[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
IFRAME

..
:: دوره 20، شماره 5 - ( ویژه نامه زمستان: خلاصه سیاستی 1404 ) ::
جلد 20 شماره 5 صفحات 212-209 برگشت به فهرست نسخه ها
استقرار نظام غربالگری هوشمند پرفشاری خون: راهکاری نوین برای ارتقای نرخ شناسایی بیماران پرفشاری خون در ایران
سیده ملیکا طاهری قلعه نو* ، فرید زایری ، فریبا عزیزی ، رضا همایونفر
گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران ، melikataheri24@gmail.com
چکیده:   (33 مشاهده)
سابقه و هدف: پرفشاری خون، یکی از بحرانی‌ترین چالش‌های سلامت عمومی در ایران است (3). این بیماری در صورت عدم تشخیص به‌موقع، منجر به عوارض وخیمی همچون نارسایی‌های قلبی و کلیوی و سکته‌های مغزی می‌گردد (3,7). با توجه به پیر شدن جمعیت و اپیدمی چاقی، نظام‌های غربالگری سنتی حساسیت کافی برای شناسایی زودهنگام را ندارند و بار اقتصادی سنگینی بر سیستم سلامت تحمیل می‌کنند (3,7).
مواد و روش‌ها: این پژوهش بر پایه داده‌های مطالعه کوهورت فسا شامل ۹۹۵۱ فرد ۳۵ تا ۷۰ ساله روستایی می‌باشد (1,4). در این مطالعه، از الگوریتم‌های پیشرفته یادگیری ماشین، به ویژه الگوریتم نوین کازمز و مدل جنگل تصادفی، برای شناسایی عوامل خطر و پیش‌بینی ابتلا به پرفشاری خون استفاده شده است(1,5).
یافته‌ها: میزان شیوع پرفشاری خون در جمعیت مورد مطالعه ۲۸.۱۳٪ گزارش شد که در زنان (۳۳.۶۹٪) به طور قابل توجهی بیشتر از مردان (۲۱.۳۱٪) است(5). شاخص توده بدنی (BMI) ، قند خون ناشتا، نسبت دور کمر به قد و سابقه بیماری قلبی به عنوان کلیدی‌ترین متغیرهای پیش‌بینی‌کننده شناسایی شدند(1,6). الگوریتم کازمز با حساسیت ۶۶.۲۹٪ بالاترین میزان شناسایی را در میان مدل‌های درخت رده‌بندی داشت و مدل جنگل تصادفی با دقت کلی (AUC) ۷۵.۳۸٪ دقیق‌ترین عملکرد را ارائه داد (1,5,6). داشتن سابقه بیماری قلبی، شانس ابتلا به پرفشاری خون را ۴.۶۱ برابر افزایش می‌دهد(1).
نتیجه‌گیری: یافته‌ها نشان می‌دهد که جایگزینی ابزارهای سنتی با نظام‌های غربالگری هوشمند ضرورت دارد (7). پیشنهاد می‌شود الگوریتم‌های یادگیری ماشین در سامانه پرونده الکترونیک سلامت (سیب) ادغام شوند تا با تمرکز بر پیشگوهای کلیدی مثل BMI و چاقی شکمی، شناسایی بیماران در سطح مراقبت‌های اولیه (PHC) ارتقا یابد (8,9). این اقدام می‌تواند بار ناشی از بیماری‌های غیرواگیر را در ایران به طور معناداری کاهش دهد(7).
واژه‌های کلیدی: درخت رده‌بندی، الگوریتم کازمز، جنگل تصادفی، پرفشاری خون، مطالعه کوهورت فسا
متن کامل [PDF 652 kb]   (21 دریافت)    
نوع مقاله: خلاصه سیاستی | موضوع مقاله: تغذيه
دریافت: 1405/3/10 | پذیرش: 1404/11/10 | انتشار: 1404/11/10
فهرست منابع
1. Taheri SM. Fitting classification tree based on COZMOS algorithm in hypertensive patients data: Fasa cohort study [Master's thesis]. Shahid Beheshti University of Medical Sciences, Faculty of Paramedical Sciences; 1402.
2. World Health Organization. Noncommunicable diseases. Available from: https://www.who.int/news-room/fact-sheets/detail/noncommunicable-diseases
3. World Health Organization. Global status report on noncommunicable diseases 2014.
4. Khosravi Shadmani F, Farzadfar F, Larijani B, Mirzaei M, Haghdoost AA. Trend and projection of mortality rate due to non-communicable diseases in Iran: A modeling study. PLoS One. 2019;14(2):e0211622. [DOI:10.1371/journal.pone.0211622]
5. Azadnajafabad S, Mohammadi E, Aminorroaya A, et al. Non-communicable diseases' risk factors in Iran; a review of the present status and action plans. J Diabetes Metab Disord. 2021. [DOI:10.1007/s40200-020-00709-8]
6. Williams B, Mancia G, Spiering W, et al. 2018 ESC/ESH Guidelines for the management of arterial hypertension. Eur Heart J. 2018;39(33):3021-104. [DOI:10.1093/eurheartj/ehy339]
7. Oliveros E, Patel H, Kyung S, et al. Hypertension in older adults: Assessment, management, and challenges. Clin Cardiol. 2020;43(2):99-107. [DOI:10.1002/clc.23303]
8. Bijani M, Parvizi S, Dehghan A, et al. Investigating the prevalence of hypertension and its associated risk factors in a population-based study: Fasa PERSIAN COHORT data. BMC Cardiovasc Disord. 2020;20(1):503. [DOI:10.1186/s12872-020-01797-3]
9. World Health Organization. Global action plan for the prevention and control of noncommunicable diseases 2013-2030.
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Taheri Ghaleno M, Zayeri F, Azizi F, Homayounfar R. Implementation of an Intelligent Blood Pressure Screening System: A Novel Strategy for Improving Early Detection and Diagnosis of Hypertension in Iran. Iranian J Nutr Sci Food Technol 2026; 20 (5) :209-212
URL: http://nsft.sbmu.ac.ir/article-1-4168-fa.html

طاهری قلعه نو سیده ملیکا، زایری فرید، عزیزی فریبا، همایونفر رضا. استقرار نظام غربالگری هوشمند پرفشاری خون: راهکاری نوین برای ارتقای نرخ شناسایی بیماران پرفشاری خون در ایران. علوم تغذیه و صنایع غذایی ایران. 1404; 20 (5) :209-212

URL: http://nsft.sbmu.ac.ir/article-1-4168-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 20، شماره 5 - ( ویژه نامه زمستان: خلاصه سیاستی 1404 ) برگشت به فهرست نسخه ها
Iranian Journal of  Nutrition Sciences and Food  Technology
Persian site map - English site map - Created in 0.04 seconds with 39 queries by YEKTAWEB 4743