دوره 10، شماره 3 - ( 7-1393 )
جلد 10 شماره 3 صفحات 586-571 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Morteza Farahi, Hamid Reza Marateb, Roya Kelishadi, Mohammad Esmaeil Motlagh. A computer-aided Diagnosis System for the Prediction of Overweighs Using Life Style Factors, Socio-economic Status and Family History of Disorders in Children. J Health Syst Res 2014; 10 (3) :571-586
URL: http://hsr.mui.ac.ir/article-1-714-fa.html
URL: http://hsr.mui.ac.ir/article-1-714-fa.html
مرتضی فرحی ، حمید رضا مراتب ، رویا کلیشادی ، محمد اسماعیل مطلق . طراحی سیستم تشخیصی هوشمند به‌منظور پیش‌بینی چاقی در کودکان با استفاده از عوامل شیوه زندگی، وضعیت اجتماعی- اقتصادی و اطلاعات وراثتی. مجله تحقیقات نظام سلامت. 1393; 10 (3) :571-586
1- دانشجو، گروه مهندسی پزشکی، دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان، ایران
2- استادیار گروه مهندسی پزشکی، دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان، ایران
3- استاد دانشگاه علوم پزشکی اصفهان، مرکز تحقیقات رشد و نمو کودکان، اصفهان، ایران
4- متخصص اطفال-اداره کل سلامت نوجوانان،جوانان ومدارس- وزارت بهداشت،درمان وآموزش پزشکی،تهران
2- استادیار گروه مهندسی پزشکی، دانشکده فنی مهندسی، دانشگاه اصفهان، اصفهان، ایران
3- استاد دانشگاه علوم پزشکی اصفهان، مرکز تحقیقات رشد و نمو کودکان، اصفهان، ایران
4- متخصص اطفال-اداره کل سلامت نوجوانان،جوانان ومدارس- وزارت بهداشت،درمان وآموزش پزشکی،تهران
چکیده: (1343 مشاهده)
مقدمه: چاقی یکی از مهم‌ترین مشکلات تغذیه‌ای در سراسر دنیا است. اگرچه مطالعات به غیر از مشکلات فیزیکی و حرکتی، گزارشی مبنی بر بروز بیماری‌های مزمن ناشی از چاقی در دوران کودکی ارایه نداده‌اند؛ اما چاقی در کودکی می‌تواند منجر به طیف وسیعی از مشکلات در آینده شود. در این مطالعه با هدف تشخیص زود هنگام بر آن هستیم تا با طراحی یک سیستم هوشمند احتمال وقوع چاقی را بر اساس اطلاعات اولیه‌ای بر اساس نحوه شیوه زندگی و یا سایر متغیرهای عمومی اولیه، پیش‌بینی کنیم.روش‌ها: در این مطالعه 9795 نفر (17/49% پسر) درگروه‌های سنی 6 تا 18 سال براساس چهارمین فاز مطالعه ملی گسترده کاسپین، مورد بررسی قرارگرفته‌اند. متغیرهای ورودی سیستم براساس عادات تغذیه‌ای، فعالیت ورزشی، اطلاعات وراثتی، وضعیت اجتماعی و اقتصادی و سابقه چاقی و دیابت مشخص گردیده‌اند. سپس بر اساس روش‌های داده‌کاوی و هوش مصنوعی، مشکل چاقی شناسایی و بررسی شده است. روش‌های انتخاب ویژگی نیز برای بهینه‌سازی سیستم طراحی شده در نظر گرفته شده است.یافته‌ها: عملکرد روش‌های دسته‌بندی مورد مطالعه توسط روش ارزیابی متقابل دولایه‌ای مورد بررسی قرار گرفت. با توجه به نتایج حاصل از ارزیابی، بهترین نتیجه توسط روش دسته‌بندی ماشین‌بردار پشتیبان به دست آمده است. دقت و صحت این روش شناسایی پس از انتخاب ویژگی به ترتیب 3/63 و 7/83 درصد بوده است. ویژگی‌هایی ازقبیل سن، فعالیت ورزشی، نوع تغذیه در دوران نوزادی و سابقه دیابت در خانواده به‌عنوان تأثیرگذارترین ویژگی‌ها در ایجاد روند چاقی در دو گروه دختر و پسر شناسایی شده‌اند.نتیجه‌گیری: طراحی سیستم‌های تشخیصی هوشمند با استفاده از پارامترهایی از قبیل شیوه زندگی، وضعیت اجتماعی اقتصادی و اطلاعات وراثتی می‌تواند در پیشگیری چاقی کودکان در آینده کمک نموده و به اصلاح شیوه زندگی آنان، بیانجامد. طراحی این سیستم‌های هوشمند تحت وب، می‌تواند خدمات پیشگیری را برای خانواده‌ها به راحتی ممکن سازد..واژه‌های کلیدی: داده‌کاوی؛چاقی؛روش‌های دسته‌بندی؛سیستم تشخیصی؛ هوش مصنوعی
نوع مطالعه: پژوهشي |
موضوع مقاله:
آموزش بهداشت و ارتقاء سلامت
دریافت: 1399/4/26 | پذیرش: 1393/7/23 | انتشار: 1393/7/23
دریافت: 1399/4/26 | پذیرش: 1393/7/23 | انتشار: 1393/7/23
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
