الباحثون المشاركون

التخصص: تقنية المعلومات

التخصص الدقيق:

المستخلص: تظهر أمراض القلب باعتبارها السبب الوحيد الأكثر أهمية للوفيات في جميع أنحاء العالم وهي واحدة من أكثر الحالات المزمنة تكلفة. بغض النظر عن مضاعفات أمراض القلب الضارة ، فهو أكثر الأمراض التي يمكن الوقاية منها والسيطرة عليها ؛ لذلك ، من المهم التنبؤ بها في وقت مبكر. بالنظر إلى معدل الوفيات من اضطرابات القلب وارتفاع تكاليف الرعاية الصحية ، من المهم التنبؤ بهذا المرض الخبيث في أقرب وقت ممكن. توجد نماذج حالية لتقييم مخاطر الإصابة باضطراب القلب ولكنها مكلفة ومعقدة من الناحية التشغيلية مما يقيد استخدامها في المناطق الريفية وفي تقييمات الفحص على المستوى العام. للتغلب على هذه العيوب في الأنظمة السائدة لمخاطر الإصابة بأمراض القلب ، نقوم بتطوير نموذج لتقييم مخاطر أمراض القلب يمكن استخدامه في الفحص بالمعايير العامة للتعرف على المرضى المعرضين لخطر الإصابة بأمراض القلب وإنتاج المعرفة لتسهيل التدخل الأولي وتعزيز صحة المريض . يستخدم نموذج تقييم المخاطر المطور الغابات العشوائية وآلة دعم المتجهات وتقنيات التعلم الآلي لشجرة القرار. يتم التحقق من كفاءة نموذج المخاطر المطور باستخدام نماذج ومقاييس طبية مختلفة. تظهر النتائج التجريبية أن نموذج التقييم العشوائي لمخاطر الغابات يتفوق على نماذج المخاطر المقترحة الأخرى مع أعلى معدل التعرف والدقة والحساسية ودرجة AUROC البالغة 90.42٪ و 91.97٪ و 89.75٪ و 94٪. وفقًا لمعرفتنا ، فإن النتائج التجريبية التي تم الحصول عليها هي أعلى من القيم المنشورة في الأدبيات. نموذج المخاطر المطور قابل للتطبيق في الأماكن التي يفتقر فيها الأشخاص إلى مرافق تقنيات الرعاية الطبية الأولية المتكاملة.

Abstract: Heart disease is emerging as the single most critical reason of mortality worldwide and is one of the costliest chronic conditions. Regardless of heart diseases damaging complications, it is the most preventable and controllable disease; therefore, it is important to predict it ahead of time. Considering the mortality rate of heart disorder and its rising health care costs, it is important to predict this malignant disease at its earliest. There are existing cardiac disorder risk assessment models however they are costly and operationally complex that restrains their use in rural areas and at public-level screening evaluations. To overcome these drawbacks of the prevailing heart disease risk systems, we develop a heart disease risk assessment model that can be utilized for public-standard screening to recognize patients at a high risk of heart disease and produce knowledge to facilitate initial intervention and enhance patient’s health. The developed risk assessment model uses random forest, support vector machine and decision tree machine learning techniques. The developed risk model’s efficiency is checked using various model and medical metrics. Experimental results show that the random forest risk assessment model outperforms other proposed risk models with the highest recognition rate, precision, sensitivity and AUROC score of 90.42%, 91.97%, 89.75% and 94%. As per our knowledge the experimental results obtained are highest than the published values in the literature. The developed risk model is applicable in where people lack the facilities of the integrated primary medical care technologies.

الحالة: محكم ومنشور

جهة التحكيم:

دار النشر:

سنة النشر: 0