مجله دیابت و متابولیسم ایران، جلد ۲۱، شماره ۴، صفحات ۲۶۴-۲۷۵
عنوان فارسی مقایسه‌ی کارایی الگوریتم‌های داده‌کاوی در پیش‌بینی تشخیص بیماری دیابت
چکیده فارسی مقاله مقدمه: دیابت یکی از مشکلات اساسی سلامت در ایران بوده و حدود 6/4 میلیون نفر از بزرگسالان به این بیماری مبتلا هستند. ضعف در تشخیص این بیماری سبب شده نیمی از این تعداد از بیماری خود اطلاعی نداشته باشند. در سالیان اخیر همزمان با به‌کارگیری رایانه در تحلیل و ذخیره‌سازی اطلاعات، حجم و پیچیدگی داده‌ها به‌صورت چشمگیری افزایش یافته است. روش‌ها: در سازمان‌های سلامت داده‌ها نقش اساسی در ارزش سازمان ایفا می‌کنند. از این‌رو داده‌کاوی به یکی از پُرکاربردترین فرآیندها در حوزه‌ی سلامت و تشخیص بیماری‌ها تبدیل شده است. در این پژوهش اطلاعات 768 نفر از مراجعین آزمایشگاهی در تهران با حفظ محرمانگی و برای شناسایی متغیرهای تأثیرگذار در ابتلا به بیماری دیابت از نظرات خبرگان استفاده شده است. یافته‌ها: یافته‌ها حاکی از بررسی 5 الگوریتم مورد نظر بر روی داده‌های ارائه شده است که با پیاده‌سازی 5 الگوریتم‌ داده‌کاوی J48، بیز، بگینگ، کوهن و خوشه‌بندی ساده جهت دسته‌بندی داده‌ها، کارایی این الگوریتم‌ها از نظر سرعت و دقت در محاسبات بررسی گردید. نتیجه‌گیری: مجموعه داده‌ها جهت دسته بندی، بانک داده‌های یک آزمایشگاه است که این مجموعه شامل 768 نمونه با 9 مشخصه است. نهایتاً الگوریتم J48 به‌دلیل سرعت بالا، دقت مورد قبول و عدم وجود حساسیت به داده‌های اولیه، جهت داده‌کاوی داده‌های بیماری دیابت پیشنهاد می‌شود.
کلیدواژه‌های فارسی مقاله داده کاوی، دیابت، کارایی، کشف دانش
عنوان انگلیسی Comparison of the Efficiency of Data Mining Algorithms in Predicting the Diagnosis of Diabetes
چکیده انگلیسی مقاله Background: Diabetes is one of the major health problems in Iran and about 4.6 million adults suffer from this disease. Poor diagnosis of this disease has caused half of this number to be unaware of their disease. In recent years, along with the use of computers in data analysis and storage, the volume and complexity of data has increased dramatically. Methods: In health organizations, data play an essential role in the value of the organization. Therefore, data mining has become one of the most widely used processes in the field of health and disease diagnosis. In this study, the information of 768 laboratory clients in Tehran was kept confidential and the opinions of experts were used to identify the variables affecting the incidence of diabetes. Results: The findings indicate the study of 5 algorithms on the presented data, which by implementing 5 data mining algorithms J48, Bayes, Beginning, Cohen and simple clustering to classify the data, the efficiency of these algorithms in terms of speed and accuracy in calculations was evaluated. Conclusion: The data set for classification is the database of a laboratory, which includes 768 samples with 9 characteristics. Finally, J48 algorithm is recommended for data mining of diabetes due to high speed, acceptable accuracy and lack of sensitivity to raw data.  
کلیدواژه‌های انگلیسی مقاله Data Mining, Diabetes, Efficiency, Knowledge Discovery
نویسندگان مقاله فاطمه دکامینی | Fatemeh Dekamini
Department of Industrial Management, Faculty of Management, Arak Branch, Islamic Azad University, Arak, Iran
گروه مدیریت صنعتی، دانشکده‌ی مدیریت

محمد احسانی فر | Mohammad Ehsanifar
Department of Industrial Engineering, Faculty of Engineering, Arak Branch, Islamic Azad University, Arak, Iran
گروه مهندسی صنایع، دانشکده‌ی فنی مهندسی

نشانی اینترنتی http://ijdld.tums.ac.ir/browse.php?a_code=A-10-1575-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات