بیماری عروق کرونر قلب (CHD) یک مشکل مهم بهداشت عمومی در سطح جهان است. الگوریتم های موجود در ارزیابی بیومارکرهای بالینی به همراه چندین عامل خطر مرسوم ایجاد شده می توانند به پزشکان در پیش بینی CHD کمک کنند. درخت تصمیم (DT) یک مدل داده کاوی برای استخراج دانش پنهان از پایگاههای داده بزرگ است. ما با استفاده از الگوریتم درخت تصمیم گیری ، یک مدل پیش بینی کننده برای بیماری عروق کرونر قلب ایجاد کردیم. در اینجا از مجموعه ای از 2346 فرد شامل 1159 شرکت کننده سالم و 1187 شرکت کننده که تحت آنژیوگرافی عروق کرونر (405 شرکت کننده با آنژیوگرافی منفی و 782 شرکت کننده با آنژیوگرافی مثبت) استفاده شده است ، استفاده کردیم. ما 10 متغیر از 12 متغیر کل (شامل سن ، جنس ، FBG ، TG ، hs-CRP ، TC ، HDL ، LDL ،  SBP و DBP )  را واردالگوریتم  DT کردیم. مدل ما می تواند عوامل خطر مرتبط با CHD را با حساسیت ، ویژگی ، دقت به ترتیب 96٪ ، 87٪ ، 94٪ شناسایی کند. سطح سرمی hs-CRP در بالای نمونه در مدل ما بود و پس از آن FBG ، جنسیت و سن مشاهده شد.

نتیجه نهایی: به نظر می رسد که مدل ما یک مدل دقیق ، خاص و حساس برای شناسایی حضور CHD است ، اما در مطالعات آینده نگر به اعتبار سنجی نیاز دارد.