داده کاوی بر پایه روش‌های شبکه عصبی و درخت تصمیم در تشخیص زود هنگام ریسک ابتلا به دیابت بارداری

مقدمه: امروزه در دنیای مدرن صنعتی خطر ابتلا به بیماری‌های مزمن به طرز چشمگیری افزایش یافته است. دیابت بارداری یکی از مسائل مهم در حوزه سلامت است و در صورتی که درمان نشود مشکلات و عوارض جانبی متعددی برای مادر و فرزندش به همراه دارد. این پژوهش به دنبال پیش‌بینی ریسک و هشدار به موقع در ابتلا به دیابت بارداری به مادر می‌باشد تا در اوایل بارداری از ابتلا جلوگیری به عمل آید. روش: این پژوهش که به صورت کاربردی- پیمایشی انجام شد و از دو رویکرد شبکه عصبی و درخت تصمیم در داده‌کاوی به منظور تجزیه‌وتحلیل آزمایشی داده‌ها و پیش‌بینی استفاده گردید. داده‌های استخراج شده نرمال‌سازی شده و پس از آماده‌سازی در نرم‌افزار Matlab تجزیه‌وتحلیل شدند. نتایج: تحقیق حاضر در پی یافتن پاسخ به این پرسش است که"آیا دو روش داده‌کاوی شبکه عصبی و درخت تصمیم در تشخیص به هنگام و درست ریسک ابتلا به دیابت بارداری از صحت لازم برخوردار است ؟" و می‌توان از آن‌ها برای تشخیص درست استفاده نمود؟ نتایج تحقیق نشان می‌دهد که روش‌های داده مدار در بهبود صحت و درستی پیش‌بینی مؤثرند، در کشف دانش ضمنی و تشخیص روابط پنهان بین داده‌ها عملکرد مناسبی دارند و خطای تصمیم‌گیری در هر دو روش در حد قابل پذیرش و بسیار به هم نزدیک است‌. نتیجه­ گیری: نتایج تحقیق حاکی از آن است که از رویکرد‌های داده مدار می‌توان در مراکز درمانی و سایر بیماری‌های کمتر شناخته شده استفاده نمود و پیشگیری به موقع‌، مدیریت خود بیمار و کاهش هزینه‌های درمانی را میسر ساخت.