مجله تخصصی

---

مقدمه و اهداف: با توجه به اهمیت داده‌های مرگ برنامه‌ریزی‌ها و ارائه عادلانه خدمات سلامت، بررسی کیفیت داده‌های مرگ یک ضرورت است. این مطالعه با هدف مقایسه میزان کامل بودن و صحت گزارش مرگ کودکان زیر پنج سال و مادران زیج حیاتی با دیگر منابع انجام شد.

روش کار: گزارش‌های مرگ کودکان زیر پنج سال و مادران زیج حیاتی 30 شهرستان با گزارش‌های مرگ منابع اطلاعاتی دیگر، شامل بازبینی زیج حیاتی، نظام ثبت مرگ و نظام مراقبت مرگ مادر، مقایسه شد. میزان کامل بودن، با استفاده از روش صید و بازصید و صحت گزارش، از طریق محاسبه اعتبار گزارش علل مرگ بررسی گردید.

 نتایج: میزان کامل بودن گزارش مرگ کودکان زیر پنج سال 1/68 درصد محاسبه شد. حساسیت این منبع برای مرگ کودکان با علت عفونت‌های تنفسی (1/72 - 9/22CI: 95%)06/47%، اسهال و استفراغ (6/95 - 2/22CI: 95%) 6/66%، حوادث، مسمومیت و سوختگی‌ها (2/89 - 3/64CI: 95%) 7/78%، تخمین زده شد. نسبت طبقه‌بندی نادرست منبع بازبینی زیج حیاتی برای علل مرگ مادران 5/12درصد محاسبه گردید.

نتیجه‌گیری: نتایج این تحقیق نشان داد که اطلاعات زیج حیاتی برای محاسبه میزان‌ها به تصحیح برای کم‌شماری نیاز دارد. مقایسه علل مرگ کودکان گزارش‌شده در زیج حیاتی با نظام ثبت مرگ نشان داد که علت‌های مرگ گزارش ‌شده در زیج حیاتی ممکن است اعتبار کافی نداشته باشد.

---

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.