TY - JOUR ID - 2311 TI - توسعه الگوریتم درخت تصمیم برای تشخیص سریع بیماری کووید 19 برپایه اینترنت اشیاء JO - علوم و فنون مدیریت اطلاعات JA - STIM LA - fa SN - 2476-6658 AU - حسینی, سیده زهره AU - رادفر, رضا AU - نصیری پور, امیر اشکان AU - رجب‌زاده, علی AD - دانشجوی دکتری، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. AD - استاد، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران AD - دانشیار، دانشکده علوم و فناوری‌های پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. AD - استاد، دانشکده مدیریت صنعتی، دانشگاه تربیت مدرس، تهران، ایران Y1 - 2022 PY - 2022 VL - 8 IS - 3 SP - 387 EP - 422 KW - کووید19 KW - بیماری‌های واگیردار KW - الگوریتم درخت تصمیم KW - برای تشخیص بیماری KW - اینترنت اشیاء KW - یادگیری ماشین KW - هوش مصنوعی DO - 10.22091/stim.2022.8367.1817 N2 - هدف: چالش‌های بهداشتی بدون شک مهم‌ترین موانع توسعه پایدار جهانی است و با مشکلات اجتماعی و اقتصادی مختلف و ناکافی بودن منابع رشد می‌کند. در مقابل سلامت جامعه به توسعه اقتصاد ملی و جهانی کمک کرده و بنابراین در شکل‌گیری ثبات و رفاه یک ملت یا منطقه، نقش زیادی دارد. امروزه با توجه به مهم بودن مسئله سلامت در حوزه بیماری‌های واگیر، وجود سیستمی به‌ منظور پیش‌بینی و کنترل همه‌گیری‌ها لازم است؛ زیرا با پیشگیری از شیوع همه‌گیری، می‌تواند علاوه بر ارزش بالای انسانی در جوامع، سودآوری اقتصادی نیز برای نظام‌های سلامت داشته باشد. بنابراین، مطالعه حاضر با هدف توسعه الگوریتم‌ هوش مصنوعی بر پایه ویژگی‌های بدست آمده از اینترنت اشیاء برای تشخیص سریع کووید19 انجام شده است.روش: روش پژوهش حاضر از نظر پارادایم، تفسیری و از لحاظ استراتژی اکتشافی است. همچنین براساس نوع گردآوری داده‌ها از نوع پژوهش‌های کیفی بوده و با توجه به توسعه الگوریتم، روش تحقیق در این پژوهش مبتنی بر علم طراحی است. رویکرد تحقیق آینده‌نگر است، به طوری که مکانیزم انتقال بیماری و ویژگی‌های تاثیرگذار آن، ما را قادر به پیش‌بینی‌هایی در مورد بیماری و در نتیجه طرح استراتژی‌های کنترل بیماری و مراقبت‌های بهداشتی می‌نماید. این پژوهش در یک فرآیند 7 مرحله‌ای انجام شد.ویژگی‌های اینترنت اشیاء در پژوهش حاضر با نظر خبرگان استخراج گردید و ویژگی‌های بدست آمده در آزمایش الگوریتم «درخت تصمیم» بر روی داده‌ها، برای تعیین بهترین مدل ایجاد شد.یافته‌ها: نتایج مرور سیستماتیک رشد سریع مستندات از سال 2015 را نشان داد که می‌تواند نشان‌دهنده کاربردی شدن حوزه‌های مختلف فناوری اطلاعات مانند اینترنت اشیاء و یادگیری ماشین در زمینه سلامت عمومی و پیش‌گیری از بیماری‌های واگیر باشد. در الگوریتم مقادیر K از 1 تا 20 همسایگی محاسبه شد و بهترین دقت در K برابر 2 بدست آمد. بنابراین، برای پیش‌بینی بیماری کووید19، دقت الگوریتم بالاتر از 98 درصد است. پس از محاسبه دقت، تحلیل ماتریس ابهام نشان داد در K برابر 2، حساسیت 99 درصد و ویژگی 92 درصد است.نتیجه‌گیری: مقایسه نتایج الگوریتم نشان می‌دهد که علاوه بر دقت، ‌حساسیت و ویژگی بدست آمده، بالاتر از روش‌های سنّتی تشخیص بیماری‌های واگیردار است. همچنین به دلیل نداشتن ویژگی‌های پیچیده غیرضروری که صرفاً زمان پیاده‌سازی مدل را افزایش می‌دهند، الگوریتم در چند دقیقه ران شده و بنابراین سرعت تشخیص بسیار بالا است. حساسیت بالای 99 درصد که نشان‌دهنده کم‌ترین موارد منفی کاذب است، در این پژوهش بدست آمد و بنابراین الگوریتم پیشنهادی برای شناسایی حداکثر افراد مبتلاء به کووید19 بسیار مناسب و کاربردی است.  UR - https://stim.qom.ac.ir/article_2311.html L1 - https://stim.qom.ac.ir/article_2311_151bb0ab662adc20a7bcb3276a962b28.pdf ER -