مجله تخصصی

---

مقدمه و اهداف: برنامه‌ریزی برای درمان ارتودنسی به آگاهی از میزان نیاز به درمان ارتدنسی درجامعه نیاز دارد. همچنین بدلیل تقاضای زیاد جهت درمان‌های ارتدنسی اولویت‌بندی آن‌ها ضروری می‌باشد. هدف این مطالعه برآورد میزان نیاز و تقاضا برای درمان ارتودنسی در دانش‌آموزان 12 ساله شهرستان آباده است.

روش کار: شاخص IOTN  در417 دانش‌آموز 12 ساله از مدارس آباده براساس معیارهای AC و DHC توسط دندانپزشک و بر اساس شاخص AC توسط دانش آموزان و والدین آنها تعیین شد و سپس میزان تقاضای دانش آموزان و والدین آن‌ها برای درمان ارتودنسی  بررسی گردید. جهت آنالیز داده‌ها از ضریب همبستگی spearman's استفاده شد.

نتایج: 3/22 درصد از دانش‌آموزان12 ساله طبق شاخص DHC در گروه "بی‌نیاز به درمان"، 5/29% در گروه " حد واسط" و 2/48% در گروه " نیازمند به درمان " قرار گرفتند. هنگام ارزیابی بیماران با شاخص ACتوسط دندانپزشک، این درصدها به ترتیب 9/61%،29% و1/9% بود. در ارزیابی والدین و دانش‌آموزان طبق معیارAC ، به ترتیب 6/8% و 7/7% در گروه نیازمند قطعی به درمان قرار گرفتند. تقاضای دانشآموزان و والدین آن‌ها برای درمان به ترتیب6/40%و9/44 % بود.

نتیجه‌گیری: نیاز به درمان ارتودنسی بر اساس معیار DHC در آباده نسبت به مطالعات دیگر بالا است. معیار DHC، رابطه کمی با میزان تقاضای درمان دانش‌آموزان دارد. ولی معیار  ACرابطه بالایی با میزان تقاضای بیماران به درمان دارا می‌باشد.

---

مقدمه و اهداف: دیابت بارداری شایع‌ترین اختلال متابولیک دوران بارداری است. در صورت تشخیص زودرس این بیماری می‌توان از برخی عوارض آن جلوگیری کرد. هدف این پژوهش پیش‌بینی زودرس ابتلا به دیابت بارداری بوسیله مدل‌های رگرسیون لجستیک، تحلیل ممیزی، درخت تصمیم و شبکه عصبی مصنوعی پرسپترون و مقایسه این مدل‌ها بود.
روش کار: پرونده 420 خانم باردار ( 1391-1389 ) دارای پرونده در مراکز بهداشتی کرمانشاه، با روش نمونه‌گیری در دسترس بررسی شد. اطلاعات جمعیت شناختی، متغیرهای مربوط به دوره بارداری و نتایج آزمایش‌ها و ابتلا به دیابت بارداری با معیار قند خون ناشتا بزرگ‌تر یا مساوی 92 از پرونده آنان گردآوری شد. پس از برازش چهار مدل فوق به داده‌ها، عملکرد مدل‌ها باهم مقایسه گردید و با توجه به معیارهای صحت، حساسیت و ویژگی بر اساس منحنی ROC، مدل برتر معرفی شد.
یافته‌ها: پس از برازش مدل‌های رگرسیون لجستیک، تحلیل ممیزی، درخت تصمیم و شبکه عصبی مصنوعی به مجموعه داده‌ها، معیار صحت برای مدل‌های مذکور به ترتیب برابر 81/0، 83/0، 78/0 و 83/0 ، حساسیت 50/0، 63/0، 58/0و 58/0، ویژگی 96/0، 93/0، 87/0 و 94/0 و سطح زیر منحنی ROC به ترتیب برابر 86/0، 78/0، 73/0 و 87/0 محاسبه گردید.
نتیجه‌گیری: در پیش‌بینی و رده‌بندی ابتلا و عدم ابتلا به دیابت بارداری، مدل شبکه عصبی مصنوعی دارای نرخ دسته‌بندی اشتباه کمتر و سطح زیر منحنی ROC بیشتری نسبت به سایر مدل‌ها بود. می‌توان نتیجه گرفت که این مدل دارای پیش‌بینی‌های صحیح‌تر و نزدیک به واقعیت نسبت به سایر مدل‌ها است.