دانشگاه علوم پزشکی و خدمات بهداشتی-درمانی استان اصفهان مجله دانشکده پزشکی اصفهان 1027-7595 44 851 2026 03 21 Diabetes prediction using the Adaboost algorithm in active men پیش‌بینی دیابت با استفاده از الگوریتم Adaboost در مردان فعال 137 142 33345 10.48305/jims.v44.i851.0137 FA حمید آقا علی نژاد استاد فیزیولوژی ورزش، گروه تربیت بدنی و علوم ورزشی، دانشکده‌ی علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران لیلا فصیحی دکتری فیزیولوژی ورزشی، گروه تربیت بدنی و علوم ورزشی، دانشکده‌ی علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران 0000-0002-9557-9152 محمدحسین قهرمانی کارشناسی ارشد فیزیولوژی ورزشی، گروه تربیت بدنی و علوم ورزشی، دانشکده‌ی علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران موژان آقا علی نژاد دانشجو کارشناسی ارشد فیزیولوژی ورزشی، گروه تربیت بدنی و علوم ورزشی، دانشکده‌ی تربیت بدنی و علوم ورزشی، دانشگاه تهران، تهران، ایران Journal Article 2025 03 09 Background: Diabetes affects cardiovascular diseases, vision loss, and kidney disease. Data mining techniques help doctors predict the disease early and treat it accurately. Given the role of physical activity in preventing diabetes, this study examined its effect alongside other risk factors. Therefore, the main objective of this study was to predict diabetes in active men using the Adaboost algorithm. Methods: In this applied-developmental study, the records of 500 male patients aged 20-80 years with a history of regular physical activity (at least 3 90-minute sessions per week) who had visited Milad and Ayatollah Kashani hospitals in Tehran in the past 10 years were selected as samples. 20 anthropometric, genetic, family history, environmental and physiological variables were selected as input features of the algorithm. The criteria of sensitivity, accuracy and precision were used to evaluate the performance of the proposed algorithm. MATLAB (2024) software was used for data analysis. Results: The results showed that the Adaboost algorithm was able to predict diabetes in active men with an accuracy of 73.1% and precision of 75.3%. Conclusion: This model can be used as an auxiliary tool in the initial screening of diabetes in medical centers. مقدمه: دیابت، بر بیماری‌های قلبی- عروقی، از دست دادن بینایی و بیماری‌های کلیوی تأثیر می‌گذارد. تکنیک‌های داده‌کاوی به پیش‌بینی زودهنگام و درمان دقیق بیماری پزشکان را کمک می‌کند. با توجه به نقش فعالیت بدنی در پیشگیری از دیابت، این مطالعه به بررسی تأثیر آن در کنار سایر عوامل خطر پرداخت. بنابراین، هدف اصلی این مطالعه، پیش‌بینی دیابت با استفاده از الگوریتم Adaboost در مردان فعال بود.. روش‌ها: در این مطالعه‌ی توسعه‌ای- کاربردی، پرونده‌ی‌ 500 ‎بیمار مرد در محدوده‌ی سنی 20-80 سال و با سابقه‌ی فعالیت بدنی منظم (حداقل 3 جلسه 90 دقیقه‌ای در هفته) که در 10 سال گذشته در بیمارستان‌های میلاد و آیت الله کاشانی تهران مراجعه کرده بودند به عنوان نمونه انتخاب شدند. تعداد20 متغیر آنتروپومتری، ژنتیکی، سابقه‌ی خانوادگی، عوامل محیطی و فیزیولوژیکی به عنوان ویژگی‌های ورودی الگوریتم انتخاب شدند. برای ارزیابی عملکرد الگوریتم پیشنهادی از معیارهای، حساسیت، صحت و دقت استفاده شد. از نرم‫افزار MATLAB (2024) برای تجزیه و تحلیل داده‌ها استفاده شد. یافته‌ها: نتایج نشان داد که الگوریتم Adaboost با دقت 73/1 درصد و ‎صحت 75/3 درصد توانست بیماری دیابت را در مردان فعال پیش‌بینی کند. نتیجه‌گیری: این مدل می‌تواند به عنوان ابزار کمکی در غربالگری اولیه دیابت در مراکز درمانی مورد استفاده قرار گیرد.

https://jims.mui.ac.ir/article_33345_b4315f87bc8e2180eb73465d8f5a5cd5.pdf