AI Summary & Key Takeaways
AI InsightAdditionally, it has been enabled that some precautions can be taken by responsible people if there is a computed high risk for this child.
📌 3 Key Takeaways
Abstract
The main reason of obesity occurring in the future years is strongly related with the lifestyle and eating habits in childhood. This study focuses on developing an urgent precaution system which calculates the obesity risks. An original clinical decision support system (CDSS) has been developed by using Ensemble Classification methods in Machine Learnings. A questionnaire has been prepared and applied to the patients in the hospitals and to the elementary school students with official permissions in order to construct an original and reliable dataset. Extended versions of k Nearest Neighbors methods are used in Voting, Bagging, Boosting and Random Subspaces algorithms as base learners. During the experimental studies in the applications of cross validation procedures, successful results have been computed and Random Subspaces has been chosen as the most successful algorithm with 0.839 MCC (Matthews Correlation Coefficient) scores. With the help of the suggested model to a worldly wide health problem, the future probability of obesity risk for a child might be easily determined. Additionally, it has been enabled that some precautions can be taken by responsible people if there is a computed high risk for this child.
Özet
Çocukluk yıllarındaki beslenme ve yaşam alışkanlıkları ileri yaşlarda ortaya çıkabilecek obezite hastalığının nedenini oluşturur. Bu çalışma çocuklarda obeziteye yakalanma riskini hesaplayan bir erken uyarı sisteminin geliştirilmesi üzerinedir. Makine öğrenmesi kolektif öğrenme algoritmaları kullanılarak yapay ve özgün bir klinik karar destek sistemi (KKDS) geliştirilmiştir. Obeziteye neden olan faktörler hazırlanan anket içerisine yerleştirmiştir. Devlet hastanelerinden ve okullarından alınan resmi izinlerle anketler çocuklara uygulanmış ve elde edilen verilerle güvenilir bir eğitim seti oluşturulmuştur. k En Yakın Komşuluk algoritmasının geliştirilmiş versiyonları Oylama, Bagging, Boosting ve Rastsal Altuzaylar yöntemlerinde tekil öğrenici olarak kullanılmıştır. Eğitim seti üzerinde yapılan öğrenme ve çapraz geçerleme işlemlerinde algoritmalara ait yüksek doğruluk oranları elde edilmiş ve en başarılı yöntemin 0,839’lık MCC (Matthews Correlation Coefficient) değeriyle Rastsal Altuzaylar olduğu görülmüştür. Çağın önemli bir sorununa karşı önerilen bu model sayesinde, ileri yaşlarda oluşabilecek obezite riski önceden tespit edilebilmektedir. Ayrıca ilgili kişiler tarafından gerekli önlemlerin zamanında alınabilmesi sağlanmaktadır.