International Science and Technology Journal

ISSN: 2519-9854 (Online)

ISSN: 2519-9846 (Print)

DOI: www.doi.org/10.62341/ISTJ

A peer-reviewed and open access journal concerned with publishing researches and studies in the field of applied sciences and engineering

Using linear discriminant analysis to classify renal failure

Researcher(s):
  • Enas H Abduallah
  • Mahmoud Saed asbeetah
Institution:Mathematics department, Tobruk University, Tobruk, Libya.
Field:العلوم العامة: الرياضيات و الاحصاء و الفيزياء
Published in:34th volume - July 2024
الملخص
يهدف هذا البحث الى تصنيف الفشل الكلوي بعد تعريفه وتقسيمه الى نوعين وهما القصور الكلوي والفشل الكلوي التام وذلك باستخدام التحليل التمييزي الخطي وجمعت البيانات من ملفات المرضى الإلكترونية بمركز طبرق الطبي، المتغيرات تم تحديدها وفقا لسجلات المرضى وبعد استشارة بعض الأطباء المختصين وهي كسبيل الذكر (العمر، سكر الدم، اليوريا، الكرياتينين، الالبومين، حمض اليوريا، الفوسفات.......)، العينة بلغت 461 مريض بالفشل الكلوي قسمت الي عينتين 238 مريض بالقصور الكلوي و223 مريض بالفشل الكلوي التام. أوضحت النتائج وذلك باستخدام لغة البرمجة R المتغيرات الأكثر تأثيراً على مرض الفشل الكلوي وهي الكرياتينين وسكر الدم وكذلك ملائمة استخدام نموذج التحليل التمييزي الخطي لتصنيف مرضى الفشل الكلوي كذلك كفأه الدالة في التصنيف بنسبة 88.5% وذلك يعني نسبة ضئيلة في خطأ التصنيف بنسبة 11.5%. الكلمات المفتاحية: التحليل التمييزي الخطي، الفشل الكلوي، التصنيف.
Abstract
This research aimed at classifying renal failure diseases whether acute renal failure (ARF) or chronic renal failure (CRF) based on linear discriminant analysis (LDA). The research was carried out by collecting data from patients with renal failure at Tobruk Medical Center (TMC). The sample was composed of 461 cases of renal failure, 238 cases of them were acute renal failure and 223 cases were chronic renal failure taking into account a set of crucial factors, including age, fasting blood sugar, urine, etc. The discriminant function analysis was applied using the R programming language. The study revealed that the linear discriminant analysis classified the two types and indicated that the variables with the highest impact on renal failure were creatinine and fat blood sugar. Also, the LDA was highly precise in classification, where 88.5% of the sample was classified successfully, which means a small error rate of 11.5%. Keywords: linear Discriminant Analysis, renal failure, classification.