نوع مقاله: مقاله پژوهشی

نویسندگان

چکیده

مقدمه: سکته مغزی یکی از معضلات بزرگ بهداشتی، شایع‌ترین و نیز پر عارضه‌ترین بیماری مغز و اعصاب است و همه ساله حدود 5/5 میلیون نفر را در سراسر جهان مبتلا می‌کند. مطالعه حاضر با هدف تعیین عوامل موثر در ابتلا به سکته مغزی و تعیین عملکرد الگوریتم داده کاوی شبکه عصبی در پیش‌بینی این بیماری انجام شد.مواد و روش: این مطالعه از انواع مطالعات توصیفی – تحلیلی و کاربردی بود که به ‌صورت مقطعی گذشته-نگر انجام شد. در این مطالعه از روش کریسپ به عنوان یکی از قدرتمندترین روش‌های انجام مطالعات داده کاوی استفاده شد. همچنین برای  تحلیل داده ها از نرم افزار SPSS Modeler 14.2 و الگوریتم شبکه عصبی بهره گرفته شد.یافته‌ها: با توجه به یافته‌های پژوهش، دقت کلی مدل شبکه عصبی برای پیش‌بینی سکته مغزی 7/89 درصد بود که نشان‌دهنده قدرت بالای این مدل در پیش بینی ابتلا به سکته مغزی بود. همچنین مدل مذکور ریسک فاکتور دیابت را به عنوان مهم‌ترین عامل در ابتلای به سکته مغزی پیش‌بینی کرد. علاوه براین بر اساس مدل شبکه عصبی مواردی مانند سن، تروما و تصلب شرایین نیز به عنوان عوامل ابتلا در نظر گرفته شدند.بحث و نتیجه‌گیری: بر اساس مطالعه حاضر بیماران دیابتی بیشتر در معرض ابتلا به سکته مغزی قرار داشتند و هرچه سن بیمار افزایش پیدا کند ریسک ابتلا به این بیماری افزایش پیدا می‌کند. لذا پیشنهاد می شود اقدامات موثری در جهت بیماریابی از طریق احداث کلینیک‌های تشخیص و درمان دیابت در سطح شهر و نیز انجام غربالگری های دوره‌ای انجام شود.

کلیدواژه‌ها

عنوان مقاله [English]

Presentation a Model for Prediction of Cerebrovascular Accident using Data Mining Algorithm

نویسندگان [English]

  • Yousef Mehdipour
  • Saeid Ebrahimi
  • Afsaneh Karimi
  • Jahanpour Alipour
  • Mohammad Khammarnia
  • Fatemeh Siasar

چکیده [English]

Background and Objectives: Cerebrovascular Accident (CVA) is a major health problem and the most common neurological disease affecting 5.5 million individuals around the world annually. The present study aimed to assess the effective factors in CVA and determine the performance of data mining algorithm in predicting the disease.
Methods: This retrospective, cross-sectional, descriptive-analytical study used Crisp as one of the most powerful data mining techniques. The data were analyzed using SPSS Modeler 14.2 and neural network algorithm.
Results: According to the findings, the overall accuracy of the neural network model was 89.7%, which reflects the strength of this model in predicting the risk of CVA. Indeed, this model predicted the risk factors of diabetes as the most important factor in the risk of CVA. Age, trauma, and atherosclerosis were also determined as other risk factors.
Conclusion: According to this study, diabetic patients were more prone to CVA. Additionally, the risk of this disease increased with age.Therefore, effective measures are recommended to be taken for diagnosis and treatment of diabetes surveillance by establishing clinics and performing periodic screening.

کلیدواژه‌ها [English]

  • Data mining
  • Neural networks
  • Cerebrovascular accident
  • Risk factors
  • Prediction of the probability risk