جلسه دفاع مائده حبیبی دانشجوی کارشناسی ارشد آمار زیستی دانشکده بهداشت
جلسه دفاع کارشناسی ارشد آمار زیستی
مائده حبیبی دانشجوی کارشناسی ارشد آمار زیستی دانشکده بهداشت در روز یکشنبه 19دیماه1400 از پایان نامه خود با عنوان " کاربرد درخت تصمیم در بررسی ارتباط بین ویژگی های شخصیتی با افسردگی و اختلالات شبهجسمی در دانشجویان ورودی سال 97 دانشگاه علوم پزشکی اصفهان " با راهنمایی دکتر سید محسن حسینی ومشاوره دکتر کتایون ربیعی دفاع نمودند.
چکیده
سابقه و هدف: افسردگی و اختلالات شبهجسمی از جمله اختلالات شایع در سالهای اخیر هستند. بررسی این اختلالها در بین دانشجویان از اهمیت بالایی برخوردار است زیرا باعث کاهش دستاوردهای اجتماعی، شغلی و تحصیلی آنها در آینده میشود. روشهای آماری به کار رفته در مطالعات مشابه غالبا به روشهای آماری کلاسیک محدود شدهاند. بنابراین لزوم استفاده از روشهای جدید آماری بیش از پیش احساس میشود. هدف از مطالعه حاضر بررسی رابطه بین ویژگیهای شخصیتی با افسردگی و اختلالات شبهجسمی با استفاده از الگوریتمهای آماری جدید در حوزهی دادهکاوی است.
مواد و روشها: مطالعه حاضر یک مطالعه مقطعی بود که در آن نمونه مطالعه شامل 1243 نفر از دانشجویان دانشگاه علوم پزشکی اصفهان در سال 1397 بود. پرسشنامههای استفاده شده در این مطالعه شامل PHQ-9 (برای ارزیابی افسردگی)، PHQ-15 (برای ارزیابی اختلالات شبهجسمی)، NEO-60 (برای ارزیابی صفات شخصیتی) و پرسشنامه اطلاعات دموگرافیک بود. برای مدلسازی از سه الگوریتم معروف درختی در دادهکاوی (CART, CHAID و C5.0) استفاده شد. دادهها با استفاده از نرم افزار SPSS Modeler نسخه 18 تجزیه و تحلیل شدند.
یافتهها: نتایج روشهای درختی نشان دادند در بین صفات شخصیتی عامل روانرنجوری تاثیرگذارترین عامل بر روی ابتلا به افسردگی (4/87Average Rank=) و اختلالات شبهجسمی (9/34Average Rank=) است. علاوه بر آن نشان داده شد که C5.0 در مقایسه با CHAID و CARTاز عملکرد بالاتری در پیشگویی افسردگی (100%Sensitivity=، 8/96 =specificity، 5/97Accuracy=) و اختلالات شبهجسمی (100%Sensitivity=، 6/97 = specificity،9/97= Accuracy=) برخوردار است.
نتیجه گیری: الگوریتمهای درخت تصمیم از قابلیت خوبی در تشخیص برخی اختلالات روانی برخورداراند. همچنین روانرنجوری مهمترین پیشگو در بین ویژگیهای شخصیتی برای پیشبینی افسردگی و اختلالات شبهجسمی بود. بنابراین میتوان با ایجاد بسترهای لازم برای آموزش مراقبتهای بهداشت روان به دانشجویان بالقوه آسیبپذیر از بروز اینگونه اختلالات پیشگیری کرد.
واژه های کلیدی: دادهکاوی، درخت تصمیم، یادگیری ماشین، طبقه بندی، افسردگی، شبهجسمی
