Tehran University Medical Journal

other مقایسه کارایی روش‌های داده‌کاوی در پیش‌بینی ابتلا به بیماری دیابت نوع 2 Comparison of the efficiency of data mining methods in predicting type 2 diabetes مقاله اصیل Original Article <div style="text-align: justify;">زمینه و هدف: دیابت بیماری مزمنی است که شایع‌ترین بیماری اختلالات متابولیسم و یکی از عمده‌ترین مسایل بهداشتی-درمانی در سرتاسر دنیا است. امروزه تکنیک‌های داده‌کاوی (Data mining techniques) با توجه به توانمندی آن‌ها، در حوزه‌های مختلف به‌کار برده می‌شوند. بنابراین در این پژوهش به مقایسه کارایی روش‌های داده‌کاوی در پیش‌بینی ابتلا به بیماری دیابت نوع ۲ پرداخته شد. روش بررسی: در این مطالعه تحلیلی-مقطعی، از مجموع ۷۰۰۰ نفر شرکت‌کننده در طرح غربالگری دیابت سال ۱۳۹۵ در منطقه ثامن مشهد که شامل بررسی میزان قند‌خون، چشم‌ها، آسیب کلیوی و سلامت پاها بود، تعداد ۵۴۰ نفر مبتلا به بیماری دیابت (درمان نشده) بودند و برای حفظ توازن ۶۰۰ فرد سالم به‌صورت نمونه‌گیری متناسب با حجم انتخاب شدند (حجم کل نمونه ۱۱۴۰ نفر). در این مطالعه مبتلایان به دیابت بالای ۳۰ سال وارد مطالعه گردیدند و افرادی که از پیش سابقه‌ی دیابت نوع ۲ داشتند و اکنون به‌سبب استفاده از دارو و یا رعایت سایر نکات مقدار قند‌خون طبیعی داشتند از مطالعه حذف گردیدند. یافته‌ها: صحت هر سه مدل برابر بود (۸۶%) اما از نظر سطح زیرمنحنی راک (Receiver operating characteristic, ROC)، مدل‌های رگرسیون لجستیک (Logistic regression model) و بیزین ساده (Simple Bayesian model) با۹۰% سطح زیرمنحنی راک عملکرد بهتری داشتند. در مدل بیزین ساده و رگرسیون لجستیک به‌ترتیب متغیرهای شاخص توده بدنی و سن دارای بیشترین میزان اهمیت بودند، در‌حالی‌که در مدل ماشین‌بردار پشتیبان (Support vector machine, SVM)، متغیرهای شاخص توده بدنی و فشارخون دارای بیشترین اهمیت بودند. نتیجه‌گیری: صحت هر سه مدل برابر بود. از نظر سطح زیرمنحنی راک، مدل‌های رگرسیون لجستیک و بیزین ساده مناسب‌تر بودند. در مجموع هر سه مدل عملکرد مشابهی داشتند. در هر سه مدل شاخص توده بدنی دارای بیشترین اهمیت بود.</div> <div style="text-align: justify;">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 cross-sectional 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.</div> داده‌کاوی, دیابت شیرین, بیماری‌های متابولیک, حساسیت و ویژگی data mining, diabetes mellitus, metabolic diseases, sensitivity and specificity 301 307 http://tumj.tums.ac.ir/browse.php?a_code=A-10-4258-3&slc_lang=other&sid=1 Hossein Tireh حسین تیره No Department of Epidemiology and Biostatistics, Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran. گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Mohammad Taghi Shakeri محمدتقی شاکری No Department of Epidemiology and Biostatistics, Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran. مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Sadegh Rasoulinezhad صادق رسولی‌نژاد No Department of Epidemiology and Biostatistics, Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran. گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Habibollah Esmaily حبیب‌اله اسماعیلی No Department of Epidemiology and Biostatistics, Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran. مرکز تحقیقات عوامل اجتماعی موثر بر سلامت، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Razieh Yousefi راضیه یوسفی yousefir9@mums.ac.ir Yes Department of Epidemiology and Biostatistics, Faculty of Health, Mashhad University of Medical Sciences, Mashhad, Iran. گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد، ایران.