وارد نرم‌افزار داده کاوی وکا ورژن 3.9 شد. داده‌ها با استفاده از ملاک کای دو برای تعیین متغیرها به منظور آموزش الگوریتم‌ها، عملکرد آن‌ها براساس معیارهای مختلف ارزیابانه در ماتریس آشفتگی مورد مقایسه قرار گرفتند.
نتایج: براساس مقایسه عملکرد الگوریتم‌های داده‌کاوی با توجه به معیارهای ارزیابانه در ماتریس آشفتگی، الگوریتم J-48 با میزان حساسیت، دقت، و ضریب همبستگی ماتیوس به ترتیب 0/85، 0/85، 0/68 عملکرد بهتری نسبت به سایر الگوریتم‌های داده‌کاوی برای تشخیص بیماری کووید-19 داشت. 3 متغیر وجود ضایعات ریوی، تب و سابقه تماس با افراد مظنون به کرونا با در نظر گرفتن شاخص جینی ایندکس برای تعیین نقطه تقسیم، به ترتیب با میزان جینی ایندکس 0/217، 0/205 و 0/188 به عنوان مهم ترین فاکتورهای موثر در تشخیص کرونا در نظر گرفته شدند.
نتیجه‌گیری: استفاده از روش‌های داده کاوی منتخب و به طور خاص الگوریتم J-48 قابلیت بالایی در تشخیص به موقع و اثربخش بیماری کووید-19 در قالب سیستم‌های پشتیبان تصمیم یار بالینی خواهد داشت.
روش‌ها: پژوهش حاضر یک مطالعه گذشته‌نگر و توصیفی کاربردی است. در این مطالعه از داده‌های بیماران بستری شده با تشخیص قطعی کوویید-19 در بازه زمانی 27 اسفند 1398 لغایت 20 آذر 1399 که در پایگاه داده پرونده الکترونیک سلامت بیماری کووید-19 بیمارستان آیت‌الله طالقانی شهرستان آبادان ثبت شده است، استفاده گردید. پس از اعمال معیارهای ورود و خروج برای شناسایی نمونه‌ها در نهایت 400 رکورد به عنوان ورودی و تغذیه وارد نرم‌افزار داده کاوی وکا ورژن 3.9 شد. داده‌ها با استفاده از ملاک کای دو برای تعیین متغیرها به منظور آموزش الگوریتم‌ها، عملکرد آن‌ها براساس معیارهای مختلف ارزیابانه در ماتریس آشفتگی مورد مقایسه قرار گرفتند.
نتایج: براساس مقایسه عملکرد الگوریتم‌های داده‌کاوی با توجه به معیارهای ارزیابانه در ماتریس آشفتگی، الگوریتم J-48 با میزان حساسیت، دقت، و ضریب همبستگی ماتیوس به ترتیب 0/85، 0/85، 0/68 عملکرد بهتری نسبت به سایر الگوریتم‌های داده‌کاوی برای تشخیص بیماری کووید-19 داشت. 3 متغیر وجود ضایعات ریوی، تب و سابقه تماس با افراد مظنون به کرونا با در نظر گرفتن شاخص جینی ایندکس برای تعیین نقطه تقسیم، به ترتیب با میزان جینی ایندکس 0/217، 0/205 و 0/188 به عنوان مهم ترین فاکتورهای موثر در تشخیص کرونا در نظر گرفته شدند.
نتیجه‌گیری: استفاده از روش‌های داده کاوی منتخب و به طور خاص الگوریتم J-48 قابلیت بالایی در تشخیص به موقع و اثربخش بیماری کووید-19 در قالب سیستم‌های پشتیبان تصمیم یار بالینی خواهد داشت.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
