مدل بندی و داده کاوی داده های جهانی بیماران ویروس کووید 19
مجله طب اورژانس ایران,
دوره 7 شماره 1 (2020),
28 March 2020
,
صفحه e40
https://doi.org/10.22037/ijem.v7i1.31114
چکیده
مقدمه: تکنیک‌های داده‌کاوی از جمله الگوریتم‌های درخت تصمیم برای مدل سازی و پیش بینی افراد در معرض خطر ابتلا به کووید 19 می‌تواند مفید باشد. هدف اصلی این مطالعه، تخمین ریسک مرگ افراد به واسطه بیماری کووید 19 با استفاده از الگوریتمCART و بر اساس عوامل موثر است.
روش کار: این پژوهش از نوع تحلیلی بوده و تمام افراد بیمار کووید 19 که در سایت Kaggle از طریق دانشگاه جانز هاپکینگ جمع آوری شده است، استخراج گردید. تعداد کل بیماران برابر 26031 نفرازکشورهای مختلف است. تجزیه و تحلیل داده‌ها با استفاده از نرم افزار آماریJMP نسخه 13 انجام شده است. در بخش مدل‌سازی از الگوریتم درخت تصمیم گیری و مدل درخت رگرسیون و طبقه بندی (CART) استفاده شده است.
یافته‌ها: نتایج مدل رگرسیون و طبقه بندی درختی نشان می‌دهد که از متغیرهای کمی به ترتیب اهمیت سن، زمان بستری تا نتیجه، فاصله شروع علائم تا نتیجه آزمایش و فاصله بستری تا نتیجه آزمایش و از متغیر کیفی جنسیت در نتیجه درمان بیماران موثر می‌باشند. باتوجه به تحلیل کلمات، به ترتیب علائم تب، سرفه، گلودرد، خستگی، ضعف، سردرد، لرز و آب ریزش بینی در این بیماری برای افراد بیشترین فراوانی را داشته است.
نتیجه گیری: دقت مدل برازش داده شده با توجه به سطح زیر منحنی راک، برابر 1/94 درصد برای داده های آزمایشی و 1/91 درصد برای داده های آموزشی تعیین شده است.
- درخت رگرسیون و طبق بندی، ویروس کووید 19، داده‌کاوی، منحنیROC
ارجاع به مقاله
مراجع
Chen Y, Liu Q, Guo D. Emerging coronaviruses: genome structure, replication, and pathogenesis. Medical Virology. 2020.
National Health Commission's briefing on the pneumonia epidemic situation, Pub. L. No. Released on 23 Feb 2020(2020).
Chan JF, Kok KH, Zhu Z, Chu H, To KK, Yuan S, et al. Genomic characterization of the 2019 novel human-pathogenic coronavirus isolated from a patient with atypical pneumonia after visiting Wuhan. Emerging Microbes & Infections. 2020;9(1):221-36.
Gorbalenya AE. Severe acute respiratory syndrome-related coronavirus. The species and its viruses, a statement of the Coronavirus Study Group. BioRxiv. 2020.
Wrapp D, Wang N, Corbett KS, Goldsmith JA, Hsieh CL, Abiona O, et al. Cryo-EM structure of the 2019-nCoV spike in the prefusion conformation. Science. 2020 Feb 19.
Farnoosh G, Alishiri G, Farnoosh G, Hosseini R, Dorostkar R, Jalali A. Understanding the 2019-novel Coronavirus (2019-nCoV) and Coronavirus Disease (COVID-19) Based on Available Evidence - A Narrative Military Medicine. 2020;22(1):1-11.
Choi SB, Kim WJ, Yoo TK, Park JS. Screening for Prediabetes Using Machine Learning Models. Computational and Mathematical Methods in Medicine 2014;8.
Breiman L, Friedman JH, Olshen RA, Stone CJ. Classification and Regression Trees. CRC Press, New York. 1984.
- چکیده مشاهده شده: 784 بار
- pdf دانلود شده: 222 بار