FACTEURS DE RISQUE ET PREDICTION DU DIABÈTE DE TYPE 2 EN ALGÉRIE : UNE NOUVELLE APPROCHE UTILISANT LE DATA MINING

Résumé

Dans cet article, nous utilisons des outils de data mining pour extraire les facteurs de risque du diabète Type 2 (DT2) et prédire la survenue de la maladie par l’élaboration de règles prédictives. L'étude
compare l'efficacité de deux modèles d’apprentissage supervisé : les
arbres de décision et le bayésien naïf. En analyse uni-variée, sept variables
étaient pertinentes : le sexe, l’âge, l’IMC, le taux de cholestérol, l’HTA,
l’activité physique et les ATCF. L’analyse multivariée a montré que la
masse corporelle et l’activité physique sont les principaux facteurs de
risque du DT2 et à un degré moindre l’âge et le taux de cholestérol. La
classification par les deux modèles a donné une précision de 94. 5%
pour les arbres de décision et de 96,47% pour le bayésien. Le plus prédictif des deux modèles étant les arbre de décision, avec une aire sous
la courbe ROC de 0,964, un taux d’erreur estimé à 10 ,44% et une capacité à détecter les vrais diabétiques de 90,5%.