عنوان پایان‌نامه
پیش بینی خطر ابتلا به بیماری فشارخون بالا در ایران
- رشته تحصیلی
- مهندسی فناوری اطلاعات پزشکی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65481;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 141
- تاریخ دفاع
- ۱۳ بهمن ۱۳۹۲
- دانشجو
- الهام ابراهیمی
- استاد راهنما
- مهدی تیموری
- چکیده
- در سراسر دنیا بیماری فشارخون بالا در حال افزایش است. در کشور ایران نیز 20 درصد افراد مبتلا به فشارخون هستند و پیش‌بینی شده است چنانچه با این بیماری مقابله نشود این درصد تا سال 1395 حدود دو برابر شوند. پیش‌بینی شده است چنانچه در کشورهای مختلف پروژه‌هایی جهت پیشگیری از شیوع این بیماری در نظر گرفته نشود هزینه‌های سنگینی به کشورها تحمیل خواهد کرد، با توجه به این مطالب بهتر است بیماران را قبل از اینکه به مراحل پیشرفته‌ی بیماری برسند شناسایی کنیم و از این طریق با هزینه‌های سنگین این بیماری مقابله نماییم. هدف ما در این پایان‌نامه طراحی یک مدل پیش‌بینی بومی برای شناسایی هرچه بیشتر افراد در معرض خطر است. در این پژوهش تلاش شده است تا با استفاده از روش‌های مختلف یادگیری ماشین به یک مدل پیش‌بینی مبتنی بر هزینه و با در نظر گرفتن توزیع این بیماری در کل جامعه ( و نه فقط در مجموعه داده) برسیم که تا حد ممکن بهترین عملکرد در پیش‌بینی افراد در معرض خطر را داشته باشد. در این تحقیق علاوه بر تمامی افراد جامعه، به طور جداگانه تمرکز خود را بر روی بیماران دیابتی قرار داده‌ایم و مدلی مجزا برای پیش‌بینی بیماری فشارخون بالا در میان این بیماران طراحی کرده‌ایم. طبق نتایج به دست آمده درخت تصمیم در مورد تمام افراد با صحت 79.60 و در مورد جامعه‌ی بیماران دیابتی شبکه عصبی با صحت 65.77 بهترین عملکرد را داشته است. در این مدل سعی شده است افراد بیمار (هرچند که ظاهراً فشارخون حداقل و حداکثر آن‌ها در آزمایش به طور تصادفی طبیعی بوده است) را تشخیص داده و این افراد را به برنامه‌ی پایش فشارخون بالا دعوت نماییم. طبق نتایج به دست آمده زنان بیشتر از مردان در معرض بیماری فشارخون بالا قرار دارند و همین طور زنان بیشتر از مردان با افزایش سن دچار بیماری فشارخون بالا می‌شوند. بیماران دیابتی به طور عادی فشارخون ماکسیمم و فشارخون می‌نیمم بالاتر از افراد سالم (سلامت از نظر فشارخون) دارند حتی اگر هنوز مبتلا به بیماری فشارخون بالا نشده باشند. سابقه دیابت در خانواده‌ی فرد دیابتی تأثیری در ابتلای وی به بیماری فشارخون بالا ندارد. افزایش قندخون ناشتا فرد دیابتی را بیشتر در معرض پرفشاری خون قرار می‌دهد. افراد مبتلا به دیابت در سنین کمتری نسبت به سایرین به فشارخون بالا مبتلا می‌شوند. واژه‌های کلیدی: فشارخون، دیابت، یادگیری ماشین، دسته‌بندی، روش‌های حساس به هزینه
- Abstract
- All around the world the hypertension disease is increasing. In Islamic Republic of Iran 20% of person have this illness and according to predictions this amount will be duplicates till 1395 if they don’t do anything to prevent prevalence of it. Predictions say that if they don’t do series actions against this disease, it will constrain so much cost to countries. Hence it is better to detect seek people before improving their illness and with this manner we fight the costs of this disease. In this thesis designing a native model of detecting the majority of people under the risk of hypertension disease is our aim. In this project is attempted to design a cost sensitive model of hypertension prediction, considering the distribution of the disease in the general population (not only in dataset), with different machine learning algorithms that has the best performance as possible. In this research, in addition to all the individuals, we have separately focused on diabetic patients and designed a separate model for predicting hypertension among these patients. According to the results, decision tree with the accuracy of 79.60 for all people and neural networkwith the accuracy of 65.77 for diabetics had the best performance. Women more than men are at the risk of hypertension and also women more than men are under the risk of hypertension with aging. Normally the Systolic and Diastolic pressure in diabetic patients are higher than in healthy individuals (healthy at hypertension), even if they are not still suffering from hypertension. Family history of diabetes has no effect on the risk of hypertension. Increasing fasting blood sugar in people with diabetes causes more hypertension among them. People with diabetes are suffering from hypertension at younger ages than others. Keywords: hypertension, diabetes, machine learning, classification, cost sensitive model
