مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

263
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی نوع بیماری مالاریا با استفاده از الگوریتم درخت تصمیم تقسیم و رگرسیون

صفحات

 صفحه شروع 75 | صفحه پایان 81

چکیده

 مقدمه: مالاریا یک بیماری عفونی است که سالانه 200 تا 300 میلیون نفر را گرفتار می سازد. ویژگی های محیطی چون بارش, درجه حرارت و رطوبت از جمله عوامل تاثیرگذار بر توزیع جغرافیایی و شیوع این بیماری هستند. همچنین, شرایط محیطی نیز بر فعالیت و وفور پشه ناقل بیماری مالاریا تاثیرگذار است. پژوهش حاضر با هدف ارائه مدلی برای پیش بینی نوع مالاریا صورت گرفت. روش کار: پژوهش حاضر به روش توصیفی-مقطعی صورت گرفت. جامعه ی پژوهش متشکل از 285 نفر مراجعه کننده به مرکز بهداشت سراوان از مرداد 88 تا آذر 95 بود. جهت تحلیل داده ها از نرم افزار کلمنتاین 12 (Clementine12. 0) استفاده شد. برای مدل سازی از الگوریتم های درخت تصمیم تقسیم و رگرسیون, آشکارساز تعامل خودکار مجذور کای, سی پنج و شبکه عصبی استفاده شد. یافته ها: مقدار صحت به دست آمده از اجرای الگوریتم های درخت تصمیم تقسیم و رگرسیون, آشکارساز تعامل خودکار مجذور کای, سی پنج و شبکه عصبی به ترتیب 7217/0, 6698/0, 6840/0 و 6557/0 بود. مقادیر به دست آمده برای شاخص های حساسیت, شفافیت, صحت, دقت و ارزش اخباری منفی و سطح زیر منحنی مشخصه ی عملکرد سیستم برای مدل درخت تصمیم تقسیم و رگرسیون نشان دهنده ی عملکرد بهتر این الگوریتم نسبت به سایر الگوریتم ها بود. مقادیر حساسیت و سطح زیر منحنی برای مدل درخت تصمیم تقسیم و رگرسیون 5787/0 و 66/0 بود. نتیجهگیری: استفاده از رو ش های نوین داده کاوی برای تحلیل داده های مالاریا, نحوه ی نگرش مراکز تحقیقات مالاریا را نسبت به شناسایی نوع مالاریا با توجه به گونه حشره تغییر می دهد. شناسایی سریع تر و دقیق تر نوع مالاریا به تشخیص صحیح روش درمان مناسب کمک نموده, منجر به ارتقای عملکرد سازمان های سلامت می گردد.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    عاشوری، مریم، و حمزه وی، فاطمه. (1398). پیش بینی نوع بیماری مالاریا با استفاده از الگوریتم درخت تصمیم تقسیم و رگرسیون. تحقیقات نظام سلامت حکیم (حکیم)، 22(1 (پیاپی 84) )، 75-81. SID. https://sid.ir/paper/412008/fa

    Vancouver: کپی

    عاشوری مریم، حمزه وی فاطمه. پیش بینی نوع بیماری مالاریا با استفاده از الگوریتم درخت تصمیم تقسیم و رگرسیون. تحقیقات نظام سلامت حکیم (حکیم)[Internet]. 1398؛22(1 (پیاپی 84) ):75-81. Available from: https://sid.ir/paper/412008/fa

    IEEE: کپی

    مریم عاشوری، و فاطمه حمزه وی، “پیش بینی نوع بیماری مالاریا با استفاده از الگوریتم درخت تصمیم تقسیم و رگرسیون،” تحقیقات نظام سلامت حکیم (حکیم)، vol. 22، no. 1 (پیاپی 84) ، pp. 75–81، 1398، [Online]. Available: https://sid.ir/paper/412008/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    مرکز اطلاعات علمی SID
    strs
    دانشگاه امام حسین
    بنیاد ملی بازیهای رایانه ای
    کلید پژوه
    ایران سرچ
    ایران سرچ
    فایل موجود نیست.
    بازگشت به بالا