| بررسی پتانسیل داده کاوی در پیش بینی بیماری قلبی: مطالعه مروری |
| کد مقاله : 1106-CYSP2024 (R1) |
| نویسندگان |
|
محمد سیاوشی1، علی وحیدی سبزوار *2، فریده امامی3 1گروه پرستاری، ، دانشگاه علوم پزشکی نیشابور، نیشابور، ایران 2دانشجوی دکتری مدیریت منابع انسانی، پردیس دانشگاه تهران، ایران 3کارشناس پرستاری، بهداشت و درمان شمال شرق کشور |
| چکیده مقاله |
| داده‌کاوی به فرایند محاسباتی بررسی مجموعه‌داده‌های وسیع برای استخراج بینش معنادار اشاره دارد. ابزارهای مورداستفاده در داده کاوی قادر به پیش‌بینی روندهای آینده هستند و سازمان‌ها را قادر می‌سازند تا در تصمیم‌گیری آگاهانه و فعال شرکت کنند. با استفاده از این ابزارها، شرکت‌ها می‌توانند سؤالات تجاری را که به‌طور سنتی نیازمند زمان و تلاش قابل‌توجهی است، حل کنند. حجم وسیعی از داده‌های تولید شده برای پیش‌بینی بیماری‌های قلبی، اغلب برای رویکردهای تحلیلی مرسوم، بسیار پیچیده و فراوان است که نمی‌توان آنها را به‌طور مؤثر مدیریت کرد. داده‌کاوی هم متدولوژی و هم چارچوب تکنولوژیکی لازم برای تبدیل این مجموعه‌داده‌های گسترده به اطلاعات عملی برای اهداف تصمیم‌گیری را ارائه می‌دهد. هنگام استفاده از تکنیک‌های داده‌کاوی، پیش‌بینی بیماری‌ها می‌تواند سریع‌تر و بادقت بیشتری تکمیل شود. این مقاله به بررسی مطالعات مختلفی می‌پردازد که یک یا چند الگوریتم داده‌کاوی را در پیش‌بینی بیماری قلبی پیاده‌سازی می‌کنند. قابل‌ذکر است، نتایج با استفاده از شبکه‌های عصبی در برخی مطالعات نزدیک به 100٪ دقت دارند؛ بنابراین، استفاده از الگوریتم‌های داده‌کاوی نتایج کارآمد و قابل‌اعتمادی را در تجزیه‌وتحلیل پیش‌بینی به همراه دارد. ترکیب تکنیک‌های داده‌کاوی در تجزیه و تحلیل داده‌های درمان بیماری قلبی می‌تواند به سطوح عملکردی قابل‌مقایسه با آنچه در تشخیص این بیماری به‌دست می‌آید منجر شود. |
| کلیدواژه ها |
| : بیماری قلبی؛ داده‌کاوی؛ تکنیک‌های داده‌کاوی. |
| وضعیت: پذیرفته شده برای ارائه شفاهی |