این الگوریتم یك روش قدرتمند در حوزه تشخیص و پیش بینی است. الگوریتم بوستینگ به طور مكرر یك رده بندی كننده پایه را روی داده های دوباره وزن دار شده رشد می دهد و در نهایت یك تركیب خطی از نتایج تشكیل می دهد و از این رو دقت را بهبود می بخشد.
روش کاری محققان در این مطالعه از نوع مقطعی بوده است. داده های وضعیت غده تیروئید یك نمونه 103 نفری از مراجعه كنندگان به آزمایشگاه سلامت شهرستان شوشتر در سال 89-90 مورد تحلیل قرار گرفت. برای تشخیص غده تیروئید نرمال از غده تیروئید غیر نرمال از درخت های تصمیم معمولی و درخت های تصمیم بوستینگ از نرم افزار 3.0.1R استفاده شد. در ادامه نیز برای مقایسه نتایج از روش تحلیل رده بندی و سه معیار نرخ خطای رده بندی، حساسیت و ویژگی استفاده شد.
یافته ها نشان از آن داشتند که نرخ خطای رده بندی، حساسیت و ویژگی در مجموعه آزمون برای درخت های تصمیم معمولی به ترتیب 088/ 0، 91/ 0 و 92 /0 بوده است و در درخت های تصمیم بوستینگ سه معیار فوق نیز به ترتیب 029/ 0، 955/ 0 و 1 به دست آمدندسینا پرس.
نتایج این مطالعه نشان داد كه الگوریتم بوستینگ برای تشخیص غده تیروئید نرمال از غده تیروئید غیر نرمال بسیار موفق تر عمل می كند بنابراین استفاده از درخت های تصمیم بوستینگ جهت تشخیص و پیشگویی وضعیت غده تیروئید پیشنهاد می شودسینا پرس.
