Diabetes Python EDA

دراسة إحصائية وتحليلية دقيقة باستخدام لغة بايثون للكشف عن الأنماط والعوامل المؤثرة في الإصابة بمرض السكري.

الأدوات المستخدمة: Python (Pandas, NumPy, Seaborn, Matplotlib).

الجانب التقني: تضمن المشروع تحليل الارتباط (Correlation Heatmap)، وتحديد عتبات المخاطر لمؤشر كتلة الجسم (BMI)، وعمل عنقودية للمخاطر (3D Risk Clustering).

أبرز النتائج: أثبت التحليل أن تجاوز مؤشر كتلة الجسم لـ 30 يزيد المخاطر بشكل حاد، مع وجود ترابط قوي جداً بين مستويات الجلوكوز وتشخيص الإصابة.

القيمة المضافة: تقديم رؤى طبية تدعم الكشف المبكر للفئات العمرية الأكثر عرضة للخطر، وتصميم برامج إدارة السمنة المستهدفة بناءً على البيانات.