ارائه مدلی برای تعیین میزان پوکی استخوان با استفاده از الگوریتم ماشین بردار پشتیبان در مردان سالمند فعال

مقدمه و اهداف شکستگی‌های ناشی از پوکی استخوان، هر ساله هزینه‌های اقتصادی گزافی را بر مردم و سیستم درمانی کشور وارد می‌کند. داده‌کاوی به خاطر داشتن قدرت پردازش حجم عظیم داده‌ها و کاهش زمان تشخیص در زمینه‌های مختلف از جمله پزشکی و ورزشی، کاربردهای زیادی دارد. بنابراین هدف اصلی این مطالعه ارائه مدلی برای تعیین میزان پوکی استخوان با استفاده از الگوریتم ماشین بردار پشتیبان در مردان سالمند فعال بود.مواد و روش هااین مطالعه از نوع توسعه‌ای- کاربردی بود. اطلاعات آزمایشگاهی 652 بیمار مورد بررسی قرار گرفت و از بین این افراد، 108 مرد سالمند فعال انتخاب شدند. که 58 نفر سالم، 33 نفر استئوپنی و 17 نفر استئوپروز بودند. از الگوریتم ماشین بردار پشتیبان برای برای دسته بندی افراد استفاده شد. همچنین از نرم افزار متلب نسخه 2020 برای تجزیه و تحلیل داده‌ها استفاده شد. ارزیابی بر اساس ماتریس درهم ریختگی و معیارهای دقت و صحت انجام گرفت . یافته هااز 103 ویژگی مربوط به اطلاعات شخصی و سبک زندگی آزمودنی‌ها، طبق نظر پزشکان و نتایج مقالات علمی، 8 ویژگی به عنوان ورودی الگوریتم انتخاب شدند. نتایج نشان داد که الگوریتم ماشین بردار پشتیبان می‌تواند با دقت 3/59 درصد و صحت 91/54 درصد افراد سالم، استئوپنی و استئوپروز را تشخیص دهد.نتیجه گیریویژگی‌های پیش بینی کننده الگوریتم‌ داده‌کاوی در این مطالعه با نتایج بالینی به دست آمده از مطالعات پزشکی و با یافته‌های تحقیقات قبلی مطابقت دارد. این مطالعه نشان می‌دهد که با کشف الگوها و روابط پنهان در داده‌ها، احتمالا به درستی از این الگوریتم می‌توان برای بهبود کیفیت خدمات تشخیصی و درمانی استفاده کرد.